面向居民需求响应的在线学习与分布式控制
系统与控制
2021-06-15 v2 机器学习
系统与控制
摘要
本文研究激励型居民需求响应（DR）中空调（AC）负荷的自动化控制方法。关键挑战在于实践中用户对负荷调整的反应是不确定且未知的。本文将 DR 事件中的 AC 控制问题建模为一个多周期随机优化问题，该问题融合了室内热动力学与用户退出状态转移。具体而言，分别采用高斯过程和逻辑回归等机器学习技术来学习未知的热动力学模型和用户退出行为模型。我们考虑了 AC 负荷控制的两种典型 DR 目标：1）最小化总需求；2）紧密跟踪受控功率轨迹。基于 Thompson 采样框架，我们提出了一种在线 DR 控制算法，以学习用户行为并制定实时 AC 控制方案。该算法考虑了各种环境因素对用户行为的影响，并以分布式方式实现以保护用户隐私。数值仿真验证了所提算法的控制最优性与学习效率。
引用
@article{arxiv.2010.05153,
title = {Online Learning and Distributed Control for Residential Demand Response},
author = {Xin Chen and Yingying Li and Jun Shimada and Na Li},
journal= {arXiv preprint arXiv:2010.05153},
year = {2021}
}