智能AI
morning
住宅 PV-BES 社区中的强化学习和基于规则的点对点定价
摘要
arXiv:2609.01680v1 Announce Type: new Abstract: This paper compares rule-based and learning-based pricing mechanisms for peer-to-peer (P2P) electricity trading in residential photovoltaic communities....
the
based
and
learning
pricing
rule
The
under
SDR
for
2026-09-03
1 阅读
约1分钟阅读
Pablo Benalcazar, Maciej Kalka, Wilian Guam\'an, Jacek Kami\'nski
字号:
arXiv:2609.01680v1 公告类型：新 摘要：本文比较了住宅光伏社区点对点（P2P）电力交易的基于规则和基于学习的定价机制。基于规则的基准包括作为事后分配机制的账单分摊、中间市场利率和供需比定价。强化学习 (RL) 公式通过深度 Q 网络实现，并在基于乘数和可学习 SDR 形状的定价下进行评估，并使用固定参数 SDR 变体作为非学习控制。绩效是通过社区储蓄以及补充性财务和运营指标来评估的。在基本仅 PV 配置中，基于规则的基准测试优于最佳 RL 策略。通过电池储能，仅针对 RL 政策进行评估，最佳 RL 政策下的社区节省从 734.23 欧元增加到 978.52 欧元。在基于学习的模式和两种配置中，SDR 型定价优于所考虑的基于乘数的参数化。结果表明，无论直接比较两个家庭，基于规则的定价仍然具有高度竞争力，并且在这种核算下，存储大大改善了基于学习的成果，而家庭之间的福利分配仍然存在差异。
这篇文章对您有帮助吗？
订阅66必读
每日精选科技资讯，直达你的邮箱