Apr, 2023

TreeC: 一种利用元启发式算法生成可解释能管理系统的方法

PDF
TL;DR该论文介绍了一种基于元启发式算法协方差矩阵适应进化策略（CMA-ES）的机器学习方法 TreeC，用于生成可解释的能源管理系统（EMS）模型决策树，与 RBC 和 MPC 等传统方法相比，该方法是一种基于历史数据学习 EMS 决策策略的方法，并且相对于 RL 等黑盒模型，该方法具有可解释性。研究结果表明，TreeC 在电网和家庭供暖方面取得了与 MPC 和 RL 接近的表现，且具有良好的解释性。
energy management systemsreinforcement learningmachine learningdecision treeinterpretable
发现论文，激发创造
  • MetaEMS: 基于元强化学习的建筑能源管理系统控制框架

    本研究提出了一种基于元学习的智能建筑能耗管理系统（MetaEMS），比现有基于强化学习的系统更快地适应环境变化并在大多数情况下表现更好。

    Oct, 2022

  • 可解释的基于强化学习的家庭能源管理系统：使用可微分决策树

    随着能源转型的持续进行，需求侧灵活性已成为现代电力网络的一个重要方面，以提供网络支持并实现可持续能源的进一步整合。除了传统能源源之外，住宅部门是另一个主要且大量未开发的灵活性源，这是由于太阳能光伏、家庭电池和电动汽车的增加而推动的。然而，解锁住宅灵活性是具有挑战性的，因为需要一个能够有效管理家庭能源消耗并在各种不同的房屋之间具有可扩展性的控制框架，并维持用户舒适度。我们旨在解决这个具有挑战性的问题，并引入一种基于可微分决策树的强化学习方法。该方法将数据驱动的强化学习的可扩展性与（可微分的）决策树的可解释性相结合。这导致了一个可以在不同房屋之间轻松适应并向最终用户解释的简单控制策略，进一步改善用户接受度。作为概念验证，我们使用家庭能源管理问题来分析我们的方法，将其与商业可用的基于规则的基准控制器和标准神经网络强化学习控制器的性能进行比较。通过这项初步研究，我们展示了我们提出的方法的性能与标准强化学习控制器相当，相较于基准控制器，在每日成本节约方面表现优异，节约率提高了大约 20%，同时又易于解释。

    Mar, 2024

  • 住宅建筑供热的需求响应：基于物理信息神经网络的有效蒙特卡洛树搜索控制

    通过需求响应控制住宅建筑的供暖系统以优化能源消耗，该论文研究了基于蒙特卡洛树搜索和物理信息神经网络的建筑需求响应控制，以提高控制性能并降低能耗成本。同时，通过添加深度学习层优化了蒙特卡洛树搜索方法的计算成本。

    Dec, 2023

  • 一种优化分类树学习的新型记忆策略

    本文提出一种新颖的演化算法，结合可行解空间的探索和局部搜索，用于归纳分类树，以达到具有一般化能力的结构，其表现与最先进的方法相当，并适用于包含成千上万数据点的数据集。

    May, 2023

  • 一个在线的分层能源管理系统，符合当前技术法律框架

    为了降低成本并推动本地可再生能源利用，本文基于欧盟技术指导，综合在线分层 EMS，并通过混合模糊推理系统 - 遗传算法模型和 LSTM 预测，实现智能电网中可再生能源社区成本最小化，并超越自给自足策略，实现 20% 的节约。

    Jan, 2024

  • 一种功能性的电力系统瞬态稳定评估方法：专家引导的神经回归树

    提出了一种使用专家引导非线性回归树来解释神经网络预测的可解释电力系统暂态稳定性评估方法（TSA-ENRT），实验结果表明，该方法生成的解释规则与神经网络预测高度一致，更符合人类专家认知。

    Apr, 2024

  • Distill2Explain: 可解释的强化学习能源应用控制器中可微分的决策树

    提出了一种使用可解释的决策树来训练数据驱动型控制策略的新方法，用于解锁居住部门在能源灵活性方面的潜力，并展示其在家庭能源管理系统中降低能源成本方面优于基准策略的性能和可解释性。

    Mar, 2024

  • 决策树的优质多样进化学习

    为了解释机器学习的需求，在解释性人工智能研究方向上，决策树和增强学习的混合模型成为一个新的研究方向，其中使用了 MAP-Elites 方法来拓展模型，该方法在 OpenAI Gym 库的两个控制问题中表现良好。

    Aug, 2022

  • ReST-MCTS*: LLM 自训练通过过程奖励引导的树搜索

    基于强化学习的 ReST-MCTS* 方法结合过程奖励模型与树搜索 MCTS*，获取高质量的推理轨迹用于训练策略和奖励模型，在 LLM 自我训练中取得了更高的准确性和性能。

    Jun, 2024

  • 借助基于模型的树作为可解释的替代模型进行模型蒸馏

    使用模型树作为替代模型，将特征空间通过决策规则划分为可解释的区域，然后利用基于加性主效应的可解释模型来近似黑盒模型的行为，平衡可解释性和性能，对比了四种模型树算法，最后提供了用户特定的推荐概述。

    Oct, 2023