一种基于图Lasso新方法在能源博弈论框架中的细分分析
机器学习
2022-11-22 v1 机器学习
摘要
能源博弈论框架通过利用人在回路策略，已成为大规模鼓励节能行为的一种成功策略。多年来已提出若干此类框架，将节能过程表述为具有针对节能参与者适当激励的竞争性博弈。然而，先前工作涉及的激励设计机制依赖于对博弈中所有参与者效用函数的了解，这在参与者数量众多（能源博弈论框架中常见）时难以计算。我们的研究提出，此类框架中参与者的效用可归为相对较少的簇，随后可针对各簇提供定制化激励。上述细分分析的关键在于学习导致竞争环境中人类能源使用决策的特征。我们提出一种基于图Lasso（graphical lasso）的新方法来通过研究真实世界能源社交博弈数据集中的特征相关性实现此类细分。为进一步提升模型可解释性，我们使用格兰杰因果性进行因果性研究。所提出的细分分析产生了展现不同能源使用行为的特征簇。我们还提出了利用所提细分方法实现智能激励设计的途径。
引用
@article{arxiv.1910.02217,
title = {A Novel Graphical Lasso based approach towards Segmentation Analysis in Energy Game-Theoretic Frameworks},
author = {Hari Prasanna Das and Ioannis C. Konstantakopoulos and Aummul Baneen Manasawala and Tanya Veeravalli and Huihan Liu and Costas J. Spanos},
journal= {arXiv preprint arXiv:1910.02217},
year = {2022}
}
备注
Proceedings of the Special Session on Machine Learning in Energy Application, International Conference on Machine Learning and Applications (ICMLA) 2019. arXiv admin note: text overlap with arXiv:1810.10533