本文提出了一种基于博弈论（具体而言是斯塔克伯格博弈）的去中心化、隐私友好型的能源交易平台（PFET），通过同态加密方式加密买方、卖方的敏感信息，保护隐私，实现了竞争的市场，使价格和需求根据竞争情况决定，计算过程不依赖于可信第三方，并且通过隐私分析和性能评估展示 PFET有效保护了用户隐私。

Jan, 2022

本文介绍了如何在智能电网中引入区块链和人工智能来促进能源市场发展，并提到政策设计和潜在的区块链技术支持下的能源市场结构以及如何应用人工智能加强电力系统的运行监控和决策制定。

Feb, 2022

本文设计了一个自动化的P2P能源市场，通过应用展望理论模型用户客观感受和制定优化框架来最大化买家感知和满足需求与生产的匹配。提出基于微分进化的算法来交易能源，同时引入一种名为PQR的风险敏感Q学习算法来为卖家学习最优价格。实验结果表明我们的方法比最新技术的方法在买家感知价值方面达到26％的提高，为卖家产生7％的额外利益。

Aug, 2022

该研究介绍了一种基于强化学习框架的价格优化方法，以帮助解决分布式可再生能源和能源消费带来的价格不确定性问题，实现点对点微电网的实际部署。实验结果表明：该框架可灵活应对微电网各个组成部分的利益，对消费者和多余发电者的数量比例也有所考虑，并且能够在不同的电池容量情况下实现系统的利润最大化。

Oct, 2022

本文提出了基于Stackelberg博弈理论的框架模型，实现需求响应汇集器和生产者之间的灵活双向能源套利，同时确保满足生产者的每日能源需求，基于在线采样学习的生产者最优响应提供了近似均衡及其质量界限，通过真实世界数据演示了所提出的框架和在线可伸缩方案的有效性。

Apr, 2023

为了实现所需的碳排放减少，整合可再生能源发电和加快点对点能源交易的采用至关重要，尤其对于耗能大的农业如奶牛养殖。然而，整合可再生能源和点对点交易存在挑战。为了解决这个问题，我们提出了多智能体点对点奶牛养殖能源模拟器 (MAPDES)，使奶牛养殖场能够参与点对点市场。我们的策略能够将电力成本和峰值需求分别降低约30%和24%，同时与无点对点交易的基准情景相比，能将能源销售量增加37%。这证明了我们方法的有效性。

Aug, 2023

使用区块链技术和人工智能，该研究论文介绍了一种先进的去中心化能源市场（DEM），用于管理具有能量存储系统的智能家居之间的能量交换，通过使用非同质化代币（NFTs）在透明和安全的交易环境中表示独特能源配置文件。该系统利用联邦深度强化学习（FDRL）促进协作和自适应能源管理策略，保护用户隐私。一个显著的创新是使用智能合约，确保能源交易的高效性和完整性。广泛的评估证明了该系统的可扩展性以及FDRL方法在优化能源分配中的有效性。该研究对于开发复杂的去中心化智能电网基础设施具有重要贡献。我们的方法拓宽了可持续能源系统中区块链和人工智能应用的潜力，并解决了传统能源交易机制中的激励一致性和透明度挑战。本文的实现可在https://github.com/RasoulNik/DEM 上公开访问。

Nov, 2023

使用多智能体强化学习(MARL)框架，通过特定的供需比例P2P结算机制，自动化处理消费者的太阳能光伏和能源储存资源的竞价和管理，以及实现电压控制，确保P2P能源交易的物理可行性，并为实际应用铺平道路。

Jan, 2024

该研究通过训练一组深度强化学习智能体来自动化参与ALEX社区能源市场，揭示了账单减少与减少净负荷变动之间的明确关联。在使用开源数据集评估净负荷变动的影响时，代理与多个基准进行了比较，显示出有前景的性能水平，接近近似最优动态规划基准。

Apr, 2024

农场企业正在采用可再生能源来提高能源效率，减少对化石燃料和电网的依赖。为了解决农场社区的动态性所带来的挑战，开发了多代理点对点奶牛场能源模拟器（MAPDES），提供了一个实验强化学习技术的平台。模拟结果显示，与缺乏点对点能源交易或可再生能源的基准方案相比，MAPDES实现了显著的成本节约，包括电费减少43%、峰值需求减少42%和能源销售增加1.91%。

May, 2024