基于深度强化学习的智能电表隐私-成本管理
信号处理
2021-11-29 v3
摘要
智能电表（SMs）能够通过近乎实时地向公用事业提供商（UP）报告消费者的用电情况，在智能电网中发挥关键作用。然而，这可能会将消费者的敏感信息泄露给 UP 或第三方。近期工作利用储能设备（例如可充电电池（RB））的可用性，以最小的额外能源成本为消费者提供隐私。本文提出一种基于无模型深度强化学习算法（称为深度双 Q 学习（DDQL））的隐私-成本管理单元（PCMU）。给出了在实际 SMs 数据上评估的经验结果，以将 DDQL 与最先进方法即经典 Q 学习（CQL）进行比较。此外，针对攻击者旨在推断实际需求负荷与住宅占用状态两种具体情形，研究了该方法性能。最后，给出了一种抽象的信息论刻画。
引用
@article{arxiv.2003.04946,
title = {Privacy-Cost Management in Smart Meters Using Deep Reinforcement Learning},
author = {Mohammadhadi Shateri and Francisco Messina and Pablo Piantanida and Fabrice Labeau},
journal= {arXiv preprint arXiv:2003.04946},
year = {2021}
}