摘要
本文提出了一种新的框架，用于集成不确定性感知预测与多智能体强化学习（MARL）的点对点（P2P）能源交易，填补了当前文献中的一个关键空白。与以往依赖确定性预测的工作不同，本研究提出的方法采用了一种称为具有不确定性的知识变换器（Knowledge Transformer with Uncertainty, KTU）的异方差概率变换器预测模型，明确量化了预测不确定性，这对于在P2P能源交易的随机环境中进行稳健决策至关重要。KTU模型利用特定领域的特征，并通过自定义损失函数进行训练，以确保每个预测的可靠概率预报和置信区间。将这些不确定性感知的预测结果整合到MARL框架中，使智能体能够在充分了解风险和变化的情况下优化交易策略。实验结果显示，启用不确定性感知的深度Q网络（Deep Q-Network, DQN）在没有P2P交易的情况下可降低高达5.7%的购电成本，在有P2P交易的情况下可降低3.2%的购电成本；同时分别提高了6.4%和44.7%的售电收入。此外，在没有P2P交易的情况下，高峰时段电网需求降低了38.8%，而在有P2P交易的情况下则降低了45.6%。当启用P2P交易时，这些改进更为显著，突显了先进预测与市场机制之间的协同作用，有助于构建更具韧性和经济效率的能源社区。