[論文レビュー] Causal Tree Estimation of Heterogeneous Household Response to Time-Of-Use Electricity Pricing Schemes

Eoghan O’Neill, Melvyn Weeks|arXiv (Cornell University)|Oct 22, 2018

Smart Grid Energy ManagementEngineering被引用数 17

ひとこと要約

本稿では、因果的フォレスト機械学習を用いて、時間単位料金（TOU）電力料金に対する家庭の非均一的反応を推定し、過去の電力使用パターン—特に平日の使用量と変動性—が、アンケート変数よりも需要応答の予測要因としてより強く寄与することが明らかになった。若年層で、より教育を受けており、消費量の多い家庭がより高い反応を示す。使用データは、人口統計情報よりも、処置効果の予測において優れた性能を示した。

ABSTRACT

We examine the household-specific effects of the introduction of Time-of-Use (TOU) electricity pricing schemes. Using a causal forest (Athey and Imbens, 2016; Wager and Athey, 2018; Athey et al., 2019), we consider the association between past consumption and survey variables, and the effect of TOU pricing on household electricity demand. We describe the heterogeneity in household variables across quartiles of estimated demand response and utilise variable importance measures. Household-specific estimates produced by a causal forest exhibit reasonable associations with covariates. For example, households that are younger, more educated, and that consume more electricity, are predicted to respond more to a new pricing scheme. In addition, variable importance measures suggest that some aspects of past consumption information may be more useful than survey information in producing these estimates.

研究の動機と目的

• 機械学習を用いて、家庭の需要に対する時間単位料金（TOU）電力料金の非均一的処置効果を推定すること。
• 人口統計的要因または使用ベースの要因のうち、TOU料金に対する反応性を最もよく予測する家庭特徴を特定すること。
• 個別レベルの需要応答を予測する際、アンケートデータと歴史的電力使用データの相対的な重要性を評価すること。
• 木ベースのモデルにおける変数選択バイアスを解消するために、パーミュテーションに基づく変数重要度テストを用いること。
• 政策立案者に、TOU料金に対して反応する可能性の高い家庭を特定する知見を提供し、ターゲット型エネルギー政策の設計を支援すること。

提案手法

• 潜在的アウトカムフレームワークを用いて、個別レベルの処置効果を推定するため、因果的フォレスト（因果的木のランダムフォレスト）を採用する。
• 条件付き平均処置効果（CATE）推定を用い、共変数で定義される家庭サブグループ間での非均一的反応をモデル化する。
• 木の分割頻度に基づく変数重要度測定を実施し、深さ加重平均を用いて予測変数を順位付けする。
• 連続変数に多く分割点があることによるバイアスを是正するため、パーミュテーションに基づくテストを実装する。
• アンケートデータのみ、使用データのみ、および両方を組み合わせたデータを用いて、個別に因果的フォレストを適合させ、予測性能を比較する。
• 連続的使用変数の分位数ベースの離散化を実施し、変数重要度の結果の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 どの家庭特徴が、時間単位電力料金への反応性を最もよく予測するか？
• RQ2 電力使用データの需要応答推定における予測力は、アンケートベースの人口統計的変数に比べてどの程度優れているか？
• RQ3 反応の非均一性は、過去の使用行動と社会経済的要因のどちらによって主に駆動されているか？
• RQ4 因果的フォレストにおける変数重要度測定は、連続的使用変数にバイアスを示すか？そのバイアスはどのように是正できるか？
• RQ5 因果的フォレストモデルは、TOU料金に対して著しく異なる反応を示す、明確に分離された家庭のサブグループを特定できるか？

主な発見

• 若年層で、より教育を受け、電力消費量の多い家庭が、TOU料金に対して顕著に高い需要応答を示した。
• 変数重要度測定では、過去の電力使用—特に平日の使用量と分散—が最も高い順位に位置し、反応の予測に最も情報量が多いことが示された。
• パーミュテーションに基づくテストにより、選択バイアスの是正後でも、使用変数がアンケート変数よりも重要であることが確認された。
• 使用データのみを用いて適合した因果的フォレストは、使用データとアンケートデータの両方を用いた場合と同程度の推定結果を示し、使用データが関連する非均一性の大部分を捉えていることが示唆された。
• 個別処置効果の分布には、二峰性の兆候が見られ、反応が著しく高いグループと反応が低いグループが明確に分かれている可能性がある。
• アンケート変数としてのノートパソコンの台数、冷凍庫の台数、就労状況などが、収入やエネルギー使用と相関するため、人口統計的予測変数として特に重要であると考えられる。