面向居民需求响应的消费者偏好贝叶斯学习
机器学习
2017-02-01 v1 系统与控制
机器学习
摘要
未来几年，居民消费者将面临实时电价，能源价格逐日波动，而有效的节能将需要自动化——一种从其行为中学习消费者偏好的推荐系统。消费者选择家电使用场景以平衡其舒适度与电费账单。我们提出一种贝叶斯学习算法，根据家电使用历史估计舒适度函数。在由消费者与小型家电交互的仿真模型生成的数据集进行的数值实验中，该算法优于流行的回归分析工具。我们的方法可扩展至控制空气加热与空调系统，该系统占家庭电费账单的比例高达一半。
引用
@article{arxiv.1701.08757,
title = {Bayesian Learning of Consumer Preferences for Residential Demand Response},
author = {Mikhail V. Goubko and Sergey O. Kuznetsov and Alexey A. Neznanov and Dmitry I. Ignatov},
journal= {arXiv preprint arXiv:1701.08757},
year = {2017}
}