image
Home Journals Electric Power
Electric Power

Abbreviation (ISO4): Electric Power      Chairperson: Changyu OUYANG

About  /  Aim & scope  /  Editorial board  /  Indexed  /  Contact  / 
Online first  /  Current issue  /  All issues  /  Top access  /  RSS

Electric Power >

2026 , Vol. 59 >Issue 8: 163 - 178

DOI: https://doi.org/10.11930/j.issn.1004-9649.202606065

Original article

Review and prospect of P2P energy trading market mechanism and strategy optimization

  • Jiehui ZHENG , 1 ,
  • Zhiyan XU , 1 ,
  • Zhigang LI 3 ,
  • Yuanzheng LI 2 ,
  • Wenhu TANG , 1 ,
  • Zhaoxia JING 1
Expand
  • 1 School of Electric Power Engineering， South China University of Technology， Guangzhou 510641， China
  • 2 School of Artificial Intelligence and Automation， Huazhong University of Science and Technology， Wuhan 430074， China
  • 3 School of Science and Engineering， The Chinese University of Hong Kong（Shenzhen）， Shenzhen 518172， China

Received date: 2026-06-17

  Revised date: 2026-07-10

  Online published: 2026-09-03

Supported by

National Natural Science Foundation of China（No.52477097），and Guangdong Basic and Applied Basic Research Foundation(2024A1515240034)

Fold

Abstract

Peer-to-peer（P2P）energy trading can encourage prosumers to carry out local energy trading，and guide user- side resources including distributed energy resources（DERs）， energy storage，electric vehicles（EVs）and flexible loads to participate in supply-demand balancing through market-based price signals，thereby boosting the local consumption rate of renewable energy.To accurately identify the core research priorities of P2P energy trading，this paper first elaborates its system architecture，operational logic and basic characteristics. Second，it reviews the existing market mechanisms and their applicable scenarios from the perspectives of market organization models，pricing，market clearing and settlement mechanisms.Third，it summarizes state-of-the-art research on strategy optimization approaches for P2P energy trading， covering mathematical optimization，game theory，distributed optimization，reinforcement learning and other methodologies. Finally，the paper outlines future development directions of P2P energy trading targeting critical challenges such as physical constraints of distribution networks，large-scale agent coor- dination，privacy protection，trusted trading and engineering demonstrations.The work is expected to provide references for market-oriented trading of user-side distributed resources and the operation of new distribution systems.

Key words： peer-to-peer energy trading; distributed energy resources; market mechanism; strategy optimization; engineering demonstration

Cite this article

Jiehui ZHENG , Zhiyan XU , Zhigang LI , Yuanzheng LI , Wenhu TANG , Zhaoxia JING . Review and prospect of P2P energy trading market mechanism and strategy optimization[J]. Electric Power, 2026 , 59(8) : 163 -178 . DOI: 10.11930/j.issn.1004-9649.202606065

0 引言

在＂双碳＂目标和新型电力系统建设背景下，随着分布式光伏、分散式储能、电动汽车以及柔性负荷等用户侧资源快速增长，电力系统运行形态正由传统的大电源集中供能模式加速向源网荷储协同互动模式演进。尤其是在配电网侧，越来越多用户已不再是单纯的电能消费者，而逐步转变为兼具发电、用电和调节能力的＂产消者＂。这一变化使得用户侧具备了参与局部能量协调、灵活性交易和市场互动的现实基础，也对传统以＂用户-电网＂单向购售电为主的交易模式提出了挑战  [1-3] 。
在传统零售售电模式下，分布式能源用户主要按照固定电价或分时电价从电网购电，富余电量则依据上网电价或补偿机制回售给电网，该模式具有交易边界清晰、结算方式简单、便于电网统一调度等优点，但用户侧资源的市场参与程度相对有限，难以充分体现分布式能源、储能、电动汽车和柔性负荷在局部供需平衡、削峰填谷和可再生能源消纳中的调节价值。随着用户侧分布式资源规模不断扩大，配电网内源荷互动关系逐渐增强，传统依赖电网统一购售和集中结算的方式，在价格引导、灵活性激励和多主体协调方面逐渐表现出一定局限  [4-6] 。在此条件下，点对点（peer-to-peer，P2P）能源交易为用户侧分布式资源参与局部市场提供了新的组织方式。该模式以产消者之间的能量交换为基础，通过交易平台或分布式协调机制完成报价、撮合与结算，使用户能够根据自身发用电状态和用能偏好参与能量交易。由于其兼具局部资源互补、用户自主决策和市场化激励等特点，P2P 能源交易已成为新型电力系统中用户侧能源管理与市场机制设计的重要研究内容  [7-8] 。
P2P 能源交易的核心价值并不局限于＂用户之间直接买卖电能＂这一表层形式，更重要的是其为分布式资源的本地消纳、用户侧灵活性价值释放以及局部自治型能源系统构建提供了新的机制基础。一方面，P2P 交易能够提高分布式可再生能源在本地范围内的消纳比例，降低用户综合用能成本，并增强产消者主动参与调节和交易的积极性；另一方面，其通过引入价格信号和市场激励，可促进储能、可控负荷、电动汽车等灵活性资源参与局部能量平衡和削峰填谷，从而为缓解配电网运行压力、提高系统经济性和灵活性提供新的技术路径  [8-12] 。因此，P2P 能源交易不仅是传统售电模式的补充，更是连接用户侧多元资源、市场机制与局部调度优化的重要纽带。
近年来，围绕 P2P 能源交易，国内外学者已从市场架构、定价机制、出清方式、分布式协调以及区块链支撑等方面开展了大量研究，并形成了较为丰富的方法体系  [13-16] 。从市场设计角度看，为适应不同场景下的交易撮合和价格形成需求，现有研究提出了双边拍卖、连续双边拍卖、中间市场费率、供需动态定价以及协商博弈定价等多种机制；从策略优化角度看，研究方法也由鲁棒优化、博弈论和分布式优化，逐步扩展到强化学习等方向。其中，多智能体强化学习方法为处理 P2P 交易中的多主体耦合、动态不确定性和实时决策问题提供了新的思路  [17-22] 。
从研究演进过程看，P2P 能源交易的关键问题正在由早期＂能否建立点对点交易关系＂逐步转向＂如何形成合理的市场机制＂和＂如何实现高效的策略优化＂两个核心层面。前者决定了交易如何组织、价格如何形成、买卖双方如何匹配以及平台与配电网运营方如何协同；后者则决定了在多主体参与、源荷不确定、设备约束和实时运行条件下，市场主体如何制定交易与能量管理策略，以及系统如何在隐私保护、计算效率和物理可行性之间取得平衡  [23-26] 。可以说，市场机制是 P2P 能源交易得以运行的制度基础，策略优化则是 P2P 能源交易实现高效配置与动态决策的技术核心，这两者共同决定了 P2P 能源交易能否从理论研究进一步走向工程落地。
与已有侧重区块链支撑技术、社区能源市场总体架构或可交易能源宏观框架的综述不同  [27-28] ，本文更关注 P2P 能源交易从机制设计到工程执行之间的连续逻辑。具体而言，本文以＂市场机制-策略优化-配电网物理执行-工程应用＂为主线，首先辨析 P2P 能源交易与能源共享、社区能源市场、可交易能源和本地灵活性市场等相关概念的关系，进而分析不同市场组织模式、定价出清机制与策略优化方法之间的匹配关系，并进一步讨论交易结果在配电网中的物理可执行性、隐私保护、可信结算和示范应用问题。通过这一关联视角，本文从市场规则、优化方法、物理执行和工程示范4个层面系统梳理 P2P 能源交易的研究进展与应用瓶颈。

1 P2P 能源交易

1.1 P2P 能源交易的系统架构与运行逻辑

P2P 能源交易通常是指在配电网、社区微网、园区能源系统或本地能源市场范围内，具备发电、用电、储能或负荷调节能力的市场主体，依托交易平台、智能计量和信息通信系统，按照一定市场规则开展电能或灵活性资源交易的模式  [29-30] 。传统零售售电模式虽然具有管理边界清晰、组织方式简单等优点，但由于用户侧分布式能源多以固定电价或上网电价进行结算，局部可再生能源消纳和用户侧灵活性资源价值难以充分体现。P2P 能源交易试图突破这一局限，使具备发用电能力的主体能够在局部范围内直接或通过平台撮合交易，并以动态市场化价格完成结算  [31-32] 。
需要指出的是，P2P 能源交易与能源共享、社区能源市场、可交易能源和本地灵活性市场等概念既有联系，也存在边界差异。能源共享更强调分布式资源在一定用户群体内的协同利用，其交易属性可以较弱，既可通过价格机制实现，也可通过分摊、补偿或统一管理实现。社区能源市场通常以社区、园区或微网为地理边界，市场主体可能包括产消者、消费者、聚合商和社区运营商，P2P 交易是其中一种重要组织方式。可交易能源强调能源资源、灵活性和需求响应能力的市场化配置，其范围更宽，既包括 P2P 交易，也包括聚合商交易、虚拟电厂交易和配电侧灵活性服务。本地灵活性市场则更关注分布式资源向配电网运营方提供拥塞管理、电压支撑或需求响应服务，并不一定要求用户之间直接开展电能交易。相比之下，本文所讨论的 P2P 能源交易主要指在配电网、社区微网或园区范围内，产消者之间直接或经由平台开展电能及相关灵活性资源交易的市场组织形式。
从系统架构看，P2P 能源交易通常包括资源层、主体层、平台层、网络层和结算层。资源层包括分布式光伏、风电、储能、电动汽车和柔性负荷等可交易或可调节资源；主体层包括产消者、消费者、聚合商、售电公司和社区运营商等；平台层承担信息收集、报价管理、交易撮合、出清计算和结算记录等功能；网络层由配电网、微网或园区能源网络构成，负责承载实际能量传输；结算层则根据交易结果、计量数据和费用规则完成资金清算  [5-6,8,29-31] 。
从运行流程看，P2P 能源交易一般经历＂状态感知—预测决策—交易申报—市场出清—能量调度—计量结算-反馈修正＂等环节。市场主体首先根据分布式发电预测、负荷需求、储能荷电状态和用能偏好形成可交易电量或用电需求；随后依据价格预期和交易规则提交报价、报量或调节意愿；交易平台或分布式协调机制完成交易匹配与出清；最后，各主体根据出清结果执行储能充放电、柔性负荷调节和购售电计划，并由计量系统完成结算反馈  [8,30-34] 。
P2P 能源交易系统架构如图1所示，P2P 能源交易表现为能量流、信息流和资金流的耦合。能量流体现为分布式电源、储能、负荷和配电网之间的实际功率交换；信息流体现为用户状态、预测结果、报价信息、出清结果和调度指令之间的交互；资金流体现为购售电费用、灵活性补偿、网络使用费和平台服务费等经济关系。 3 类流动共同决定 P2P 能源交易的运行效果，也使其不同于单纯的电价设计问题，而成为市场组织、主体决策和网络运行耦合的综合问题  [5-6,8] 。
图1 P2P 能源交易系统架构

Fig. 1 P2P energy trading system architecture

1.2 P2P 能源交易的基本特征与关键问题

与传统售电模式相比，P2P 能源交易的核心特征主要体现在以下几个方面（见表1）：1）市场主体由被动消费者转向主动产消者。传统模式下，用户主要根据既定电价被动购电，分布式能源余量通常按照固定机制处理；而在 P2P 交易中，用户可根据自身发用电预测、设备状态和收益目标主动制定交易与调度策略  [29,35] 。2）能量供需由单向购售电转向双向互动。在不同时间段，产消者可根据发用电状态在买方与卖方身份之间转换，既可出售冗余电量，也可购买电能或灵活性服务。储能、电动汽车和柔性负荷的接入进一步增强了能量供需双向互动特征，使用户侧资源成为局部供需平衡的重要调节单元  [32,35] 。3）价格形成由统一零售价格转向局部供需驱动。P2P 交易价格可通过中间市场费率、双边协商、双边拍卖、连续双边拍卖或动态定价等机制形成，能够更直接地反映局部供需关系和灵活性资源价值  [15,30,33-34] 。
表1 P2P能源交易与传统售电模式比较

Table 1 Comparison of P2P energy trading and tradition-al power sales modes

比较维度 传统售电模式 P2P能源交易模式
主体角色 用户以电能消费者为主 用户可作为产消者主动参与交易
交易关系 以＂用户-电网＂购售电为主 以产消者之间局部能量交易为主
价格形成 固定电价、分时电价或上网电价 拍卖、动态定价、协商博亦等市场化机制
资源利用 用户侧资源参与调节程度有限 分布式能源、储能和柔性负荷可参与供需平衡
运行要求 计量结算简单，便于统一管理 须考虑信息交互、隐私保护和配电网物理约束
与此同时，P2P 能源交易并不是完全脱离电网的自由交易。多数 P2P 交易仍依托公共配电网完成能量传输，其交易结果会影响局部潮流分布、节点电压、线路负载和网络损耗。因此，P2P 能源交易具有明显的＂经济交易—物理网络＂耦合特征。如果市场出清仅追求交易成本最低或用户收益最大，而忽略配电网运行约束，可能导致交易结果在物理层面不可执行  [36] 。此外，高效交易通常需要依赖用户负荷曲线、分布式发电预测、储能状态和报价策略等信息，而上述数据又往往涉及用户隐私和商业敏感信息，因此如何在信息共享、隐私保护和协同效率之间取得平衡，成为 P2P 能源交易面临的重要问题  [20,26,31,37] 。
综上，P2P 能源交易的研究重点正在由＂能否建立用户间交易关系＂转向＂如何设计合理的市场机制＂和＂如何实现高效的策略优化＂。前者关注交易如何组织、价格如何形成、买卖双方如何匹配以及收益如何分配；后者关注市场主体如何在可再生能源出力不确定、负荷波动、储能约束、价格变化和多主体交互条件下制定交易与能量管理策略。基于此，后文将分别从市场机制和策略优化方法2个层面展开综述，并进一步分析其在物理可行性、协同效率、隐私保护和工程落地方面仍需突破的关键问题。

2 P2P 能源交易的市场机制

2.1 市场组织模式

P2P 能源交易市场机制主要通过组织模式、定价规则和出清方法的设计，实现用户侧分布式资源的局部消纳和灵活性价值释放。不同于传统电力市场自上而下的集中交易结构，P2P 能源交易多发生在配电网、社区微网或园区能源系统等局部范围内，市场主体数量多、容量小、位置分散，且用能偏好和风险承受能力存在差异。因此，市场组织模式需要在主体自治、系统协调和网络安全之间取得平衡。
现有 P2P 能源交易市场组织模式主要包括集中式、分布式和聚合式 3 类。集中式市场由社区运营商、聚合商或交易平台统一收集用户供需信息，并完成交易撮合、市场出清和收益分配。该模式便于纳入全局目标和配电网约束，但对用户侧负荷、分布式出力、储能状态和报价偏好等信息依赖较强，存在隐私泄露、计算负担和单点故障风险。相比之下，分布式市场更强调主体自治和局部协同，文献[38]计及多微网灵活性，提出端对端分散式交易策略，用于实现多微网间能量互济和灵活性资源协调。
分布式市场强调产消者之间的自治交易和对等协商。文献[39]基于一致性算法构建多微电网点对点分布式能量交易策略，使各微电网通过局部信息交互实现能量交易协调；文献[40]面向多虚拟电厂交易场景，提出改进拜占庭容错算法的共识机制，用于提升多主体交易过程中的共识效率和可信性。该类模式减少了对中心平台的依赖，有利于隐私保护和市场扩展，但由于缺少统一协调，各主体追求自身利益最大化可能导致整体效率下降，并增加交易收敛和网络安全校核难度。
聚合式市场则通过聚合商、社区运营商或虚拟电厂等中间主体整合小规模用户资源，在用户侧内部实现局部协调，并以聚合形式参与 P2P 交易或上级市场。文献[41]将主动配电网运行管理与 P2P 交易相结合，用于协调用户侧交易行为与配电网运行需求，体现了 P2P 市场机制与配电网运行协同的研究方向。该模式兼具集中协调和分散自治的部分优势，能够降低中小用户直接参与交易的门槛，但仍需要解决聚合商收益分配、用户参与激励和责任边界等问题。
如图2所示，集中式模式侧重全局优化，分布式模式侧重主体自治，聚合式模式侧重资源整合与分层协调，三者并无绝对优劣，其适用性主要取决于用户规模、通信条件、隐私要求和配电网运行约束等因素，未来 P2P 市场更可能形成集中协调、分布自治和聚合管理相结合的混合型架构。
图2 P2P 能源交易市场组织模式

Fig. 2 P2P energy trading market organizational modes

2.2 定价、出清与结算机制

定价、出清与结算机制决定了 P2P 交易价格如何形成、买卖双方如何匹配以及交易收益如何分配，是 P2P 能源交易市场机制的核心。现有研究主要从中间市场费率、拍卖机制、动态定价、博弈协商和网络约束定价等方面展开。
中间市场费率是一类较为简单的定价机制，通常将交易价格设定在用户购电价格和上网电价之间，使卖方获得高于上网电价的收益，买方获得低于零售电价的购电成本。该机制结构清晰、易于实施，适用于小规模社区或初级 P2P 交易场景，但其价格形成较为粗略，难以反映主体异质性、局部供需状态和网络约束。
拍卖机制是 P2P 交易中应用较多的价格发现方式。其中双边拍卖允许买方和卖方同时报价，并通过供需曲线或撮合规则确定成交价格和电量；连续双边拍卖则允许市场主体在交易周期内持续更新报价，因而更适用于日内或实时交易场景。文献[42]提出社区微网 P2P 能源交易的迭代统一价格拍卖机制，用于确定统一交易价格并实现产消者之间的能量分配；文献[43]采用连续双边拍卖机制开展热电 P2P 交易，用于协调不同时段柔性资源计划和交易决策。拍卖机制具有较强的价格发现能力，但在大规模场景下可能面临报价频繁、撮合复杂和通信负担较高等问题。
动态定价机制通常根据局部供需比、可再生能源出力、负荷需求、储能状态等因素调整交易价格，能够较直观地反映局部能源稀缺程度和灵活性资源价值。文献[44]提出面向微网去中心化能源交易的动态定价方法，通过价格响应模型协调分布式资源交易和储能运行决策。该类机制较适用于日内和实时交易场景，但价格波动、用户接受度和收益公平性仍需进一步考虑。
博弈与协商定价机制主要用于刻画多主体利益冲突和策略互动，文献[45]建立了基于博弈论的能源社区 P2P 交易协调策略，用于分析产消者之间的交易行为及其均衡结果；文献[46]结合鲁棒优化和纳什议价方法构建 P2P 能源交易定价模型，以处理不确定性和交易收益协调问题。该类方法适合分析主体竞争、合作和收益分摊，但结果往往依赖理性假设、信息结构和均衡求解条件。
随着 P2P 交易逐步从经济可行性研究走向工程落地，考虑网络约束的定价与出清机制受到关注。文献[47]在保持主体独立性的前提下，将配电网运行约束纳入 P2P 能源交易模型，以提高交易结果的物理可行性；文献[48]提出基于网络安全出入口功率限制的产消者中心 P2P 交易框架，用于约束用户交易行为对配电网安全运行的影响；文献[49]设计考虑网损、交易费用分配和公平性的主动配电网去中心化 P2P 能源市场，以反映交易行为对网络运行成本和收益分配的影响。此类方法有助于提升交易结果的物理可行性，但会增加模型复杂度和计算压力。
除价格和出清外，结算机制也是 P2P 交易持续运行的重要环节。P2P 结算不仅包括买卖双方的电能费用，还可能涉及平台服务费、网络使用费、损耗分摊、偏差考核和灵活性补偿等内容。文献[50]构建了基于区块链技术的 P2P 能源交易去中心化平台，用于支持交易信息记录、市场出清和交易过程管理，提高交易过程的透明性和可信性。总体而言，定价、出清和结算机制需要在经济效率、公平性、实时性、隐私性和物理可行性之间进行综合权衡。具体的 P2P 能源交易定价、出清与结算机制如图3所示。
图3 P2P 能源交易定价、出清与结算机制框架

Fig. 3 Framework of P2P energy trading pricing，clearing，and settlement mechanisms

2.3 市场机制比较

市场组织模式与定价出清机制是 P2P 能源交易市场设计中的 2 个不同维度。前者主要回答＂交易由谁组织、信息由谁汇集、协调主体如何设置＂的问题，包括集中式、分布式和聚合式模式；后者主要回答＂价格如何形成、买卖双方如何匹配、交易收益如何分配＂的问题，包括中间市场费率、拍卖机制、动态定价、博弈协商定价和网络约束定价等。二者并非一一对应关系，而是需要根据用户规模、信息条件、通信能力、隐私要求和配电网运行约束进行组合设计。
表2和表3分别对 P2P 能源交易的市场组织模式和定价出清机制进行了比较。总体来看，P2P 能源交易市场机制设计需要在市场效率、公平性、主体自治、隐私保护和物理可行性之间进行权衡。未来更可行的发展方向是形成＂集中协调、分布自治、聚合管理＂相结合的混合型市场架构，即在用户侧保留一定的自主交易权，在平台或聚合层完成必要的协调和结算，并通过配电网运营方或相关主体进行网络约束校核，从而推动 P2P 能源交易由机制设计走向工程应用。
从市场组织模式看，集中式模式便于统一撮合、集中出清和配电网安全校核，适合用户规模较小、平台具备较强信息处理能力的场景，但其对用户负荷、分布式出力、储能状态和报价信息依赖较强，存在隐私泄露和单点故障风险。分布式模式更强调产消者自治和局部信息交互，能够降低对中心平台的依赖，有利于隐私保护和市场扩展，但在全局效率、收敛稳定性和网络安全校核方面存在不足。聚合式模式通过聚合商、虚拟电厂或社区运营商整合小规模资源，可降低用户参与门槛，并便于与上级市场或配电网运营方衔接，但仍需明确收益分配、调度责任和用户参与激励。
表2 P2P 能源交易市场组织模式比较

Table 2 Comparison of P2P energy trading market or-ganizational modes

组织模式 主要特征 优势 局限
集中式 平台统一撮合与出清 便于全局优化和安全校核 信息依赖强，隐私风险较高
分布式 产消者自治交易 隐私保护较好，扩展性较强 全局效率和收敛性不足
聚合式 聚合商整合小规模资源 降低参与门槛，便于分层协调 收益分配和责任边界不清
表3 P2P能源交易定价与出清机制比较

Table 3 Comparison of P2P energy trading pricing and clearing mechanisms

定价机制 价格形成或出清方式 优势 局限
中间市场费率 价格介于购电价和上网电价之间 规则简单，易于实施 难以反映局部供需变化
拍卖机制 买卖双方报价撮合 价格发现能力
价格发现能力较强较强		 交易和通信成
交易和通信成本较高本较高
动态定价机制 根据供需状态调整价格 反映实时供需变化 价格稳定性和公平性不足
博弈协商机制 刻画主体利益互动 适合收益分配与策略分析 理性假设强，求解复杂
网络约束定价 纳入潮流、电压和网损等约束 提高物理可行性 对参数和计算能力要求较高
从定价出清机制看，中间市场费率规则简单、易于实施，适用于小规模社区或初级 P2P 交易场景，但难以反映局部供需变化和主体差异。拍卖机制具有较强的价格发现能力，其中连续双边拍卖更适合日内或实时交易，但对报价更新、通信和撮合效率要求较高。动态定价能够根据供需状态调整交易价格，适合可再生能源出力和负荷波动较明显的场景，但价格稳定性和公平性仍需进一步考虑。博弈协商定价适合分析主体之间的竞争、合作和收益分配，但对理性假设和均衡求解条件依赖较强。网络约束定价能够将潮流、电压、网损和线路容量等因素纳入市场出清，有助于提高交易结果的物理可行性，但会增加模型复杂度和计算压力。
不同组织模式与定价出清机制之间具有一定匹配关系。集中式模式更适合统一价格拍卖、集中出清和网络约束定价，便于平台统一优化和安全校核；分布式模式更适合双边协商、连续双边拍卖和共识定价，有利于体现主体自治和隐私保护；聚合式模式则更适合动态定价、分层出清和聚合商代理交易，可在用户自治和系统协调之间形成折中。实际应用中，P2P 能源交易通常不会单独采用某一种机制，而是根据交易规模、运行阶段和监管要求形成组合式设计。

3 P2P 能源交易的策略优化方法

P2P 能源交易的市场机制为交易组织、价格形成和收益结算提供规则基础，策略优化方法则用于支撑市场主体在既定规则下制定购售电、报价、储能充放电和柔性负荷调节策略；不同于传统集中式调度，P2P 能源交易中的决策主体更分散、资源类型更复杂，可再生能源出力、负荷需求、电价变化和用户行为均存在较强不确定性，因此相关研究围绕数学优化、博弈与分布式优化、强化学习等多类策略优化方法展开探索（见表4）。

3.1 数学优化方法

数学优化方法是 P2P 能源交易策略优化中应用较早、研究较为成熟的一类方法。该类方法通常将交易电量、购售电功率、储能充放电功率、柔性负荷响应量等作为决策变量，以用户成本最小、交易收益最大、社会福利最大或可再生能源消纳最大为目标，建立线性规划、混合整数规划、二次规划、双层优化、随机优化或鲁棒优化模型  [51-57] 。其优势在于模型结构清晰、约束表达能力强，便于显式刻画功率平衡、储能荷电状态、用户舒适度以及配电网运行约束等条件。
在确定性优化方面，文献[51]构建含共享储能的 P2P 能源交易市场模型，并将交易价格、储能容量分配和购售电策略等问题转化为混合整数线性规划求解，以降低用户侧综合用能成本；文献[52]面向净零能源社区开展 P2P 交易优化，考虑氢储能和电池车辆等储能资源参与能量管理，以提升社区内部能源协同利用能力；文献[53]将P2P 能源交易嵌入智能配电网分散式运行优化，以协调交易决策与配电网运行。此类方法通常适用于预测信息相对明确、交易规模适中、模型边界较清晰的场景。
表4 P2P能源交易策略优化方法比较

Table 4 Comparison of P2P energy trading strategy optimization methods

方法类型 主要特点 适用性与约束处理能力 主要局限
确定性优化 基于明确模型和预测数据建立优化问题 适用于日前或日内计划；可显式处理功率平衡、储能和配电网约束 对预测精度和模型完整性依赖较强
随机/鲁棒优化 通过场景集、概率分布或不确定集刻画不确定性 适用于新能源、负荷和电价波动较强的场景；可扩展加入网络约束 计算复杂度较高，鲁棒优化结果可能偏保守
双层/多层优化 描述平台、聚合商和用户之间的层级决策 适用于价格制定、用户响应和分层协调；可刻画市场与网络耦合 模型复杂，求解难度较高
博弈论方法 刻画多主体竞争、合作和收益分配关系 适用于主体利益冲突和均衡分析；网络约束可嵌人但难度较大 依赖理性假设，均衡求解和唯一性难保证
分布式优化 将整体问题分解为多个主体子问题协同求解 适用于主体分散和隐私要求较高的场景；可通过协调变量处理耦合约束 收敛效果受通信条件、问题凸性和参数设置影响
强化学习 通过环境交互学习交易和能量管理策略 适用于模型不完备和动态决策场景；执行阶段计算速度较快 依赖训练数据和仿真环境，安全约束嵌人较困难
多智能体强化学习 刻画多个产消者或聚合主体的策略交互 适用于大规模、多主体实时交易；可结合联邦学习或安全层提升隐私与约束处理能力 训练稳定性、样本效率、可解释性和工程验证不足
由于分布式光伏、风电、负荷以及电动汽车接入行为具有明显随机性，部分研究进一步采用随机优化和鲁棒优化方法处理不确定性，其中，文献[54]采用随机多目标优化方法，在考虑用户偏好的基础上处理 P2P 电力交易中的不确定性；文献[55]基于数据驱动分布鲁棒优化方法构建 P2P能源交易模型，通过不确定性模糊集刻画可再生能源出力波动，并提高交易策略的鲁棒性。相比之下，随机优化能够较细致地刻画不同不确定场景，但场景数量增加会提高计算复杂度；鲁棒优化对概率分布依赖较弱，但所得策略通常偏保守。
在层级决策场景中，双层优化和多层优化也被用于描述平台、聚合商、配电网运营方与产消者之间的互动关系。文献[56]构建双层 P2P 能源共享定价模型，用于刻画上层价格形成与下层用户响应之间的耦合关系；文献[57]提出考虑网络重构和网络使用费的分层P2P能源市场框架，将市场交易与配电网运行状态相结合。
综合来看，数学优化方法的优势在于模型结构清晰、约束表达能力强，适用于日前或日内交易计划、储能调度和网络约束出清等问题。当系统模型较完整、预测误差可控且交易规模适中时，线性规划、混合整数规划和双层优化能够给出可解释性较强的决策结果。其不足在于对预测数据、参数模型和场景假设依赖较强，在用户数量增加、可再生能源波动增强和实时交互频繁的条件下，模型规模和计算复杂度会迅速增加。随机优化和鲁棒优化虽然能够处理不确定性，但前者受场景数量影响较大，后者容易产生偏保守策略。

3.2 博亦与分布式优化方法

P2P 能源交易强调市场主体的分散自治，不同产消者、聚合商和社区运营方往往具有独立收益目标和策略偏好。为刻画多主体之间的竞争、合作和层级互动关系，博弈论方法被广泛用于P2P 交易策略研究。现有研究主要包括非合作博弈、联盟形成博亦、主从博亦和不完全理性博亦等类型  [58-61] 。
非合作博亦主要用于描述产消者之间的竞争交易行为。文献[58]面向局域能源市场中的多虚拟电厂交易问题，构建基于有限理性的动态博弈模型，用于分析不同交易目标下市场主体的策略互动和交易行为。该类方法能够刻画主体之间的竞争关系和动态决策过程，但通常依赖用户行为假设、信息结构和均衡求解条件。联盟形成博弈则更关注多主体合作交易及收益分配问题，文献[59]建立 P2P 能源交易联盟形成博弈框架，用于分析用户联盟形成、交易匹配和合作收益分配过程。考虑到实际交易中用户决策能力和信息掌握程度存在差异，文献[60]进一步研究不完全理性条件下的嵌套 P2P 交易和隐私保护问题，说明用户行为假设、信息共享程度和隐私约束会影响市场协调效果。
主从博亦适合描述聚合商、平台和用户之间的层级决策关系。文献[61]构建基于 Stackelberg博弈的 P2P 能源交易市场模型，将价格制定和用户能量管理相结合，用于刻画交易平台或价格制定方与产消者之间的互动过程。此类方法能够反映实际市场中＂价格制定-用户响应＂的层级决策特征，但在多领导者、多跟随者和强耦合网络约束下，均衡求解难度较高，且对价格响应模型和用户理性假设较为敏感。
除博弈论外，分布式优化方法也常用于 P2P能源交易策略优化。其基本思路是将整体交易问题分解为多个主体子问题，并通过局部信息交互实现协同求解，从而降低对中心化信息的依赖并增强隐私保护能力。文献[62]面向具有时空约束的实时 P2P 能源交易问题，提出在线分布式优化方法，通过局部信息交互实现多主体交易协调，并兼顾实时交易中的约束耦合和信息分散特征。文献[63]构建基于交替方向乘子法的完全去中心化 P2P 可交易能源框架，用于激活需求侧灵活性市场并实现多主体分布式交易协调。文献[64]进一步考虑分布式 P2P 能源管理中的拜占庭异常问题，提出具备鲁棒性的分布式协调方法，以提高分布式交易在异常信息或恶意行为下的可靠性。
与数学优化方法相比，博亦论和分布式优化更强调主体自治和隐私保护。博亦论方法适合分析产消者之间的竞争、合作和收益分配关系，能够解释市场主体在不同价格和信息条件下的策略互动；但其结果通常依赖理性假设、信息结构和均衡存在性，在复杂网络约束下求解难度较高。分布式优化方法通过局部信息交互实现协同决策，能够降低中心平台的信息需求，更适合隐私要求较高和主体分散的场景；但其收敛速度、通信负担和全局最优性容易受到问题凸性、参数设置和用户动态接入或退出的影响。

3.3 强化学习方法

随着 P2P 能源交易逐渐呈现多主体交互、动态不确定和实时决策等特征，基于模型驱动的优化方法在适应复杂环境方面存在一定局限。强化学习方法通过智能体与环境交互学习决策策略，不依赖完全精确的系统模型，因而逐渐被引入P2P 交易、微网能量管理、动态报价和多主体协同决策等场景  [65-67] 。
与单主体能量管理问题相比，P2P 能源交易更强调多个产消者之间的策略互动和实时协调，因此现有研究更多采用多智能体强化学习方法刻画多主体交易决策。文献[65]将多智能体深度强化学习用于互联多能微网 P2P 能源交易与能量转换决策；文献[66]面向双边拍卖市场构建多智能体强化学习框架，用于实现 P2P 交易自动化决策；文献[67]提出多集群深度强化学习方法，以提升大规模 P2P 能源交易的协调管理能力。
多智能体强化学习进一步将每个产消者、聚合商或微网视为独立智能体，使其在交易过程中自主学习报价、购售电和能量管理策略。文献[68]采用多智能体深度确定性策略梯度算法研究考虑配电网约束的 P2P 能源交易，用于协调智能体交易策略与网络运行约束；文献[69]面向能源社区 P2P交易优化问题构建多智能体深度强化学习方法，用于提升多主体交易决策的自适应能力。与传统优化方法相比，该类方法更适用于环境动态变化和主体交互复杂的交易场景，但训练稳定性、样本效率和策略安全性仍需要进一步提高。
针对多主体交互增强带来的训练不稳定、策略协同困难和隐私保护问题，部分研究进一步从交易一致性、网络化协同和联邦学习等方向改进多智能体强化学习方法。文献[70]面向互联多能微网 P2P 能源交易问题，引人交易一致性约束，并采用多智能体深度强化学习方法提升多主体交易决策的协调性；文献[71]提出面向光伏和储能P2P 交易的网络化多智能体强化学习方法，用于学习用户侧资源的报价与储能管理策略，并将配电网物理约束纳入策略学习过程；文献[72]采用联邦强化学习方法处理智能建筑 P2P 能源与碳配额联合交易，使各主体在不直接共享原始数据的条件下完成策略学习。
强化学习方法的主要优势在于能够通过环境交互学习交易策略，适合处理模型不完备、价格动态变化和多主体行为耦合较强的场景。尤其是多智能体强化学习能够将不同产消者、聚合商或微网建模为独立智能体，从而刻画报价、购售电和储能调度之间的动态互动。然而，该类方法对训练数据和仿真环境依赖较强，存在样本效率低、训练不稳定、策略可解释性弱和安全约束嵌入困难等问题。对于实际配电网应用，强化学习策略不能仅以交易收益或成本降低为评价目标，还需要同时满足电压、潮流、容量和异常场景下的运行安全要求。

4 P2P 能源交易的研究展望

现有研究已围绕 P2P 能源交易的市场机制和策略优化方法形成较为丰富的方法体系，内容涵盖市场组织、定价出清、分布式协调、博弈优化和强化学习决策等方面，但从理论模型和仿真验证走向工程应用，仍需要进一步解决物理可行性、大规模协同、隐私保护和制度衔接等问题，未来研究重点也应由单纯追求交易收益和算法性能，逐步转向经济性、电网友好性、可信性和可部署性的综合提升。

4.1 面向物理可行性的市场机制

P2P 能源交易的初衷在于通过局部市场激励促进分布式能源消纳和用户侧灵活性资源利用，但其交易结果最终仍需要依托配电网完成实际能量传输。因此，未来市场机制设计不能只关注成交价格、交易电量和用户收益，还应进一步考虑交易行为对节点电压、线路潮流、网络损耗和设备容量约束的影响  [47-49] 。若市场出清仅以经济性为目标，而缺乏必要的网络安全校核，可能导致交易结果在经济层面成立，却在物理层面难以执行。
未来 P2P 能源交易市场机制应从＂经济出清＂逐步转向＂经济-物理协同出清＂。一方面，可将潮流约束、电压约束、线路容量约束、网损约束和三相不平衡等因素嵌入市场出清模型，使交易结果在形成阶段即满足配电网安全运行要求。另一方面，也可通过网络使用费、损耗分摊、阻塞费用、配电网节点边际价格等经济信号，将交易行为对网络运行造成的影响反馈给市场主体  [49] 。这不仅有助于提高 P2P 交易结果的可执行性，也有助于引导用户选择更有利于配电网运行的交易对象和交易时段。
此外，配电网运营方在 P2P 能源交易中的角色仍需要进一步明确，多数 P2P 交易并非完全脱离公共电网的自由交易，安全校核、电压管理、阻塞管理、供电可靠性保障和网络服务定价等职责仍与配电网运营方密切相关，因此未来需要建立交易平台、聚合商、用户和配电网运营方之间的协同机制，明确网络约束发布、交易安全校核、偏差处理和责任划分等流程，使市场交易与配电网运行控制形成闭环，推动 P2P 能源交易由经济可行进一步走向工程可行。

4.2 面向大规模主体的协同优化方法

随着分布式光伏、储能、电动汽车和柔性负荷等用户侧资源规模扩大，P2P 能源交易中的多主体协同问题将更加突出，大量产消者同时参与交易会显著增加交易撮合、策略优化、信息通信和结算处理的复杂度；传统集中式优化方法便于统一协调，但在大规模场景下容易面临计算压力和隐私风险，分布式优化方法更符合主体自治特征，但其收敛效率和鲁棒性也会受到通信条件、用户动态接入退出和参数设置等因素影响  [62-64] 。
未来策略优化方法应更加重视分层协调和轻量化决策，可通过社区、微网、园区、聚合商或虚拟电厂等中间层级对分散用户资源进行聚合管理，形成＂用户-聚合商-市场平台-配电网运营方＂的分层协同框架，以降低交易主体数量和优化维度；同时，面向在线运行的快速优化方法也需要进一步发展，在保证可行性和安全性的前提下降低计算负担，提高日内和实时交易场景下的响应能力  [43,63,67] 。
对于强化学习等智能决策方法，未来研究不宜仅关注奖励提升或成本降低，还需要进一步提高样本效率、训练稳定性和安全约束嵌入能力；在多智能体强化学习场景下，主体数量增加会加剧环境非平稳性，使训练收玫和策略解释更加困难，因此均值场方法、参数共享、分层强化学习、联邦强化学习和安全强化学习等方向仍需深入探索  [22,67,71-72] 。同时，预测、优化和学习方法也有必要进一步融合，形成面向 P2P 能源交易的＂预测-交易-调度＂一体化决策框架。

4.3 面向隐私保护与可信交易的支撑技术

P2P 能源交易具有强信息依赖特征。高效的市场出清和策略优化往往需要获取用户负荷曲线、分布式发电预测、储能状态、报价策略和用能偏好等数据，但这些数据同时涉及用户隐私和商业敏感信息。因此，如何在减少私有信息暴露的同时实现有效交易，是 P2P 能源交易走向实际应用必须解决的问题  [26] 。
未来研究应发展低信息依赖的市场机制和优化方法，在市场机制层面，可通过局部信息交互、匿名报价、聚合信息发布和隐私保护型出清机制，减少中心平台对用户完整私有数据的依赖；在优化方法层面，可结合区块链平台、隐私保护型交易策略和分布式协同优化方法，使各主体在减少原始数据暴露的条件下完成交易决策和协同优化  [26,50] 。这类方法有助于缓解隐私保护与协同效率之间的矛盾，但通信成本、计算开销和精度损失仍需要进一步评估。
区块链和智能合约也为 P2P 能源交易的可信结算提供了技术路径。通过分布式账本，可实现交易记录可追溯、难篡改和多方共享；通过智能合约，可自动执行交易规则、结算流程和违约处理，从而降低交易信任成本  [31] 。但区块链技术在P2P 能源交易中的应用仍需要避免＂概念化叠加＂。其交易吞吐量、响应速度、隐私保护能力、监管接口和能源消耗等问题，都会影响其工程适用性。未来可信交易支撑技术应从单纯记录交易，进一步拓展到身份认证、异常交易识别、信用评价、自动结算和监管协同等环节。

4.4 面向工程落地的制度与示范应用

P2P 能源交易的工程落地不能仅依赖交易模型和优化算法，还需要在真实用户、实际配电网、计量结算和监管规则下进行验证。现有示范项目主要围绕社区光伏共享、区块链结算、灵活性资源聚合和本地市场平台开展，但总体仍处于试点探索阶段，商业闭环和规模化推广能力仍有待完善  [73] 。
为进一步说明 P2P 能源交易在实际场景中的应用路径，图4展示了 Quartierstrom  [74] 、RENeW Nexus  [75] 、Piclo  [76] 和 sonnenCommunity  [77] 等典型项目。瑞士 Quartierstrom 项目在瓦伦施塔特开展本地电力市场试验，支持社区用户通过区块链平台交易本地光伏电量。该项目验证了社区级 P2P 交易的技术可行性，也提示后续示范需要进一步关
图4 P2P 能源交易及其拓展应用工程示范

Fig. 4 P2P Energy trading and its extended applicationengineering demonstration

注用户持续参与、平台运营、本地价格设计和通信条件等问题  [78] 。澳大利亚 RENeW Nexus 项目依托 Power Ledger 平台开展光伏余电 P2P 交易试点，说明区块链平台能够为多主体交易提供记录和结算支撑，但其规模化推广仍需要结合监管接口、数据隐私和配电网运行规则进一步完善  [79] 。英国Piclo 最初探索基于智能电表数据的本地能源匹配交易，后逐步发展为连接分布式资源与网络运营商的灵活性市场平台，说明 P2P 交易的长期价值不应局限于用户之间的电量交易，还可进一步拓展至需求响应、拥塞管理和灵活性服务等场景  [76] 。德国 sonnenCommunity 则体现了户用光伏—储能—虚拟电厂的工程路径，通过聚合用户侧储能资源形成可调资源池，为 P2P 交易与用户侧资源聚合、电网服务协同提供了实践参考  [80] 。
需要说明的是，上述项目并不完全属于同一类型的严格 P2P 电能交易示范。其中，Quartierstrom和 RENeW Nexus 更接近社区用户之间的本地电能交易试点；Piclo 更强调分布式资源与网络运营商之间的本地灵活性服务交易，体现了 P2P 交易机制向配电侧灵活性市场的拓展；sonnenCommunity则主要体现户用光伏、储能和虚拟电厂聚合应用，为用户侧资源聚合参与电力市场和电网服务提供参考。因此，图4将其作为 P2P 能源交易及其拓展应用场景进行归纳，而不将其全部等同于狭义的用户间直接电能交易。
综上，P2P 能源交易工程应用应从小规模交易可行性验证转向市场机制、网络运行、可信结算和商业模式的综合验证。未来应重点完善：1）建立适应高频、小额、多主体交易的计量结算机制；2）明确配电网运营方、交易平台、聚合商和用户之间的权责边界；3）将网络使用费、损耗分摊、阻塞管理和灵活性补偿纳人交易规则；4）结合社区、园区、虚拟电厂和电动汽车充电网络等场景开展长期示范。
只有形成技术可行、规则清晰、收益合理和监管可控的闭环体系，P2P 能源交易才具备持续推广的基础。

5 结语

P2P 能源交易可通过市场化价格信号激励用户侧资源参与局部能量交易与供需平衡，促进分布式可再生能源本地消纳和灵活性资源价值释放，是用户侧分布式资源参与市场化交易和局部供需平衡的重要组织形式。结合现有研究进展，可以得到以下结论。
1）P2P 能源交易的核心价值不只是实现产消者之间的直接电能买卖，更在于通过局部价格信号激活分布式光伏、储能、电动汽车和柔性负荷等用户侧资源，使其从被动用能单元转变为可参与交易和调节的主动主体。
2）市场机制设计决定了P2P能源交易能否有效运行。集中式、分布式和聚合式组织模式分别适用于不同规模、信息条件和隐私要求的场景；中间市场费率、拍卖机制、动态定价、博弈协商和网络约束定价等方法也各有适用边界。实际应用中，单一机制难以同时兼顾效率、公平、隐私和安全，混合型市场架构更具发展潜力。
3）策略优化方法需要与交易场景和运行阶段相匹配。数学优化方法适合模型明确、约束清晰的日前或日内计划；博弈与分布式优化方法更适合刻画多主体利益互动和隐私保护需求；强化学习，尤其是多智能体强化学习，适合处理动态不确定和实时决策问题，但其训练稳定性、样本效率、可解释性和安全约束嵌入能力仍需提升。
4）P2P 能源交易不能停留在经济撮合层面。由于交易结果最终需要通过配电网执行，未来市场出清和策略优化必须进一步纳入潮流、电压、线路容量、网损和三相不平衡等物理约束，推动交易机制由＂经济最优＂向＂经济-物理协同可行＂转变。
5）隐私保护、可信结算和制度衔接是 P2P 能源交易工程落地的关键条件。高效交易依赖用户负荷、分布式出力、储能状态和报价策略等信息，但这些数据具有隐私和商业敏感性。因此，后续研究需要在低信息依赖出清、分布式协同优化、区块链可信结算和监管接口设计等方面形成可实施方案。
6）P2P 能源交易的未来发展应从仿真验证转向长期示范和商业闭环验证。只有进一步明确交易平台、聚合商、用户和配电网运营方之间的权责边界，并将网络使用费、损耗分摊、阻塞管理和灵活性补偿等机制纳人交易规则，P2P 能源交易才能从理论模型走向可持续推广的工程应用。
整体来看，P2P 能源交易未来研究不应仅追求交易收益提升或算法性能改进，而应更加重视市场规则、优化决策、配电网安全校核、可信结算和工程运营之间的协同关系。这样才能支撑用户侧分布式资源在新型电力系统中发挥更稳定、更可验证的调节价值。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
国家发展改革委,国家能源局.关于完善能源绿色低碳转型体制机制和政策措施的意见:发改能源〔2022〕206号[Z]. 2022.

[2]
国家发展改革委,国家能源局.关于加快建设全国统一电力市场体系的指导意见:发改体改〔2022〕118号[Z]. 2022.

[3]
晏鸣宇, 王玲玲, 滕飞, 等. 面向分布式能源的可交易能源市场研究综述与展望[J]. 电力系统自动化, 2023, 47(18):33-48.

YAN Mingyu, WANG Lingling, TENG Fei, et al. Review and prospect of transactive energy market for distributed energy resources[J]. Automation of Electric Power Systems, 2023, 47(18): 33-48.

[4]
冯昌森, 谢方锐, 胡嘉骅, 等. 配电系统中点对点电力交易市场设计与出清方法[J]. 电力系统自动化, 2022, 46(9):11-20.

FENG Changsen, XIE Fangrui, HU Jiahua, et al. Market design and clearing method for peer-to-peer power trading in distribution system[J]. Automation of Electric Power Systems, 2022, 46(9): 11-20.

[5]
ZHOU Y, WU J Z, LONG C, et al. State-of-the-art analysis and perspectives for peer-to-peer energy trading[J]. Engineering, 2020, 6(7):739-753.

[6]
王鲁浩, 张淑芳, 张凯, 等. 计及 P2P 电力交易不确定性的微网群区间联盟形成博弈[J]. 电力系统保护与控制, 2025, 53(18): 109-119.

WANG Luhao, ZHANG Shufang, ZHANG Kai, et al. Interval coalition formation game for microgrid clusters considering P2P power trading uncertainty[J]. Power System Protection and Control, 2025, 53(18):109-119.

[7]
高红均, 张凡, 刘俊勇, 等. 考虑多产消者差异化特征的社区微网系统 P2P 交易机制设计[J]. 中国电机工程学报, 2022, 42(4): 1455-1470.

GAO Hongjun, ZHANG Fan, LIU Junyong, et al. Design of P2P transaction mechanism considering differentiation characteristics of multiple prosumers in community microgrid system[J]. Proceedings of the CSEE, 2022, 42(4):1455-1470.

[8]
荆江平, 李晨, 孙勇, 等. 基于点对点交易与储能循环寿命约束的多微网综合能源系统能量共享优化[J]. 电力信息与通信技术, 2024, 22(9):8-17.

JING Jiangping, LI Chen, SUN Yong, et al. Optimization of energy sharing in multi-microgrid integrated energy systems based on peer-to-peer trading and energy storage cycle life constraints[J]. Electric Power Information and Communication Technology, 2024, 22(9):8-17.

[9]
MORSTYN T, FARRELL N, DARBY S J, et al. Using peer-to-peer energy-trading platforms to incentivize prosumers to form federated power plants[J]. Nature Energy, 2018, 3(2):94-101.

[10]
ZHANG C H, WU J Z, ZHOU Y, et al. Peer-to-peer energy trading in a microgrid[J]. Applied Energy, 2018, 220(C):1-12.

[11]
周玮, 党伟, 芝昕雨, 等. 基于灵活性资源调节和网络重构的P2P 交易的阻塞管理方法[J]. 电力系统保护与控制, 2024, 52(20):83-93.

ZHOU Wei, DANG Wei, ZHI Xinyu, et al. A congestion management approach for P2P transactions based on flexible resource regulation and network reconfiguration[J]. Power System Protection and Control, 2024, 52(20):83-93.

[12]
周任军, 彭鑫, 黄婧杰, 等. 考虑供需关系电价及其时段划分的点对点电能交易方法[J]. 电力科学与技术学报, 2025, 40(6):271-280.

ZHOU Renjun, PENG Xin, HUANG Jingjie, et al. Peer-to-peer electricity trading method considering supply-demand relationship tariffs and tariff time period division[J]. Journal of Electric Power Science and Technology, 2025, 40(6):271-280.

[13]
SORIN E, BOBO L, PINSON P. Consensus-based approach to peer-to-peer electricity markets with product differentiation[J]. IEEE Transactions on Power Systems, 2019, 34(2):994-1004.

[14]
MORSTYN T, TEYTELBOYM A, MCCULLOCH M D. Bilateral contract networks for peer-to-peer energy trading[J]. IEEE Transactions on Smart Grid, 2019, 10(2):2026-2035.

[15]
KIM H J, CHUNG Y S, KIM S J, et al. Pricing mechanisms for peer-to-peer energy trading:Towards an integrated understanding of energy and network service pricing mechanisms[J]. Renewable and Sustainable Energy Reviews, 2023, 183: 113435.

[16]
李刚, 赵琳颖, 关雪, 等. 基于博弈策略的能源区块链安全交易机制[J]. 电力建设, 2021, 42(12):127-135.

LI Gang, ZHAO Linying, GUAN Xue, et al. Security transaction mechanism of energy blockchain applying game strategy[J]. Electric Power Construction, 2021, 42(12):127-135.

[17]
PAUDEL A, CHAUDHARI K, LONG C, et al. Peer-to-peer energy trading in a prosumer-based community microgrid:a game-theoretic model[J]. IEEE Transactions on Industrial Electronics, 2019, 66(8): 6087-6097.

[18]
WEI C, SHEN Z Z, XIAO D L, et al. An optimal scheduling strategy for peer-to-peer trading in interconnected microgrids based on RO and Nash bargaining[J]. Applied Energy, 2021, 295: 117024.

[19]
KHORASANY M, MISHRA Y, LEDWICH G. A decentralized bilateral energy trading system for peer-to-peer electricity markets[J]. IEEE Transactions on Industrial Electronics, 2020, 67(6):4646-4657.

[20]
YE Y J, TANG Y, WANG H Y, et al. A scalable privacy-preserving multi-agent deep reinforcement learning approach for large-scale peer-to-peer transactive energy trading[J]. IEEE Transactions on Smart Grid, 2021, 12(6):5185-5200.

[21]
ZHENG J H, LIANG Z T, LI Y Z, et al. Multi-agent reinforcement learning with privacy preservation for continuous double auction-based P2P energy trading[J]. IEEE Transactions on Industrial Informatics, 2024, 20(4):6582-6590.

[22]
QIU D W, WANG J H, DONG Z H, et al. Mean-field multi-agent reinforcement learning for peer-to-peer multi-energy trading[J]. IEEE Transactions on Power Systems, 2023, 38(5):4853-4866.

[23]
GUERRERO J, CHAPMAN A C, VERBIČ G. Decentralized P2P energy trading under network constraints in a low-voltage network[J]. IEEE Transactions on Smart Grid, 2019, 10(5):5163-5173.

[24]
PAUDEL A, SAMPATH L P M I, YANG J W, et al. Peer-to-peer energy trading in smart grid considering power losses and network fees[J]. IEEE Transactions on Smart Grid, 2020, 11(6):4727-4737.

[25]
YAN M Y, SHAHIDEHPOUR M, PAASO A, et al. Distribution network-constrained optimization of peer-to-peer transactive energy trading among multi-microgrids[J]. IEEE Transactions on Smart Grid, 2021, 12(2):1033-1047.

[26]
WANG B B, XU L, WANG J L. A privacy-preserving trading strategy for blockchain-based P2P electricity transactions[J]. Applied Energy, 2023, 335( C).

[27]
WANG S, TAHA A F, WANG J H, et al. Energy crowdsourcing and peer-to-peer energy trading in blockchain-enabled smart grids[J]. IEEE Transactions on Systems,Man,and Cybernetics:Systems, 2019, 49(8):1612-1623.

[28]
SOUSA T, SOARES T, PINSON P, et al. Peer-to-peer and community-based markets:a comprehensive review[J]. Renewable and Sustainable Energy Reviews, 2019, 104:367-378.

[29]
MEHDINEJAD M, SHAYANFAR H, MOHAMMADI-IVATLOO B. Peer-to-peer decentralized energy trading framework for retailers and prosumers[J]. Applied Energy, 2022, 308: 118310.

[30]
HUANG C Y, ZHANG M Z, WANG C M, et al. An interactive two-stage retail electricity market for microgrids with peer-to-peer flexibility trading[J]. Applied Energy, 2022, 320: 119085.

[31]
单俊嘉, 董子明, 胡俊杰, 等. 基于区块链技术的产消者 P2P 电能智能交易合约[J]. 电网技术, 2021, 45(10):3830-3839.

SHAN Junjia, DONG Ziming, HU Junjie, et al. P2P smart power trading contract based on blockchain technology[J]. Power System Technology, 2021, 45(10):3830-3839.

[32]
刘峰伟, 陈佳佳, 赵艳雷, 等. 端对端交易模式下基于移动储能共享的配电系统韧性提升[J]. 电力系统自动化, 2022, 46(16):151-159.

LIU Fengwei, CHEN Jiajia, ZHAO Yanlei, et al. Resilience enhancement for distribution system based on mobile energy storage sharing in peer-to-peer transaction mode[J]. Automation of Electric Power Systems, 2022, 46(16):151-159.

[33]
于娣, 胡健, 张晓杰, 等. 电力 P2P 交易中的双轮竞价博亦模型[J]. 电力建设, 2023, 44(7):21-32.

YU Di, HU Jian, ZHANG Xiaojie, et al. Double-round bidding game model for P2P electricity transactions[J]. Electric Power Construction, 2023, 44(7):21-32.

[34]
何帅, 刘念, 张泽坤, 等. 基于集合竞价拍卖的大规模多微网能量共享方法[J]. 电力建设, 2023, 44(8):128-141.

HE Shuai, LIU Nian, ZHANG Zekun, et al. Call auction mechanism-based energy sharing method for many multiple microgrids[J]. Electric Power Construction, 2023, 44(8):128-141.

[35]
伍宇铜, 刘洋, 许立雄, 等. 储能辅助下基于多重博亦的社区光伏用户电能交易模型[J]. 电力建设, 2024, 45(7):167-178.

WU Yutong, LIU Yang, XU Lixiong, et al. Energy trading model for community photovoltaic users based on multi-game theory with energy storage support[J]. Electric Power Construction, 2024, 45(7): 167-178.

[36]
JIA Y B, WAN C, YU P, et al. Security constrained P2P energy trading in distribution network:an integrated transaction and operation model[J]. IEEE Transactions on Smart Grid, 2022, 13(6): 4773-4786.

[37]
张虹, 闫贺, 申鑫, 等. 面向能源社区能量管理的配网产消者分布式优化调度[J]. 中国电机工程学报, 2022, 42(12):4449-4459.

ZHANG Hong, YAN He, SHEN Xin, et al. Distributed optimal scheduling for prosumer in distribution network for energy community energy management[J]. Proceedings of the CSEE, 2022, 42(12):4449-4459.

[38]
皇甫霄文, 李科, 许长清, 等. 计及多微网灵活性的端对端分散式交易策略[J]. 中国电力, 2025, 58(9):194-204, 218.

HUANGFU Xiaowen, LI Ke, XU Changqing, et al. Decentralized peer-to-peer trading strategy considering flexibility of multiple microgrids[J]. Electric Power, 2025, 58(9):194-204, 218.

[39]
赵鹏杰, 吴俊勇, 林凯骏, 等. 基于一致性算法的多微电网点对点分布式能量交易策略[J]. 电网技术, 2023, 47(1):205-216.

ZHAO Pengjie, WU Junyong, LIN Kaijun, et al. Peer to peer distributed transactive energy strategy for multi-microgrid based on consistency algorithm[J]. Power System Technology, 2023, 47(1): 205-216.

[40]
张书涵, 艾芊, 李晓露, 等. 适用于多虚拟电厂交易的改进拜占庭容错算法共识机制[J]. 中国电力, 2024, 57(1):71-81, 157.

ZHANG Shuhan, AI Qian, LI Xiaolu, et al. Improved PBFT consensus mechanism for multi-virtual power plant transactions[J]. Electric Power, 2024, 57(1):71-81, 157.

[41]
RUAN H B, GAO H J, GOOI H B, et al. Active distribution network operation management integrated with P2P trading[J]. Applied Energy, 2022, 323: 119632.

[42]
XU S, ZHAO Y, LI Y Z, et al. An iterative uniform-price auction mechanism for peer-to-peer energy trading in a community microgrid[J]. Applied Energy, 2021, 298: 117088.

[43]
HUTTY T D, BROWN S. P2P trading of heat and power via a continuous double auction[J]. Applied Energy, 2024, 369: 123556.

[44]
LIU Y B, ZUO K Y, LIU X A, et al. Dynamic pricing for decentralized energy trading in micro-grids[J]. Applied Energy, 2018, 228:689-699.

[45]
LEE W P, HAN D J, WON D. Grid-oriented coordination strategy of prosumers using game-theoretic peer-to-peer trading framework in energy community[J]. Applied Energy, 2022, 326: 119980.

[46]
KHODOOMI M, SAHEBI H. Robust optimization and pricing of peer-to-peer energy trading considering battery storage[J]. Computers ＆Industrial Engineering, 2023, 179: 109210.

[47]
TARASHANDEH N, KARIMI A. Peer-to-peer energy trading under distribution network constraints with preserving independent nature of agents[J]. Applied Energy, 2024, 355: 122240.

[48]
HOQUE M M, KHORASANY M, AZIM M I, et al. A framework for prosumer-centric peer-to-peer energy trading using network-secure export-import limits[J]. Applied Energy, 2024, 361: 122906.

[49]
ZARE A, MEHDINEJAD M, ABEDI M. Designing a decentralized peer-to-peer energy market for an active distribution network considering loss and transaction fee allocation,and fairness[J]. Applied Energy, 2024, 358: 122527.

[50]
ESMAT A, DE VOS M, GHIASSI-FARROKHFAL Y, et al. A novel decentralized platform for peer-to-peer energy trading market with blockchain technology[J]. Applied Energy, 2021, 282( PA).

[51]
ZHENG B S, WEI W, CHEN Y, et al. A peer-to-peer energy trading market embedded with residential shared energy storage units[J]. Applied Energy, 2022, 308: 118400.

[52]
LIU J, YANG H X, ZHOU Y K. Peer-to-peer trading optimizations on net-zero energy communities with energy storage of hydrogen and battery vehicles[J]. Applied Energy, 2021, 302: 117578.

[53]
SAMPATH L P M I, PAUDEL A, NGUYEN H D, et al. Peer-to-peer energy trading enabled optimal decentralized operation of smart distribution grids[J]. IEEE Transactions on Smart Grid, 2022, 13(1): 654-666.

[54]
DUKOVSKA I, SLOOTWEG J G H, PATERAKIS N G. Introducing user preferences for peer-to-peer electricity trading through stochastic multi-objective optimization[J]. Applied Energy, 2023, 338( C).

[55]
ZHANG X H, GE S Y, LIU H, et al. Distributionally robust optimization for peer-to-peer energy trading considering data-driven ambiguity sets[J]. Applied Energy, 2023, 331: 120436.

[56]
SUN Z X, LI Z G, XUE Y X, et al. Price-function-free energy pricing in bilevel peer-to-peer energy markets considering network security[J]. Applied Energy, 2025, 391: 125864.

[57]
LI J K, GE S Y, LIU H, et al. Domestic P2P energy market design considering network reconfiguration and usage fees:bi-level nonlinear programming and exact clearing algorithm[J]. Applied Energy, 2024, 368: 123039.

[58]
GAO H J, ZHANG F, XIANG Y M, et al. Bounded rationality based multi-VPP trading in local energy markets:a dynamic game approach with different trading targets[J]. CSEE Journal of Power and Energy Systems, 2023, 9(1):221-234.

[59]
TUSHAR W, SAHA T K, YUEN C, et al. A coalition formation game framework for peer-to-peer energy trading[J]. Applied Energy, 2020, 261: 114436.

[60]
XIA Y X, XU Q S, HUANG Y, et al. Preserving privacy in nested peer-to-peer energy trading in networked microgrids considering incomplete rationality[J]. IEEE Transactions on Smart Grid, 2023, 14(1):606-622.

[61]
YU X J, PAN D, ZHOU Y K. A Stackelberg game-based peer-to- peer energy trading market with energy management and pricing mechanism:a case study in Guangzhou[J]. Solar Energy, 2024, 270:112388.

[62]
LIU J H, LONG Q F, LIU R P, et al. Online distributed optimization for spatio-temporally constrained real-time peer-to-peer energy trading[J]. Applied Energy, 2023, 331: 120216.

[63]
AMINLOU A, MOHAMMADI-IVATLOO B, ZARE K, et al. Activating demand side flexibility market in a fully decentralized P2P transactive energy trading framework using ADMM algorithm[J]. Sustainable Cities and Society, 2024, 100: 105021.

[64]
CHANG X Y, XU Y L, GUO Q L, et al. A Byzantine-resilient distributed peer-to-peer energy management approach[J]. IEEE Transactions on Smart Grid, 2023, 14(1):623-634.

[65]
CHEN T Y, BU S R, LIU X, et al. Peer-to-peer energy trading and energy conversion in interconnected multi-energy microgrids using multi-agent deep reinforcement learning[J]. IEEE Transactions on Smart Grid, 2022, 13(1):715-727.

[66]
QIU D W, WANG J H, WANG J K, et al. Multi-agent reinforcement learning for automated peer-to-peer energy trading in double-side auction market[C]// Proceedings of the Thirtieth International Joint Conference on Artificial Intelligence.Montreal,Canada.International Joint Conferences on Artificial Intelligence Organization, 2021: 2913-2920.

[67]
QIU D W, YE Y J, PAPADASKALOPOULOS D, et al. Scalable coordinated management of peer-to-peer energy trading:a multi- cluster deep reinforcement learning approach[J]. Applied Energy, 2021, 292: 116940.

[68]
SAMENDE C, CAO J, FAN Z. Multi-agent deep deterministic policy gradient algorithm for peer-to-peer energy trading considering distribution network constraints[J]. Applied Energy, 2022, 317: 119123.

[69]
PEREIRA H, GOMES L, VALE Z. Peer-to-peer energy trading optimization in energy communities using multi-agent deep reinforcement learning[J]. Energy Informatics, 2022, 5(4): 44.

[70]
CUI Y, XU Y, WANG Y J, et al. Peer-to-peer energy trading with energy trading consistency in interconnected multi-energy microgrids:a multi-agent deep reinforcement learning approach[J]. International Journal of Electrical Power＆Energy Systems, 2024, 156: 109753.

[71]
FENG C, LIU A L. Peer-to-peer energy trading of solar and energy storage:a networked multiagent reinforcement learning approach[J]. Applied Energy, 2025, 383: 125283.

[72]
QIU D W, XUE J X, ZHANG T Q, et al. Federated reinforcement learning for smart building joint peer-to-peer energy and carbon allowance trading[J]. Applied Energy, 2023, 333: 120526.

[73]
International Renewable Energy Agency. Peer-to-peer electricity trading:Innovation Landscape Brief[R/OL].Abu Dhabi: International Renewable Energy Agency,2020[2026-05-13].

[74]
Housing Evolutions by Housing Europe. Quartierstrom-P2P Prosumer Energy Village[EB/OL].[2026-06-10].

[75]
Synergy. Community Battery Storage Trials[EB/OL].[2026-06-10].

[76]
Piclo. The Independent Marketplace for Energy Flexibility[EB/OL]. [2026-06-10].

[77]
Sonnen. Aus Wildpoldsried hinaus in die Welt[EB/OL].(2024-03)[2026-06-10].

[78]
Quartierstrom. Field test successfully completed[EB/OL]. 2020-02-07[2026-05-13].

[79]
Synergy. RENeW Nexus Plan peer-to-peer energy trading trial[EB/ OL].[2026-05-13].

[80]
Sonnen. All about sonnenVPP: our virtual power plant[EB/OL]. [2026-05-13].

Options
Outlines

/

〈 〉