基于深度学习的端到端需求响应模型辨识与基线估计
系统与控制
2021-09-03 v1 机器学习
系统与控制
最优化与控制
摘要
本文提出一种新颖的端到端深度学习框架，该框架从净需求测量值与激励信号中同时辨识需求基线与基于激励的代理需求响应模型。该学习框架被模块化为两个模块：1）需求响应参与者的决策过程被表示为一个可微优化层，其以激励信号为输入并预测用户响应；2）基线需求预测被表示为一个标准神经网络模型，其以相关特征为输入并预测用户的基线需求。这两个中间预测被整合以形成净需求预测。随后我们提出一种梯度下降方法，将净需求预测误差反向传播以联合更新代理模型的权重与基线需求预测的权重。我们通过基于合成需求响应轨迹和大规模真实世界需求响应数据集的计算实验证明了方法的有效性。结果表明，即使对基线需求无任何先验知识，该方法也能准确辨识需求响应模型。
引用
@article{arxiv.2109.00741,
title = {End-to-End Demand Response Model Identification and Baseline Estimation with Deep Learning},
author = {Yuanyuan Shi and Bolun Xu},
journal= {arXiv preprint arXiv:2109.00741},
year = {2021}
}