[论文解读] Peer-to-Peer Energy Sharing: A New Business Model Towards a Low-Carbon Future

Yue Chen, Changhong Zhao|arXiv (Cornell University)|Aug 5, 2021

Smart Grid Energy Management参考文献 100被引用 4

一句话总结

本文提出了一种点对点（P2P）能源共享模式，作为一种变革性的商业模式，使能够发电和用电的产消者——即家庭用户——能够直接交易电力，从而提升电网效率并支持低碳未来。通过利用去中心化市场机制、智能合约以及隐私保护算法，该模式优化了能源交换，减少了对集中式储能的依赖，并在保护参与者隐私的同时实现接近社会最优的结果，解决了相互冲突的激励问题。

ABSTRACT

The development of distributed generation technology is endowing consumers the ability to produce energy and transforming them into "prosumers". This transformation shall improve energy efficiency and pave the way to a low-carbon future. However, it also exerts critical challenges on system operations, such as the wasted backups for volatile renewable generation and the difficulty to predict behavior of prosumers with conflicting interests and privacy concerns. An emerging business model to tackle these challenges is peer-to-peer energy sharing, whose concepts, structures, applications, models, and designs are thoroughly reviewed in this paper, with an outlook of future research to better realize its potentials.

研究动机与目标

• 分析点对点能源共享在结构、功能和经济基础方面的构成，以作为整合分布式能源资源（DERs）的可扩展解决方案。
• 识别并分类能够实现高效、隐私保护且激励相容的产消者间能源交易的商业模式、市场机制和设计原则。
• 解决由波动性可再生能源发电、产消者利益冲突以及信息不对称所引发的系统运行挑战。
• 探索多运营商市场、多能系统以及可再生能源预测中的决策依赖性不确定性等未来研究方向。

提出的方法

• 本文对能源共享、点对点交易、交易能源以及共享经济模型进行了全面的文献综述，整合了20多项关键研究的发现。
• 将能源共享系统划分为三种结构类型：集中式、分布式和去中心式，每种类型具有不同的控制与通信架构。
• 采用博弈论模型（如纳什均衡）和基于优化的方法（如ADMM、对偶分解）评估市场机制，以实现系统整体效率。
• 研究隐私保护技术，如共识算法和信息揭示机制，以确保在不暴露敏感数据的前提下实现真实报告。
• 对多种能源载体（如电力、氢气）之间的能量流动进行建模，并评估综合能源市场设计。
• 应用基于学习的方法，如深度强化学习和Q网络，以实现在动态环境中的自适应、实时能源共享。

实验结果

研究问题

• RQ1 如何构建点对点能源共享系统，以确保在产消者之间的去中心化能源交易中实现效率、可扩展性和隐私保护？
• RQ2 哪些市场机制能够在防止策略性行为和信息不对称的同时，将个体激励与社会福利相一致？
• RQ3 如何将多能系统（如电力、氢气）整合到统一的能源共享框架中，以提升系统的灵活性？
• RQ4 基于信用或非金融价值的体系在不依赖补贴的情况下，如何在长期内维持参与度？
• RQ5 在能源共享框架中，如何对决策依赖性不确定性（即系统决策影响可再生能源输出）进行建模与优化？

主要发现

• 点对点能源共享显著减少了对备用储能系统的依赖，通过产消者之间的直接、实时电力交换，最大限度减少了波动性可再生能源带来的浪费。
• 基于对偶分解和ADMM的去中心化市场机制，通过迭代式分布式计算，能够收敛至社会最优均衡，同时保护参与者隐私。
• 隐私保护的共识算法使得电动汽车与电网之间能够实现双向能量交换，而不会暴露敏感的负荷或发电数据。
• 基于学习的方法，如深度Q网络和多智能体强化学习，在微电网和零能耗社区环境中，通过适应动态的产消者行为，实现了较高的效用增益。
• 现有模型通常假设信息对称，但若缺乏激励机制设计，信息不对称可能导致市场失灵。
• 未来系统必须解决决策依赖性不确定性问题（即操作决策，如太阳能板角度，会影响可再生能源输出），因为该问题目前研究不足且计算复杂。