智能家居能源管理：VAE-GAN合成数据集生成器与Q-learning
机器学习
2023-05-17 v1 系统与控制
系统与控制
摘要
近年来，学术界与工业界对分析住宅建筑用电消耗以及采用智能家居能源管理系统(HEMS)以降低家庭能耗与成本的兴趣日益增长。HEMS已被开发用于模拟实际智能电网的统计与功能特性。在此类研究中，获取公开可用数据集是一大挑战。若开发出代表合成系统不同运行条件的时间序列，人工HEMS应用的潜力将进一步增强。本文提出一种新颖的变分自编码器-生成对抗网络(VAE-GAN)技术，用于生成智能家居能耗的时间序列数据。我们还探索了该生成模型与基于Q-learning的HEMS结合时的表现。我们使用真实世界智能家居数据测试了基于Q-learning的HEMS的在线性能。为测试所生成的数据集，我们度量了真实数据与合成数据概率分布之间的Kullback-Leibler(KL)散度、最大均值差异(MMD)与Wasserstein距离。实验表明，VAE-GAN生成的合成数据与真实数据分布高度吻合。最后，我们展示了相较于基线方法生成的数据集，所生成数据能够训练出性能更高的基于Q-learning的HEMS。
引用
@article{arxiv.2305.08885,
title = {Smart Home Energy Management: VAE-GAN synthetic dataset generator and Q-learning},
author = {Mina Razghandi and Hao Zhou and Melike Erol-Kantarci and Damla Turgut},
journal= {arXiv preprint arXiv:2305.08885},
year = {2023}
}