近年来,光伏、储能等分布式电源在用户侧广泛使用,传统被动的能源消费用户正转变为“产消用户”。端对端（Peer to Peer,P2P）电能交易,是解决光伏补贴问题,促进光伏消纳利用,降低用户用电成本并提高售电收益的有效途径。在市场参与度低、缺少第三方组织管理、信息不完整、优化问题难以分析的小规模分布式光伏用户群实现P2P交易决策方案的制定具有重要研究意义。强化学习是一种促进智能体在与环境交互过程中通过学习策略达成回报最大化的人工智能方法,在不进行优化计算和不充分了解市场机制的情况下,该方法非常适合处理小规模用户电能交易行为。因此本文基于上述背景,研究了基于强化学习的分布式光伏产消用户P2P电能交易决策,主要工作如下:（1）研究了分布式光伏产消用户的P2P电能交易模型。考虑用户侧资源特点,建立了P2P电能交易主体模型和用户侧设备资源模型;考虑小规模电能交易市场特点,建立了基于供需比的交易电价制定模型;考虑交易过程的物理网络约束,建立了P2P电能交易物理约束模型。（2）提出了单个配有储能产消用户静态场景下P2P电能交易的马尔可夫决策过程（Markov Decision Process,MDP）模型和离线强化学习求解算法。建立了包含状态空间、动作空间、奖励函数和状态转移率的MDP模型;对储能连续空间进行均匀离散采样,建立了适用于工程应用的离散MDP状态和动作空间;提出基于时序差分离线控制的UDBA-Q强化学习改进算法。（3）提出了多个配有储能产消用户动态场景下P2P电能交易的改进MDP模型和在线强化学习求解算法。针对多个配有储能产消用户场景,建立动态空间的MDP改进模型;提出基于时序差分在线控制的UDBA-SARSA改进强化学习方法;分析对比了两种算法的选取和应用特点。（4）基于区块链即服务平台,设计了针对用户侧本地运行、电能交易决策和用户结算信息的信息记录与保护流程与方案。并通过信息记录保护实例,实现了基于区块链技术的电能交易信息记录保护管理。