考虑异构分布式能源资源（DERs）差异化目标的电力与碳市场联合用户自主决策机制

《IEEE Transactions on Network Science and Engineering》：Federated User Self-decision Mechanism for Coupled Electricity and Carbon Market considering Differentiated Objectives of Heterogeneous DERs

电力碳市场用户侧个性化目标与隐私保护机制研究提出多类型分布式能源资源交互模型及联邦学习算法，实现高效交易与隐私保护平衡。

　　

摘要：

在电力和碳（E&C）市场的配电层面，如何在确保模型可扩展性的同时实现用户端的个性化目标设定和隐私保护是一个极具挑战性的问题。本文提出了一种用户端的E&C市场机制，该机制能够适配各种异构的分布式能源资源（DERs），并通过用户端的自主决策和隐私保护程序来实现这些资源的个性化目标。具体而言，构建了多种异构DERs的传输与主动运行模型，包括鲜有研究的地铁交通系统、电动汽车充电站、光伏发电单元、碳排放单元以及负载聚合器。为了符合用户端的实际碳排放情况，还单独提出了六家高碳企业的直接碳排放模型。此外，本文提出了一种基于随机控制变量的个性化联邦学习算法（pFedScv），用于优化E&C市场机制。该算法结合了一种名为“加权双延迟深度确定性策略梯度演员-评论家网络”（weighted twin-delayed deep deterministic policy gradient actor-critic network）的强化学习算法。通过对真实世界数据集的案例研究表明，所提出的E&C市场机制能够在用户端交易成本与整体社会福利之间实现良好的平衡。与传统联邦学习算法相比，pFedScv算法在收敛性、稳定性以及计算性能方面表现更优。