Pricing and trading strategies in networked microgrid systems: A comprehensive review
Notice bibliographique
Résumé
As microgrids evolve from isolated systems into interconnected networks, pricing and trading strategies have emerged as the economic backbone of networked microgrid systems. These strategies are essential to enable energy self-sufficiency, facilitate energy exchanges within the network, and support scalable coordination. However, the development of effective trading approaches remains a complex and challenging task for researchers. To address these challenges, several studies have been proposed in the literature to overcome the complexities of trading in networked microgrids. This article presents a comprehensive comparative review of existing studies on pricing and trading strategies in networked microgrids. The reviewed methods are classified into five major categories: mathematical optimization techniques, market mechanisms, game-theoretic approaches, reinforcement learning methods, and blockchain-based models. Each category is examined in terms of its technical foundations and the application of the respective strategy within networked microgrids. Furthermore, four key evaluation criteria—fairness, privacy, scalability, and computational efficiency—are identified to facilitate a detailed comparative analysis of the studies within each category. This review highlights the strengths and trade-offs of each approach based on these criteria. Finally, the article highlights real-world pilot projects that demonstrate the practical viability of each categorized approach, while also outlining key research gaps that hinder broader implementation of pricing and trading strategies in networked microgrid systems. • Reviews pricing and trading strategies in networked microgrid systems. • Classifies approaches into MO, market, GT, RL, and blockchain-based models. • Compares approaches using fairness, privacy, scalability, and efficiency criteria. • Identifies research gaps and opportunities for practical market implementation.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».