Nash-MADDPG migliora del 61,6% il trading energetico V2V

Il framework Nash-MADDPG di nuova concezione impiega l'apprendimento per rinforzo multi-agente incorporando la Soluzione di Contrattazione di Nash nel Gradient Policy Deterministico Profondo Multi-Agente, facilitando lo scambio di energia veicolo-veicolo (V2V) tra veicoli elettrici (EV). Questo metodo promuove transazioni energetiche peer-to-peer decentralizzate, riducendo così la dipendenza dalla rete e consentendo la monetizzazione della capacità in eccesso. Una tariffazione bilaterale efficiente viene stabilita attraverso la contrattazione di Nash, e ricompense basate sulla prossimità al prezzo guidato da Nash orientano gli agenti verso strategie di contrattazione ottimali. Una valutazione su 30 giorni di funzionamento continuo rivela un miglioramento del 61,6% nel benessere sociale e un aumento del 62,9% nel volume di scambi rispetto all'Asta Doppia, garantendo al contempo una maggiore equità. Lo studio affronta le complessità del coordinamento di agenti EV auto-interessati con requisiti di ricarica variabili e programmi imprevedibili, risolvendo le carenze dell'ottimizzazione centralizzata e dell'equità nei metodi attuali.