用平均场学习重新构想需求侧管理
最优化与控制
2023-05-26 v2 机器学习
概率论
应用统计
机器学习
摘要
鉴于可再生能源的间歇性，将其整合到电网中同时平衡供需是一个复杂问题。需求侧管理（DSM）为该挑战提供了解决方案。我们提出了一种用于 DSM 的新方法，特别是控制大量电气设备以跟随期望消费信号的问题。我们将其建模为有限时域马尔可夫平均场控制问题。我们开发了一种新算法 MD-MFC，为凸且 Lipschitz 目标函数提供理论保证。MD-MFC 与现有负荷控制文献的区别在于其无需借助主问题上的正则化技术即可有效直接解决目标跟踪问题。镜像下降方案上的非标准 Bregman 散度允许使用动态规划获得简单的闭式解。此外，我们展示了通用的平均场博弈算法可应用于该问题，这扩展了解决负荷控制问题的可能性。我们用真实数据集上的实验说明了我们的主张。
引用
@article{arxiv.2302.08190,
title = {Reimagining Demand-Side Management with Mean Field Learning},
author = {Bianca Marin Moreno and Margaux Brégère and Pierre Gaillard and Nadia Oudjane},
journal= {arXiv preprint arXiv:2302.08190},
year = {2023}
}