Most studies of prosumer decision making in the smart grid have focused on single, temporally discrete decisions within the framework of expected utility theory (EUT) and behavioral theories such as prospect theory. In this work, we study prosumer decision making in a more natural, ongoing market situation in which a prosumer has to decide every day whether to sell any surplus energy units generated by the solar panels on her roof or hold (store) the energy units in anticipation of a future sale at a better price. Within this context, we propose a new behavioral model that extends EUT to take into account the notion of a bounded temporal horizon over which various decision parameters are considered. Specifically, we introduce the notion of a bounded time window (the number of upcoming days over which a prosumer evaluates the probability that each possible price will be the highest) that prosumers implicitly impose on their decision making in arriving at hold or sell decisions. The new behavioral model assumes that humans make decisions that will affect their lives within a bounded time window regardless of how far into the future their units may be sold. Modeling the utility of the prosumer using parameters such as the offered price on a day, the number of energy units the prosumer has available for sale on a day, and the probabilities of the forecast prices, we fit both traditional EUT and the proposed behavioral model with bounded time windows to data collected from 57 homeowners over 68 days in a simulated energy market. Each prosumer generated surplus units of solar power and had the opportunity to sell those units to the local utility at the price set that day by the utility or hold the units for sale in the future. For most participants, a bounded horizon in the range of 4-5 days provided a much better fit to their responses than was found for the traditional (unbounded) EUT model


翻译:在智能电网中,大部分对造纸师决策的研究都集中在单一的、时间上不切实际的决定上,在预期的公用事业理论(EUT)和前景理论等行为理论的框架内,我们研究了单一的、时间上不切实际的决定。在这项工作中,我们研究了在更自然的、持续的市场形势下,造纸师必须每天决定是否出售太阳能电池板在她的屋顶上产生的任何剩余能源单位,或者持有(储存)能源单位,以预期将来以更好的价格销售。在此背景下,我们提出了一个新的行为模型,将EUT扩大到考虑到考虑各种决定参数的固定时间范围的概念。具体地说,我们引入了一个受约束的时间窗口的概念(未来几天的天数,一位造纸师评估每一种可能价格最高的可能性),这种模型暗含着他们的决定,以更好的价格来决定未来销售。新的行为模型假设人类在一个封闭的时间窗口里做出影响他们生活的决定,而不管他们在未来的单位能卖到多远的时间范围。 模拟了57年的固定时间空间单位的销售时间框架,我们用一个固定日期的预估值来计算价格的预测价格。

0
下载
关闭预览

相关内容

Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
CCF C类 | DSAA 2019 诚邀稿件
Call4Papers
6+阅读 · 2019年5月13日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年4月29日
VIP会员
相关资讯
CCF C类 | DSAA 2019 诚邀稿件
Call4Papers
6+阅读 · 2019年5月13日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员