論文の概要: VAE-GAN Based Price Manipulation in Coordinated Local Energy Markets

• arxiv url: http://arxiv.org/abs/2507.19844v1
• Date: Sat, 26 Jul 2025 07:38:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-29 16:23:56.282097
• Title: VAE-GAN Based Price Manipulation in Coordinated Local Energy Markets
• Title（参考訳）: 協調型地域エネルギー市場におけるVAE-GANによる価格操作
• Authors: Biswarup Mukherjee, Li Zhou, S. Gokul Krishnan, Milad Kabirifar, Subhash Lakshminarayana, Charalambos Konstantinou,
• Abstract要約: 本稿では,地域エネルギー市場(LEM)における不均一分散エネルギー資源(DER)との協調モデルを提案する。 提案手法は,マルチエージェントディープ決定性ポリシー勾配(MADDPG)に基づくデータ駆動型モデルフリー強化学習手法を利用する。 本研究では,変動型自動エンコーダ生成敵ネットワーク(VAE-GAN)モデルを用いた価格操作戦略について検討する。
• 参考スコア（独自算出の注目度）: 3.498661956610689
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces a model for coordinating prosumers with heterogeneous distributed energy resources (DERs), participating in the local energy market (LEM) that interacts with the market-clearing entity. The proposed LEM scheme utilizes a data-driven, model-free reinforcement learning approach based on the multi-agent deep deterministic policy gradient (MADDPG) framework, enabling prosumers to make real-time decisions on whether to buy, sell, or refrain from any action while facilitating efficient coordination for optimal energy trading in a dynamic market. In addition, we investigate a price manipulation strategy using a variational auto encoder-generative adversarial network (VAE-GAN) model, which allows utilities to adjust price signals in a way that induces financial losses for the prosumers. Our results show that under adversarial pricing, heterogeneous prosumer groups, particularly those lacking generation capabilities, incur financial losses. The same outcome holds across LEMs of different sizes. As the market size increases, trading stabilizes and fairness improves through emergent cooperation among agents.
• Abstract（参考訳）: 本稿では, 地域エネルギー市場 (LEM) に参画する異種分散エネルギー資源 (DER) との協調モデルを提案する。 提案手法では,マルチエージェントのDeep Deterministic Policy gradient (MADDPG) フレームワークをベースとしたデータ駆動型モデルフリー強化学習手法を用いて,動的市場における最適エネルギー取引の効率的なコーディネーションを図りながら,消費者が任意の行動の購入・販売・回避をリアルタイムに行うことができる。 さらに,変動型自動エンコーダ生成敵ネットワーク(VAE-GAN)モデルを用いた価格操作戦略について検討した。 その結果, 対物価格の下では, 不均一なプロシューマー群, 特に生成能力に欠ける群は, 金銭的損失を被ることがわかった。 同じ結果は、異なるサイズのLEMにまたがる。 市場規模が大きくなるにつれて、取引の安定と公正性はエージェント間の創発的な協力によって向上する。

関連論文リスト

• Multi-Agent Reinforcement Learning for Dynamic Pricing in Supply Chains: Benchmarking Strategic Agent Behaviours under Realistically Simulated Market Conditions [4.072683489517408]
  本研究では,MARL(Multi-Agent Reinforcement Learning)がサプライチェーンの動的価格戦略をどのように改善するかを検討する。 MARLは、静的な価格ルールに縛られずに、突発的な戦略行動を導入し、ダイナミックな価格設定における将来の発展を知らせる。
  論文  参考訳（メタデータ） (2025-07-03T15:07:37Z)
• 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)
• Learn to Bid as a Price-Maker Wind Power Producer [2.249916681499244]
  短期的な電力市場に参加する風力発電会社(WPP)は、非散布可能で変動的な生産のため、かなりの不均衡なコストに直面している。 価格設定におけるWPP入札の最適化に文脈情報を活用するオンライン学習アルゴリズムを提案する。 このアルゴリズムの性能は、ドイツの日頭市場とリアルタイム市場の数値シミュレーションを用いて、様々なベンチマーク戦略に対して評価される。
  論文  参考訳（メタデータ） (2025-03-20T12:51:37Z)
• Vision-Language Navigation with Energy-Based Policy [66.04379819772764]
  視覚言語ナビゲーション(VLN)は、人間の指示に従って行動を実行するエージェントを必要とする。 共同状態-行動分布をモデル化するためのエネルギーベースナビゲーションポリシー(ENP)を提案する。 ENPはR2R、REVERIE、RxR、R2R-CEで有望なパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-10-18T08:01:36Z)
• Evaluating the Impact of Multiple DER Aggregators on Wholesale Energy Markets: A Hybrid Mean Field Approach [2.0535683313855055]
  地域エネルギー市場への分散エネルギー資源の統合は、グリッドの柔軟性を大幅に向上させ、市場効率を向上し、より持続可能なエネルギーの未来に貢献することができる。 我々は、複数のDERアグリゲータを特徴とする市場モデルについて検討し、それぞれがDERリソースのポートフォリオを制御し、DER資産所有者に代わって市場への入札を行う。 本稿では,MFGフレームワーク内で各エージェントが最適な戦略を学習し,市場状況や不確実性に適応する能力を向上させるための強化学習(RL)手法を提案する。
  論文  参考訳（メタデータ） (2024-08-27T14:56:28Z)
• An Auction-based Marketplace for Model Trading in Federated Learning [54.79736037670377]
  フェデレートラーニング(FL)は、局所的な分散データを用いたトレーニングモデルにおいて、その効果がますます認識されている。 FLはモデルのマーケットプレースであり、顧客は買い手と売り手の両方として振る舞う。 本稿では,性能向上に基づく適切な価格設定を実現するため,オークションベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2024-02-02T07:25:53Z)
• Mimicking Better by Matching the Approximate Action Distribution [48.95048003354255]
  そこで我々は,Imitation Learning from Observationsのための新しい,サンプル効率の高いオンライン政治アルゴリズムMAADを紹介する。 我々は、専門家のパフォーマンスを達成するためには、かなり少ないインタラクションが必要であり、現在最先端の政治手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-06-16T12:43:47Z)
• Optimizing Trading Strategies in Quantitative Markets using Multi-Agent Reinforcement Learning [11.556829339947031]
  本稿では、固定比率ポートフォリオ保険(CPPI)と時間不変ポートフォリオ保護(TIPP)の2つの確立された金融取引戦略の統合について検討する。 本稿では,量的市場における戦略的取引の探索に適した2つの新しいマルチエージェントRL(MARL)手法,CPPI-MADDPGとTIPP-MADDPGを紹介する。 実験の結果,CPPI-MADDPGとTIPP-MADDPGの戦略は従来よりも一貫して優れていた。
  論文  参考訳（メタデータ） (2023-03-15T11:47:57Z)
• Approximating Energy Market Clearing and Bidding With Model-Based Reinforcement Learning [0.0]
  マルチエージェント強化学習(MARL)は,シミュレーションにおけるエネルギー市場参加者の利益最大化行動を予測するための,有望な新しいアプローチである。 我々は、学習したOPF近似と明示的な市場ルールの形で、エネルギー市場を基本的MARLアルゴリズムにモデル化する。 実験の結果,トレーニング時間は約1桁削減されるが,性能は若干低下することがわかった。
  論文  参考訳（メタデータ） (2023-03-03T08:26:22Z)
• A Multi-Agent Deep Reinforcement Learning Approach for a Distributed Energy Marketplace in Smart Grids [58.666456917115056]
  本稿では,マイクログリッドを支配下に置くために,強化学習に基づくエネルギー市場を提案する。 提案する市場モデルにより,リアルタイムかつ需要に依存した動的価格設定環境が実現され,グリッドコストが低減され,消費者の経済的利益が向上する。
  論文  参考訳（メタデータ） (2020-09-23T02:17:51Z)
• A Deep Reinforcement Learning Framework for Continuous Intraday Market Bidding [69.37299910149981]
  再生可能エネルギー源統合の成功の鍵となる要素は、エネルギー貯蔵の利用である。 欧州の継続的な日内市場におけるエネルギー貯蔵の戦略的関与をモデル化するための新しい枠組みを提案する。 本アルゴリズムの分散バージョンは, サンプル効率のため, この問題を解決するために選択される。 その結果, エージェントは, ベンチマーク戦略よりも平均的収益率の高い政策に収束することが示唆された。
  論文  参考訳（メタデータ） (2020-04-13T13:50:13Z)
• Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
  マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。 ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
  論文  参考訳（メタデータ） (2020-02-21T02:14:38Z)

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。