利用近端策略优化与区块链优化日前能源交易

可再生能源在日前能源市场中日益增长的渗透率，给供需平衡、确保电网弹性以及维持去中心化交易系统的信任带来了挑战。本文提出了一种新颖的框架，将近端策略优化（PPO）算法（一种最先进的强化学习方法）与区块链技术相结合，以优化日前能源市场中产消者的自动交易策略。我们引入了一个综合框架，采用 RL 智能体进行多目标能源优化，并利用区块链进行防篡改的数据和交易管理。使用来自德州电力可靠性委员会（ERCOT）的真实数据进行的仿真证明了我们方法的有效性。RL 智能体在大部分运行时间内实现了 2% 以内的供需平衡，并维持了接近最优的供应成本。此外，它生成了能够应对太阳能和风能发电变化的鲁棒电池储能策略。所有决策均记录在基于 Algorand 的区块链上，确保了透明度、可审计性和安全性——这是可信赖的多智能体能源交易的关键促成因素。我们的贡献包括一种新颖的系统架构、用于鲁棒智能体开发的课程学习，以及面向实际部署的可行策略见解。