基于多智能体强化学习的乳牧场点对点能源交易
摘要
可再生能源资源在农村地区的集成，例如乳制品农场社区，使得通过点对点 (P2P) 能源交易实现能源管理的去中心化成为可能。这项研究突出了 P2P 交易在高效能源分配中的作用，以及其与高级优化技术的协同作用。虽然传统的基于规则的方法在稳定条件下表现良好，但在动态环境中难以应对。为此，结合多智能体强化学习 (MARL)，具体包括近端策略优化 (PPO) 和深度 Q 网络 (DQN)，与社区/分布式 P2P 交易机制相结合。通过纳入拍卖式市场清算、价格顾问智能体以及负荷和电池管理，该方法实现了显著的改进。结果表明，与基准模型相比，DQN 在爱尔兰降低 14.2% 的电费，在芬兰降低 5.16% 的电费，同时分别提高 7.24% 和 12.73% 的电费收入。PPO 在爱尔兰实现最低的峰时需求，峰时需求降低 55.5%，而 DQN 在爱尔兰降低 50.0% 的峰时需求，在芬兰降低 27.02% 的峰时需求。这些改进归功于 MARL 算法和 P2P 能源交易的结合，两者共同导致电费和峰时需求的降低，以及电费出售收入的增加。这项研究突显了 DQN、PPO 和 P2P 交易在实现农村社区高效、可适应且可持续能源管理方面的互补优势。
引用
@article{arxiv.2511.23148,
title = {Peer-to-Peer Energy Trading in Dairy Farms using Multi-Agent Reinforcement Learning},
author = {Mian Ibad Ali Shah and Marcos Eduardo Cruz Victorio and Maeve Duffy and Enda Barrett and Karl Mason},
journal= {arXiv preprint arXiv:2511.23148},
year = {2025}
}
备注
51 pages, 7 figures, 11 tables, Preprint of the article published in Applied Energy: Shah, M.I.A., Victorio, M.E.C., Duffy, M., Barrett, E. and Mason, K. (2026). Peer-to-peer energy trading in dairy farms using multi-agent reinforcement learning. Applied Energy, 402, 127041. doi:10.1016/j.apenergy.2025.127041