論文の概要: Understanding electricity consumption behaviour through Inverse Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2607.03176v1
• Date: Fri, 03 Jul 2026 10:24:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.544138
• Title: Understanding electricity consumption behaviour through Inverse Reinforcement Learning
• Title（参考訳）: 逆強化学習による電力消費行動の理解
• Authors: Enrico Cofler, Carlos Rodriguez-Pardo, Matteo Giuliani, Andrea Castelletti, Massimo Tavoni,
• Abstract要約: 本研究では,家庭が社会経済的・気候的ショックを受けると,消費行動がどう変化するかを検討する。 これらの衝撃は、消費者グループ間で不均質に冷却挙動を変化させ、以前の習慣や構築された環境に順応した方向に変化させることが判明した。 エネルギー政策と需要対応策は、消費者がどこに住んでいるかだけでなく、いつ消費するか、ショックに対する反応が持続するかどうかも考慮すべきである。
• 参考スコア（独自算出の注目度）: 1.1744028458220426
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding how households consume electricity in response to socioeconomic and climatic drivers is important for decision-makers designing energy policies in a changing climate and under geopolitical tensions. Consumers respond differently to thermal stress depending on income, consumption habits and the surrounding built environment, a nonlinear behaviour that most approaches oversimplify. In this study, households are treated as agents interacting with complex environments, and Inverse Reinforcement Learning is used to represent their consumption behaviour as model implied reward functions. Specifically, we observe how these reward functions change when households undergo socioeconomic and climatic shocks. The framework is tested on different clusters of electricity consumption profiles in Italy. Clusters' reward functions are retrieved and used to understand how cooling behaviour changes from summer 2021 to summer 2022 and 2023, before, during and after the energy crisis and a heatwave. We find that these shocks reshaped cooling behaviour heterogeneously across consumer groups, in directions conditioned by their prior habits and built environment. Across the 2021 to 2023 summers, we identify a spectrum of responses: transient adjustments that receded as the shocks eased, durable shifts persisting into 2023, and consumers exhibiting negligible change. At the intradaily scale, groups comparable in socioeconomic and environmental context but differing in their daily timing of consumption responded distinctly, identifying time of use as a separate dimension of behavioural heterogeneity. Energy policies and demand-response schemes should therefore account not only for who consumers are and where they live, but for when they consume and whether their response to a shock persists.
• Abstract（参考訳）: 気候変動や地政学的な緊張の下でエネルギー政策を設計する意思決定者にとって、家庭が社会経済的・気候的要因に応えて電気を消費する方法を理解することが重要である。 消費者は、収入、消費習慣、周囲の環境によって異なる熱ストレスに反応する。 本研究では,家庭は複雑な環境と相互作用するエージェントとして扱われ,逆強化学習(Inverse Reinforcement Learning)は,その消費行動をモデルインプリード報酬関数として表現するために用いられる。 具体的には、家庭が社会経済的・気候的ショックを受けると、これらの報酬機能がどう変化するかを観察する。 このフレームワークは、イタリアの電力消費プロファイルの異なるクラスタでテストされている。 クラスターの報酬関数は、2021年夏から2022年夏、2023年夏にかけての冷却行動が、エネルギー危機と熱波の前後でどのように変化するかを理解するために検索され、使用される。 これらの衝撃は、消費者グループ間で不均質に冷却挙動を変化させ、以前の習慣や構築された環境に順応した方向に変化させることが判明した。 2021年から2023年の夏にかけて、ショックが緩和されたときに後退した過渡的な調整、耐久性のあるシフトが2023年まで続くこと、そして消費者が無視できない変化を示すことなど、さまざまな反応のスペクトルを特定した。 日中規模では、社会経済と環境の文脈に匹敵するが、消費の日々のタイミングで異なる集団が明らかに反応し、使用時間が行動の不均一性の別次元として特定された。 したがって、エネルギー政策と需要対応スキームは、消費者がどこにいるかだけでなく、いつ消費するか、ショックに対する反応が持続するかどうかも考慮すべきである。

関連論文リスト

• Uncovering Salience-Driven Dynamics in Consumer Confidence with Generative Social Simulation [56.70690339492564]
  本稿では,消費者信頼度指数のダイナミクスを再構築する生成的人間環境対応フレームワークであるConsumerSimを紹介する。 米国、EU27、および日本の公式CCIターゲットシリーズにおいて、ConsumerSimは、持続性、時系列、回帰、および情報強化ベースラインの中で第1位である。 発見は、解釈可能な人間環境対応プロセスとして消費者信頼の行動的視点を支持する。
  論文  参考訳（メタデータ） (2026-06-29T14:46:22Z)
• Climate-sensitive Urban Planning through Optimization of Tree Placements [55.11389516857789]
  気候変動は、熱波を含む多くの極端な気象事象の強度と頻度を増している。 最も有望な戦略の1つは、街路樹の恩恵を利用して歩行者レベルの環境を冷やすことである。 物理シミュレーションでは、樹木の放射的および熱的影響が人間の熱的快適性に与える影響を推定できるが、高い計算コストが生じる。 我々は,屋外の熱的快適さの駆動因子である点平均放射温度を,様々な時間スケールでシミュレーションするためにニューラルネットワークを用いた。
  論文  参考訳（メタデータ） (2023-10-09T13:07:23Z)
• Constructing dynamic residential energy lifestyles using Latent Dirichlet Allocation [8.862740157957226]
  本研究では, エネルギーライフスタイルの動的アプローチを用いて, 住宅の電力需要を理解するための新しい枠組みを提案し, 検証する。 遅延ディリクレ割当 (LDA) を用いて, 一連の潜伏エネルギー特性を抽出する。 本研究では,6万世帯の1年間の時間ごとのスマートメーターデータを用いて実験を行うことにより,本手法を検証した。
  論文  参考訳（メタデータ） (2022-04-22T15:41:47Z)
• Reshaping Smart Energy Transition: An analysis of human-building interactions in Qatar Using Machine Learning Techniques [0.0]
  本研究は,人間室内の快適感と建築特性の関連性を探究することに焦点を当てた。 データ分析は介入、社会的幸福、意識に関するエネルギー政策に影響を及ぼした。
  論文  参考訳（メタデータ） (2021-11-16T10:02:49Z)
• Investigating Underlying Drivers of Variability in Residential Energy Usage Patterns with Daily Load Shape Clustering of Smart Meter Data [53.51471969978107]
  スマートメータの大規模展開は、日々の負荷パターンの分散を探求する研究の動機となっている。 本稿では,電力消費パターンが変動性を示すメカニズムを明らかにすることを目的とした。
  論文  参考訳（メタデータ） (2021-02-16T16:56:27Z)
• Reshaping consumption habits by exploiting energy-related micro-moment recommendations: A case study [2.741120981602367]
  この研究は、消費ログから繰り返し使われるパターンを検出することに基づいている。 これは、センサ、スマートメーター、アクチュエータのセットを使用するエネルギー消費削減システムの構造と運用を示す。 システムは、適切なタイミングで適切な省エネ行動を行うことをユーザに推奨し、徐々にユーザの習慣を形作る。
  論文  参考訳（メタデータ） (2020-10-09T17:29:56Z)
• Face to Purchase: Predicting Consumer Choices with Structured Facial and Behavioral Traits Embedding [53.02059906193556]
  消費者の顔の特徴と履歴に基づいて消費者の購入を予測することを提案する。 階層型埋め込みネットワークに基づく半教師付きモデルを設計し、消費者の高レベルな特徴を抽出する。 実世界のデータセットを用いた実験結果から,消費者の購買行動を予測するために,顔情報の導入による肯定的な効果が示された。
  論文  参考訳（メタデータ） (2020-07-14T06:06:41Z)
• Towards a Peer-to-Peer Energy Market: an Overview [68.8204255655161]
  本研究は, 電力市場を中心に, 現状と, プロシューマーによる分散型自己生成能力の増大傾向を比較した。 我々はP2P(Peer-to-Peer)エネルギー市場のための潜在的多層アーキテクチャを導入し、マイクログリッドの一部として、地域生産と地域消費の基本的な側面について議論する。 読者に全体像を示すため、スマートコントラクトやグリッド安定性といったエネルギー取引の関連要素についても精査する。
  論文  参考訳（メタデータ） (2020-03-02T20:32:10Z)
• Data-driven control of micro-climate in buildings: an event-triggered reinforcement learning approach [56.22460188003505]
  半マルコフ決定過程に基づく微小気候制御問題を定式化する。 建物内の微小気候のイベントトリガー制御のための2つの学習アルゴリズムを提案する。 スマートなサーモスタットを設計することで,提案手法の有効性を示す。
  論文  参考訳（メタデータ） (2020-01-28T18:20:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。