A Distributed-Decentralized Tri-Layer Game-Based Transactive Energy Framework Including Adaptive Proximal ADMM and Scale- Independent DRO
Notice bibliographique
Résumé
Transactive energy (TE) as a market-based mechanism provides a practical framework to fully manage and control local energy networks with a high penetration of distributed energy resources (DERs). However, the existing designed TE frameworks can rarely encourage prosumers to participate fairly owing to neglecting competition and cooperation. This paper proposes a tri-layer hybrid game-based TE framework, wherein the cooperation of prosumers to trade energy in a peer-to-peer (P2P) fashion is considered in the first layer using the Nash Bargaining Game (NBG) Theory. The competition among prosumers to trade with the most affordable aggregator is modeled at the second layer using the evolutionary game (EG). The third layer also models the competition among aggregators and the competition between aggregators and the cooperation of prosumers by developing a non-cooperative game. Besides, a scale-independent distributionally robust optimization (DRO) is developed based on the Wasserstein ambiguity set to allow prosumers to manage their uncertainty using all potential historical data while ensuring tractability. Finally, a new adaptive proximal alternative direction method of multipliers (ADMM) is introduced to develop a distributed-decentralized decision-making scheme for satisfying network constraints and energy trading in a P2P manner to accelerate the solution procedure and preserve privacy. The tests and implementations demonstrate that the proposed tri-layer TE framework lowered the overall costs for prosumers by 11 % and 2.85 % compared to the total costs in non-cooperative TE and cooperative TE, respectively.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».