We consider a demand management problem of an energy community, in which several users obtain energy from an external organization such as an energy company, and pay for the energy according to pre-specified prices that consist of a time-dependent price per unit of energy, as well as a separate price for peak demand. Since users' utilities are private information which they may not be willing to share, a mediator, known as the planner, is introduced to help optimize the overall satisfaction of the community (total utility minus total payments) by mechanism design. A mechanism consists of message spaces, and a set of tax and allocation functions for each user. Once we implement the mechanism, each user reports a message chosen from her own message space, and then receives some amount of energy determined by the allocation function and pays the tax specified by the tax function. A desirable mechanism induces a game in which Nash equilibria (NE) provides an allocation that coincides with the optimal allocation for the community. As a starting point, we design a standard, "centralized" mechanism for the energy community with desirable properties such as full implementation, strong budget balance and individual rationality for both users and the planner. Then we extend this mechanism to the case of communities where message exchanges only happen among neighborhoods, and consequently, the tax and allocation functions of each user are only determined by the messages from her neighbors. All the properties designed for the centralized mechanism are preserved in the distributed mechanism. We also present a learning algorithm for the centralized mechanism.


翻译:我们考虑的是能源界的需求管理问题,在能源界中,一些用户从能源公司等外部组织获取能源,并按事先规定的价格支付能源,包括按单位能源按时间计价的价格,以及按峰值需求分别支付。由于用户公用设施是他们可能不愿意分享的私人信息,因此引入了一个称为规划员的调解人,以帮助通过机制设计优化社区的总体满意度(总使用量减去支付总额)。机制包括信息空间和每个用户的一套税收和分配职能。一旦我们实施机制,每个用户都报告从她自己的信息空间选定的信息,然后收到分配职能确定的一定数量的能源,并支付税收功能规定的税收。一个理想的机制引发一种游戏,让Nash equilibria (NENE) 提供与社区最佳分配相一致的分配。作为一个起点,我们为能源界设计了一个标准,“集中化”机制,其适当性质包括全面实施、强有力的预算平衡和个人合理性。此后,我们通过中央机制将用户和计划商的中央分配功能扩展到每个用户社区,然后我们只将中央机制的税收分配机制的范围扩大到每个社区。

0
下载
关闭预览

相关内容

专知会员服务
56+阅读 · 2021年4月12日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
计算机 | 国际会议信息5条
Call4Papers
3+阅读 · 2019年7月3日
CCF推荐 | 国际会议信息8条
Call4Papers
9+阅读 · 2019年5月23日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
【音乐】Attention
英语演讲视频每日一推
3+阅读 · 2017年8月22日
Arxiv
0+阅读 · 2021年5月14日
Arxiv
0+阅读 · 2021年5月13日
VIP会员
相关资讯
计算机 | 国际会议信息5条
Call4Papers
3+阅读 · 2019年7月3日
CCF推荐 | 国际会议信息8条
Call4Papers
9+阅读 · 2019年5月23日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
【音乐】Attention
英语演讲视频每日一推
3+阅读 · 2017年8月22日
Top
微信扫码咨询专知VIP会员