基于多智能体强化学习的微电网能源交易

微电网中的本地能源交易能有效地促进分布式可再生能源的本地消纳,避免与大电网间过多的电力交互。微电网用户作为独立的个体,可通过调整自身的用电策略,以及参与能源交易实现用电成本最小化。由于用户的分布式可再生能源的不确定性,以及能源交易市场竞价策略的随机性,导致用户难以找到最优的用电和能源交易策略。为此,提出了一种基于多智能体强化学习的能源交易方法,该方法能有效避免对复杂微电网能源交易系统建模,利用历史负荷数据进行训练得到各用户的交易策略,可部署到实时的能源交易中。该方法采用集中式训练和分布式执行的方法,在保障算法收敛性的同时充分保护了用户的隐私。仿真实验结果表明,该算法在降低微电网的峰值负荷的同时,还有效地降低了用户的用能成本。