不確実性を考慮した知識トランスフォーマーを用いたマルチエージェント強化学習によるピアツーピアエネルギー取引

本論文は、不確実性を考慮した予測とマルチエージェント強化学習（MARL）を統合した、ペア・ツー・ペア（P2P）エネルギー取引のための新しい枠組みを提示する。これは現在の文献において重要な空白を埋めるものである。従来の研究では決定論的な予測に依存していたが、本研究で提案する方法は、知識変換器と不確実性（Knowledge Transformer with Uncertainty: KTU）と呼ばれる、異方性の確率的トランスフォーマーに基づく予測モデルを用いて、予測の不確実性を明確に定量化し、P2Pエネルギー取引における確率的な環境でのロバストな意思決定に不可欠である。KTUモデルはドメイン特有の特徴を活用し、各予測に対して信頼性のある確率的予測と信頼区間を提供するカスタム損失関数で訓練されている。これらの不確実性を考慮した予測をMARL枠組みに統合することで、エージェントはリスクと変動性を明確に理解しながら、取引戦略を最適化することが可能となる。実験結果によれば、不確実性を考慮した深層Qネットワーク（Deep Q-Network: DQN）は、P2P取引なしではエネルギー購入コストを最大で5.7％、P2P取引ありでは3.2％削減し、電力販売収入はそれぞれ6.4％と44.7％増加させた。また、ピーク時間における電網需要は、P2P取引なしでは38.8％、P2P取引ありでは45.6％削減されている。これらの改善は、P2P取引が有効な場合においてさらに顕著であり、これは、高度な予測技術と市場メカニズムとの協調性が、レジリエントで経済的に効率的なエネルギーコミュニティにおいて重要な役割を果たすことを示している。