無線通信のための深層強化学習に基づく持続可能なエネルギー分配

多くの国や組織が、都市における電力需要を最大化する新しいパラダイムを促進・開発することで、人口の指数的成長に対処するためのスマートシティプロジェクトを提案しています。膨大なデータが生成・分配されるスマートシティでは、IoT（モノのインターネット）ベースのシステムが広く使用されているため、複合環境から直接データを取得し、正確な制御行動を提供することは困難です。ユーザーのニーズを満たすために多数のエネルギーデバイスを適切にスケジュールすることがスマートシティの要求です。深層強化学習（DRL）は、時間変動動的システムの成功した制御行動をもたらす新興の方法論です。本記事では、消費とユーザーの需要に基づいてエネルギーデバイスを効果的に分配できる効率的なDRLベースのエネルギースケジューリングアプローチを提案します。まず、深層ニューラルネットワークがフレームワーク内で現在利用可能なエネルギーデバイスを分類します。その後、DRLがデバイスを効率的にスケジュールします。エッジクラウド協調DRLは、スマートグリッドエネルギー分配の遅延とコストを削減することが示されています。