Core Concepts
異なる決定木を使用した説明可能な強化学習による家庭用エネルギー管理システムの効果的な制御方法を紹介する。
Abstract
エネルギー移行に伴い、住宅部門は柔軟性を提供し、持続可能なエネルギー源を統合するための重要な役割を果たす。
伝統的な方法と比較して、データ駆動型強化学習と(異なる)決定木の説明可能性を組み合わせたアプローチが提案されている。
家庭用エネルギー管理問題での方法分析により、提案手法が標準RLコントローラーと比較して優れたパフォーマンスを示すことが示されている。
導入
持続可能なエネルギーへの移行に伴い、需要側の柔軟性が重要性を増している。
住宅部門は再生可能エネルギー源の採用増加により柔軟性を提供できる未開拓領域である。
方法論
ホームバッテリーを最適化するためにDDT(Differentiable Decision Tree)を使用したRLコントローラーのアプローチが紹介されている。
結果
DDTベースエージェントは標準DDPGや基準RBCコントローラーよりも優れたパフォーマンスを示すことが確認されている。
DDTポリシーは直感的で理解しやすく、利用者受容性向上に寄与する。
Stats
提案手法は標準RLコントローラーよりも20%程度の日次コスト削減率で基準コントローラーよりも優れたパフォーマンスを発揮しています。