論文の概要: Uncertainty-Aware Knowledge Transformers for Peer-to-Peer Energy Trading with Multi-Agent Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2507.16796v1
• Date: Tue, 22 Jul 2025 17:46:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-23 21:34:14.235857
• Title: Uncertainty-Aware Knowledge Transformers for Peer-to-Peer Energy Trading with Multi-Agent Reinforcement Learning
• Title（参考訳）: 多元強化学習によるピアツーピアエネルギー取引における不確実性認識型知識変換器
• Authors: Mian Ibad Ali Shah, Enda Barrett, Karl Mason,
• Abstract要約: 本稿では、不確実性認識予測とマルチエージェント強化学習(MARL)を統合したピアツーピア(P2P)エネルギートレーディングの新しい枠組みを提案する。 提案手法は、不確実性のある知識変換器(KTU)と呼ばれる異種確率確率変換器に基づく予測モデルを用いて、予測の不確実性を明確に定量化する。 実験の結果、不確実性を考慮したディープQネットワーク(DQN)は、P2Pトレーディングなしでのエネルギー購入コストを最大5.7%削減し、P2Pトレーディングで3.2%削減し、それぞれ6.4%と44.7%の増加を示した。
• 参考スコア（独自算出の注目度）: 1.2289361708127877
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a novel framework for Peer-to-Peer (P2P) energy trading that integrates uncertainty-aware prediction with multi-agent reinforcement learning (MARL), addressing a critical gap in current literature. In contrast to previous works relying on deterministic forecasts, the proposed approach employs a heteroscedastic probabilistic transformer-based prediction model called Knowledge Transformer with Uncertainty (KTU) to explicitly quantify prediction uncertainty, which is essential for robust decision-making in the stochastic environment of P2P energy trading. The KTU model leverages domain-specific features and is trained with a custom loss function that ensures reliable probabilistic forecasts and confidence intervals for each prediction. Integrating these uncertainty-aware forecasts into the MARL framework enables agents to optimize trading strategies with a clear understanding of risk and variability. Experimental results show that the uncertainty-aware Deep Q-Network (DQN) reduces energy purchase costs by up to 5.7% without P2P trading and 3.2% with P2P trading, while increasing electricity sales revenue by 6.4% and 44.7%, respectively. Additionally, peak hour grid demand is reduced by 38.8% without P2P and 45.6% with P2P. These improvements are even more pronounced when P2P trading is enabled, highlighting the synergy between advanced forecasting and market mechanisms for resilient, economically efficient energy communities.
• Abstract（参考訳）: 本稿では,不確実性を考慮した予測とマルチエージェント強化学習(MARL)を統合したP2Pエネルギートレーディングの枠組みを提案する。 決定論的予測に依存する従来の研究とは対照的に,提案手法では,P2Pエネルギートレーディングの確率的環境における堅牢な意思決定に不可欠な予測不確実性を明確に定量化するために,KTU(Knowledge Transformer with Uncertainty)と呼ばれる異種確率確率的変圧器に基づく予測モデルを採用している。 KTUモデルは、ドメイン固有の特徴を活用し、各予測に対して信頼性の高い確率予測と信頼区間を保証するカスタム損失関数で訓練される。 これらの不確実性を考慮した予測をMARLフレームワークに統合することで、エージェントはリスクと変動性を明確に理解して取引戦略を最適化することができる。 実験の結果、不確実性を考慮したディープQネットワーク(DQN)は、P2Pトレーディングなしでのエネルギー購入コストを最大5.7%削減し、P2Pトレーディングで3.2%削減し、それぞれ6.4%と44.7%の増加を示した。 加えて、ピーク時のグリッド需要はP2Pなしで38.8%、P2Pで45.6%減少している。 これらの改善は、P2Pトレーディングが有効になったときにさらに顕著になり、先進的な予測と弾力的で経済的に効率的なエネルギーコミュニティの市場メカニズムの相乗効果を強調している。

関連論文リスト

• A Hybrid Strategy for Aggregated Probabilistic Forecasting and Energy Trading in HEFTCom2024 [0.11650821883155187]
  本稿では,IEEE Hybrid Energy Forecasting and Trading Competition 2024(HEFTCom2024)の学生チームの中で,第3位,第4位,第1位にランクインしたチームGABのソリューションを提案する。 このソリューションは、風洞ハイブリッドシステムの正確な確率予測を提供し、日頭電気市場における実質的なトレーディング収益を達成する。
  論文  参考訳（メタデータ） (2025-05-15T14:55:11Z)
• ML-Based Bidding Price Prediction for Pay-As-Bid Ancillary Services Markets: A Use Case in the German Control Reserve Market [45.62331048595689]
  本稿では,ドイツ支配予備市場を中心に,従量制サービス市場における入札価格の予測手法を提案する。 サポートベクトル回帰、決定木、k-Nearest Neighborsなど、さまざまな機械学習モデルを評価し、ベンチマークモデルと比較する。 分析の結果,提案手法はベースラインモデルと比較して27.43%から37.31%に改善することが示された。
  論文  参考訳（メタデータ） (2025-03-21T15:21:43Z)
• Conformal Prediction for Electricity Price Forecasting in the Day-Ahead and Real-Time Balancing Market [0.0]
  再生可能エネルギーの電気市場への統合は 価格安定に重大な課題をもたらします 本研究では, Conformal Prediction (CP) 技術を用いた確率的価格予測の強化について検討した。 本稿では,量子レグレッションモデルの効率と時系列適応CP手法の強靭なカバレッジ特性を組み合わせたアンサンブル手法を提案する。
  論文  参考訳（メタデータ） (2025-02-07T13:57:47Z)
• Probabilistic forecasting of power system imbalance using neural network-based ensembles [4.573008040057806]
  可変選択ネットワーク(VSN)の適応であるC-VSNのアンサンブルを提案する。 毎分、我々のモデルは現在の2四半期のバランスと今後の2四半期のバランスを予測し、これらの予測の不確実さを推定する。 高い不均衡の状況では、我々のモデルは最先端の23.4%を上回ります。
  論文  参考訳（メタデータ） (2024-04-23T08:42:35Z)
• Conformal Prediction for Stochastic Decision-Making of PV Power in Electricity Markets [0.0]
  コンフォメーション予測(CP)は、日々の太陽光発電電力予測の確率予測手法である。 CPを特定の入札戦略と組み合わせることで、エネルギーの不均衡を最小限に抑えて高い利益を得ることができる。 具体的には、k-アネレスト近傍の共形予測システムと無作為な森林回帰の後にモンドリアン・ビンニングを用いると、最良の利益が得られる。
  論文  参考訳（メタデータ） (2024-03-29T12:34:57Z)
• Combining predictive distributions of electricity prices: Does minimizing the CRPS lead to optimal decisions in day-ahead bidding? [0.0]
  本研究では,新しい重み付け手法であるCRPS学習を用いることで,日頭入札における最適決定が導かれるかどうかを検討する。 アンサンブルの多様性の増大は精度に肯定的な影響を与える可能性がある。 分布の等重集約と比較してCRPS学習を使用する場合の計算コストは、高い利益によって相殺されない。
  論文  参考訳（メタデータ） (2023-08-29T17:10:38Z)
• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• When in Doubt: Neural Non-Parametric Uncertainty Quantification for Epidemic Forecasting [70.54920804222031]
  既存の予測モデルは不確実な定量化を無視し、誤校正予測をもたらす。 不確実性を考慮した時系列予測のためのディープニューラルネットワークの最近の研究にもいくつかの制限がある。 本稿では,予測タスクを確率的生成過程としてモデル化し,EPIFNPと呼ばれる機能的ニューラルプロセスモデルを提案する。
  論文  参考訳（メタデータ） (2021-06-07T18:31:47Z)
• The impact of online machine-learning methods on long-term investment decisions and generator utilization in electricity markets [69.68068088508505]
  電力需要プロファイルを24時間以内に予測するために,オフライン11とオンライン5の学習アルゴリズムが与える影響を調査した。 最良オフラインアルゴリズムと比較して,オンラインアルゴリズムを用いて平均絶対誤差を30%削減できることを示した。 また,予測精度の大きな誤差は,17年間の投資に不均等な誤差があることを示す。
  論文  参考訳（メタデータ） (2021-03-07T11:28:54Z)
• Probabilistic electric load forecasting through Bayesian Mixture Density Networks [70.50488907591463]
  確率的負荷予測(PLF)は、スマートエネルギーグリッドの効率的な管理に必要な拡張ツールチェーンの重要なコンポーネントです。 ベイジアン混合密度ネットワークを枠とした新しいPLFアプローチを提案する。 後方分布の信頼性と計算にスケーラブルな推定を行うため,平均場変動推定と深層アンサンブルを統合した。
  論文  参考訳（メタデータ） (2020-12-23T16:21:34Z)
• Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable Edge Computing Systems [87.4519172058185]
  エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。 定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。 実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
  論文  参考訳（メタデータ） (2020-02-20T04:58:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。