基于竞争双深度Q学习的智能电表隐私保护与成本管理

• 作者: 王峥 郭彦 聂峥 庞振江 臧志成 巩永稳
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 关键词: 智能家居 智能电表 功率分配 隐私保护 成本管理 竞争双深度Q学习
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 人工智能与信息通信|Artificial Intelligence and Information Communication Technology
• 页码范围: 554-561
• 页数: 8页
• 分类号: TN929
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.202010230322

摘要

智能电表能够实时采集、计算、存储和传输电力数据,对智能电网的运转起着关键性的作用.配备储能设备的智能家居是智能电表的一种重要的应用场景,它的发展面临隐私数据泄露隐患和高用电成本2个问题,需要研究两者的权衡优化策略.系统模型考虑了2种不同类型的储电设备,并建立了电表数据泄露和用电成本量化的权衡模型.考虑到传统深度强化学习存在过度估计和收敛慢的缺陷,提出一种基于竞争双深度Q学习的储能电器功率分配方法,实现了性能优化的目标.仿真结果表明,对比传统的深度Q学习和双深度Q学习方法,所提方法在隐私保护和成本控制2方面能获得更好的性能.