Real-time pricing strategy based on reinforcement learning with load uncertainty*

日本語

本論文は、スマートグリッドにおける負荷不確実性と炭素取引を考慮したリアルタイム価格設定モデルを提案し、需給双方の厚生を最大化する。Q学習アルゴリズムを用いて非凸非線形問題を解決し、再生可能エネルギー統合と「ダブルカーボン」目標に貢献する。シミュレーションにより有効性を検証している。

English

This paper proposes a real-time pricing model incorporating load uncertainty and carbon trading in smart grids, maximizing welfare for both supply and demand. Using Q-learning to handle non-convex nonlinear problems, it contributes to renewable integration and dual carbon goals. Simulations validate effectiveness.

日本のGX文脈において

日本では、再生可能エネルギー導入拡大に伴う需給調整やカーボンプライシング導入が課題であり、本モデルはスマートグリッドのリアルタイム価格設計に示唆を与える。SSBJ開示やカーボン取引制度設計にも関連する。

In the global GX context

Globally, this aligns with carbon pricing mechanisms and smart grid innovations, offering a reinforcement learning approach to integrate carbon trading into real-time pricing, relevant for energy transition and climate policy.