基于激励的需求响应的在线学习
机器学习
2023-03-29 v1 系统与控制
系统与控制
机器学习
摘要
本文考虑在线学习管理需求响应(DR)资源的问题。典型的DR机制要求DR管理者为参与消费者分配基线,其中基线是该消费者若未被调用提供DR服务时反事实消耗的估计。估计基线的挑战在于消费者有虚报基线估计的激励。我们考虑在线学习估计基线并在此类激励下优化一段时间内运营成本的问题。我们提出一种在线学习方案,采用最小二乘进行估计,并对(DR服务或负荷削减的)报酬价格施加扰动,以平衡在线学习中出现的探索与利用权衡。我们证明,所提方案相对于完全知晓基线的DR项目天最优运营成本可实现极低的后悔值,且对消费者参与具有个体理性。我们的方案显著优于平均型方法,后者仅能达到后悔值。
引用
@article{arxiv.2303.15617,
title = {Online Learning for Incentive-Based Demand Response},
author = {Deepan Muthirayan and Pramod P. Khargonekar},
journal= {arXiv preprint arXiv:2303.15617},
year = {2023}
}