[논문 리뷰] Social Game for Building Energy Efficiency: Utility Learning, Simulation, and Analysis

Ioannis C. Konstantakopoulos, Lillian J. Ratliff외 3명|arXiv (Cornell University)|2014. 07. 02.

Smart Grid Energy Management참고 문헌 18인용 수 10

한 줄 요약

이 논문은 직장 건물에서 점수를 획득하기 위해 평균에 가까운 조명 수준을 투표하도록 유도하는 사회적 게임을 제안한다. 투표가 평균에 가까울수록 당첨 포인트를 얻을 수 있으며, 이는 에너지 효율적인 조명 행동을 유도한다. 유틸리티 학습과 내쉬 균형 모델링을 사용하여 실제 투표 데이터에서 점원의 선호도를 추정하고, 행동을 정확하게 시뮬레이션하며, 상당한 에너지 절감 효과를 입증한다. 이는 향후 투표를 예측하는 데 있어 ARIMA 및 일정 모델보다 뛰어난 성능을 보였다.

ABSTRACT

We describe a social game that we designed for encouraging energy efficient behavior amongst building occupants with the aim of reducing overall energy consumption in the building. Occupants vote for their desired lighting level and win points which are used in a lottery based on how far their vote is from the maximum setting. We assume that the occupants are utility maximizers and that their utility functions capture the tradeoff between winning points and their comfort level. We model the occupants as non-cooperative agents in a continuous game and we characterize their play using the Nash equilibrium concept. Using occupant voting data, we parameterize their utility functions and use a convex optimization problem to estimate the parameters. We simulate the game defined by the estimated utility functions and show that the estimated model for occupant behavior is a good predictor of their actual behavior. In addition, we show that due to the social game, there is a significant reduction in energy consumption.

연구 동기 및 목표

• 건물 거주자를 대상으로 게임화된 인센티브를 통해 에너지 효율적인 조명 행동을 장려하는 사회적 게임을 설계한다.
• 연속 게임에서 비협력적인 유틸리티 최대화자로 점원을 모델링하여 편안함과 승리 확률 사이의 트레이드오프를 반영한다.
• 볼록 최적화를 사용하여 실제 투표 데이터에서 개인의 유틸리티 함수를 추정함으로써 점원 행동을 정확하게 예측할 수 있도록 한다.
• 예측 성능을 평가하기 위해 추정된 게임 이론 모델을 표준 시계열 모델(예: ARIMA) 및 일정 모델과 비교한다.
• 사회적 게임이 행동 변화와 최적화된 기본 설정을 통해 건물 에너지 소비의 측정 가능한 감소를 이끌어내는가를 입증한다.

제안 방법

• 각 점원이 편안함과 추첨 승리 확률을 균형 잡는 유틸리티 함수를 최대화하는 비협력적 연속 게임으로 점원을 모델링한다.
• 관측된 투표 데이터에 맞는 볼록 최적화 문제를 사용하여 유틸리티 함수의 파라미터를 설정함으로써 개인의 선호도와 위험 회피 성향을 추정한다.
• 추정된 유틸리티 함수를 사용하여 내쉬 균형을 계산하고, 이를 통해 실제 점원 행동을 예측하는 시뮬레이션을 수행한다.
• 온라인 플랫폼을 활용하여 실시간 투표 데이터를 수집하고, 포인트를 기록하며 소비 패턴을 표시하여 참여도를 높인다.
• 평균 제곱오차(MSE)를 사용하여 내쉬 균형 모델의 예측 정확도를 ARIMA, 일정 모델, 지속 모델과 비교한다.
• 건물 관리자가 실시간 유틸리티 추정치를 기반으로 보상 파라미터 ρ를 최적화하는 스택엘베르크 게임로 인cent라이제이션 설계를 정의한다.

실험 결과

연구 질문

• RQ1 투표와 추첨 인센티브를 기반으로 한 사회적 게임이 건물 조명 에너지 소비를 효과적으로 줄일 수 있는가?
• RQ2 추정된 유틸리티 함수를 가진 게임 이론 모델이 사회적 에너지 절약 게임에서 실제 점원 행동을 얼마나 잘 예측할 수 있는가?
• RQ3 추정된 게임의 내쉬 균형이 향후 조명 투표를 예측하는 데 있어 전통적인 시계열 모델(예: ARIMA)보다 뛰어나게 성능을 보이는가?
• RQ4 기본 조명 설정의 변경과 사회적 인센티브의 조합이 에너지 절감에 어느 정도 기여하는가?
• RQ5 건물 관리자가 실시간 유틸리티 추정치를 활용하여 스택엘베르크 프레임워크에서 인센티브(ρ)를 최적화함으로써 지속적인 에너지 절감을 이룰 수 있는가?

주요 결과

• 추정된 유틸리티 함수 기반의 내쉬 균형 모델은 다음 날의 조명 투표를 예측하는 데 가장 낮은 평균 제곱오차(12.46)를 기록하여, ARIMA(13.92), 일정 모델(16.96), 지속 모델(13.42)을 모두 능가했다.
• 사회적 게임은 기본 조명 설정을 낮추고 평균에 가까운 투표를 장려하는 인센티브 구조 덕분에 에너지 소비의 상당한 감소를 이끌어냈다.
• 볼록 최적화를 통해 학습된 추정 유틸리티 함수는 개인 점원의 선호도와 편안함과 승리 포인트 사이의 위험 트레이드오프를 정확하게 반영한다.
• 추정된 유틸리티 함수를 사용한 게임 시뮬레이션은 실제 점원 행동과 매우 유사하게 나타나 모델의 예측 능력을 검증했다.
• 이 프레임워크는 난방· Ventilation· 공기 조절(HVAC) 및 플러그 로드 제어로도 확장 가능하므로 조명을 넘어서도 광범위하게 적용 가능하다.
• 향후 연구에서는 스택엘베르크 게임에서 보상 파라미터 ρ를 최적화함으로써 적응형 실시간 인센티브 설계를 통해 에너지 절감 효과를 더욱 향상시킬 수 있다.