Bayesian Learning of Consumer Preferences for Residential Demand Response

IFAC-PapersOnLine. 2016. Vol. 49. No. 32. P. 24–29.

Губко М. В., Кузнецов С. О., Незнанов А. А., Игнатов Д. И.

Статья посвящена моделированию поведения пользователя хлебопечки как устройства умного дома. На основании реальных цен на электричество и симуляции поведения пользователя требуется предложить математическую модель и алгоритм машинного обучения для оптимального по соотношению цен и полезности для пользователя автоматического запуска устройства. Мы предлагаем Баейсовский алгоритм машинного обучения для обучения предпочтениям пользователя с учетом предудыщих запусков. В работе демонстрируются результаты экспериментов, в частности, превосходство поедлагаемого алгоритма над популярной реализацией градиентого бустинга, XGBoost. Подход может быть перенесен и на другие бытовые приборы, такие как системы обогрева и кондиционирования.

Ключевые слова: машинное обучение, machine learning, моделирование поведения, Bayesian learning, smart home, умный дом, Байесовское обучение, smart power applications, electrical appliances, rational behaviour simulation, electricity saving, real-time electricity price schedule, экономия электричества, электрические устройства, умное потребление энергии, онлайновые тарифы на электроэнергию, моделирование рационального поведения