城市规模深度脱碳的动态激励分配
计算机与社会
2025-02-14 v1
摘要
住宅部门的温室气体排放占全球排放的很大一部分。政府和公用事业公司设计了激励措施以促进脱碳技术的采用，如屋顶光伏和热泵。然而，研究表明，许多激励措施效率低下，因为大量支出并未真正促进采用，且激励措施未公平地分配到社会经济群体之间。我们提出了一种新颖的数据驱动方法，采用整体的、基于排放的和城市规模的脱碳视角。我们提出了一种优化模型，将总激励预算动态分配给家庭，以直接最大化城市范围的碳减排。我们利用多臂赌博机问题的技术来估计人类因素，例如家庭在给定一定激励下采用新技术的意愿。我们将所提出的框架应用于美国东北部的一个城市，使用真实的家庭能源数据、电网碳强度数据和未来价格情景。我们表明，我们的基于学习的技术显著优于示例现状激励方案，实现了高达32.23%的碳减排。我们表明，我们的框架可以容纳公平感知约束，以公平地在社会经济群体之间分配激励措施，平均实现最优解78.84%的碳减排。
引用
@article{arxiv.2502.08877,
title = {Dynamic Incentive Allocation for City-scale Deep Decarbonization},
author = {Anupama Sitaraman and Adam Lechowicz and Noman Bashir and Xutong Liu and Mohammad Hajiesmaili and Prashant Shenoy},
journal= {arXiv preprint arXiv:2502.08877},
year = {2025}
}