研究人员利用逆向强化学习（IRL）对意大利家庭的用电行为进行建模，将家庭视为与其环境互动的代理。该研究旨在了解社会经济和气候因素（如能源危机和热浪）如何影响这些代理的奖励函数，进而影响其消费模式。通过分析2021年、2022年和2023年夏季的数据，研究确定了表现出暂时性调整、持久性转变或微小变化的制冷行为的不同消费者群体。研究结果表明，能源政策不仅应考虑消费者的社会人口统计特征和地点，还应考虑其用电时间以及对冲击的行为反应的持久性。 AI
影响 这项研究展示了IRL在理解复杂人类行为对环境和社会经济因素的反应方面的新颖应用，有可能为更具适应性的能源政策提供信息。
排序理由 该集群包含一篇学术论文，详细介绍了逆向强化学习在模拟家庭用电行为方面的新颖应用。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
