論文の概要: Scalable Fairness Shaping with LLM-Guided Multi-Agent Reinforcement Learning for Peer-to-Peer Electricity Markets

• arxiv url: http://arxiv.org/abs/2508.18610v1
• Date: Tue, 26 Aug 2025 02:25:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-27 17:42:38.64292
• Title: Scalable Fairness Shaping with LLM-Guided Multi-Agent Reinforcement Learning for Peer-to-Peer Electricity Markets
• Title（参考訳）: LLM-Guided Multi-Agent Reinforcement Learning を用いたピアツーピア電力市場のためのスケーラブルフェアネス整形
• Authors: Shrenik Jadhav, Birva Sevak, Srijita Das, Akhtar Hussain, Wencong Su, Van-Hai Bui,
• Abstract要約: ピアツーピア(P2P)エネルギー取引は現代の流通システムの中心となっている。 フェアネスを考慮したマルチエージェント強化学習フレームワークであるFairMarket-RLを提案する。 この枠組みは、取引所を地元のP2P取引にシフトさせ、グリッドのみの調達に対する消費者コストを下げ、参加者間の強い公正性を維持し、実用性を維持する。
• 参考スコア（独自算出の注目度）: 3.7321070110102075
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Peer-to-peer (P2P) energy trading is becoming central to modern distribution systems as rooftop PV and home energy management systems become pervasive, yet most existing market and reinforcement learning designs emphasize efficiency or private profit and offer little real-time guidance to ensure equitable outcomes under uncertainty. To address this gap, a fairness-aware multiagent reinforcement learning framework, FairMarket-RL, is proposed in which a large language model (LLM) critic shapes bidding policies within a continuous double auction under partial observability and discrete price-quantity actions. After each trading slot, the LLM returns normalized fairness scores Fairness-to-Grid (FTG), Fairness-Between-Sellers (FBS), and Fairness-of-Pricing (FPP) that are integrated into the reward via ramped coefficients and tunable scaling, so that fairness guidance complements, rather than overwhelms, economic incentives. The environment models realistic residential load and PV profiles and enforce hard constraints on prices, physical feasibility, and policy-update stability. Across a progression of experiments from a small pilot to a larger simulated community and a mixed-asset real-world dataset, the framework shifts exchanges toward local P2P trades, lowers consumer costs relative to grid-only procurement, sustains strong fairness across participants, and preserves utility viability. Sensitivity analyses over solar availability and aggregate demand further indicate robust performance, suggesting a scalable, LLM-guided pathway to decentralized electricity markets that are economically efficient, socially equitable, and technically sound.
• Abstract（参考訳）: 屋上PVと家庭用エネルギー管理システムが普及するにつれて、ピアツーピア(P2P)エネルギートレーディングは現代の流通システムの中心となりつつあるが、既存の市場や強化学習のデザインのほとんどは、効率性や私的利益を重視し、不確実性の下での公平な結果を確保するためのリアルタイムガイダンスをほとんど提供していない。 このギャップに対処するため、フェアネスを意識したマルチエージェント強化学習フレームワークであるFairMarket-RLが提案され、大きな言語モデル(LLM)評論家が、部分的可観測性と離散的な価格変動動作の下で、連続的な2倍オークション内で入札ポリシーを形作る。 各取引スロットの後、LLMは正常化された公正度スコア(FTG)、FBS(Fairness-Between-Sellers)、Fairness-of-Pricing(FPP)を返却する。 環境は現実的な住宅負荷とPVプロファイルをモデル化し、価格、物理的実現可能性、政策更新の安定性に厳しい制約を課している。 小規模なパイロットから、より大規模なシミュレーションされたコミュニティと混合された実世界のデータセットへの実験の進行の中で、このフレームワークは、交換を地元のP2P取引にシフトさせ、グリッドのみの調達に対する消費者コストを下げ、参加者間の強い公正性を維持し、実用性を維持する。 ソーラー・アベイラビリティと集約需要に対する感度分析は、より堅牢な性能を示し、経済的に効率的で社会的に公平で技術的に健全な分散型電力市場へのスケーラブルでLLM誘導の経路を示唆している。

関連論文リスト

• VAE-GAN Based Price Manipulation in Coordinated Local Energy Markets [3.498661956610689]
  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。
  論文  参考訳（メタデータ） (2025-07-26T07:38:27Z)
• An Explainable Equity-Aware P2P Energy Trading Framework for Socio-Economically Diverse Microgrid [0.0]
  本稿では、多目的混合整数線形プログラミング(MILP)、協調ゲーム理論、強化学習(RL)によって駆動される動的エクイティ調整機構を統合する新しいフレームワークを提案する。 この枠組みは、最大72.6%のピーク需要削減と、大きな協力的な利益を示す。
  論文  参考訳（メタデータ） (2025-07-24T18:38:51Z)
• FairMarket-RL: LLM-Guided Fairness Shaping for Multi-Agent Reinforcement Learning in Peer-to-Peer Markets [1.7284653203366598]
  本稿では,Large Language Models (LLMs) とReinforcement Learning (RL) を組み合わせた新しいフレームワークであるFairMarket-RLについて述べる。 複数の売り手や買い手によるシミュレーションされたP2Pマイクログリッドでは、LLMはリアルタイムフェアネス評論家として、Fairness-To-Buyer(FTB)とFairness-Between-Sellers(FBS)の2つの指標を使用して、各トレーディングエピソードを評価する。
  論文  参考訳（メタデータ） (2025-06-28T01:17:55Z)
• PA-CFL: Privacy-Adaptive Clustered Federated Learning for Transformer-Based Sales Forecasting on Heterogeneous Retail Data [47.745068077169954]
  フェデレートラーニング(FL)により、小売店はプライバシを維持しながら需要予測のためのモデルパラメータを共有できる。 異種小売データの需要予測に適したプライバシ適応クラスタ型フェデレートラーニング(PA-CFL)を提案する。
  論文  参考訳（メタデータ） (2025-03-15T18:07:54Z)
• 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)
• A Bargaining-based Approach for Feature Trading in Vertical Federated Learning [54.51890573369637]
  本稿では,垂直的フェデレートラーニング(VFL)において,経済的に効率的な取引を促進するための交渉型特徴取引手法を提案する。 当社のモデルでは,収益ベース最適化の目的を考慮し,パフォーマンスゲインベースの価格設定を取り入れている。
  論文  参考訳（メタデータ） (2024-02-23T10:21:07Z)
• 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)
• HireVAE: An Online and Adaptive Factor Model Based on Hierarchical and Regime-Switch VAE [113.47287249524008]
  オンラインで適応的な環境で株価予測を行うファクターモデルを構築することは、依然としてオープンな疑問である。 本稿では,オンラインおよび適応型要素モデルであるHireVAEを,市場状況とストックワイド潜在要因の関係を埋め込んだ階層型潜在空間として提案する。 4つの一般的な実市場ベンチマークにおいて、提案されたHireVAEは、以前の手法よりもアクティブリターンの点で優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2023-06-05T12:58:13Z)
• Monotonic Improvement Guarantees under Non-stationarity for Decentralized PPO [66.5384483339413]
  我々は,MARL(Multi-Agent Reinforcement Learning)における分散政策の最適化のための新しい単調改善保証を提案する。 本研究では,訓練中のエージェント数に基づいて,独立した比率を限定することにより,信頼領域の制約を原則的に効果的に実施可能であることを示す。
  論文  参考訳（メタデータ） (2022-01-31T20:39:48Z)
• 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)

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。