확산 기반 시계열 예측 모델을 모델 예측 제어(MPC) 알고리즘에 통합하여 부분적으로 관측 가능한 확률 시스템에서 불확실성을 고려한 예측 및 의사 결정을 위한 일반적인 프레임워크인 확산 정보 모델 예측 제어(D-I MPC)를 제안합니다. 본 연구에서는 확산 기반 시계열 예측 모델을 사용하여 시스템의 확률적 구성 요소의 진화를 확률적으로 추정합니다. 그런 다음 이러한 예측을 MPC 알고리즘에 통합하여 미래 궤적을 추정하고 미래의 불확실성 하에서 행동 선택을 최적화합니다. 뉴욕 주의 하루 전 전력 시장에 배터리 에너지 저장 시스템(BESS)이 참여하는 에너지 차익거래 작업에서 프레임워크를 평가했습니다. 실험 결과에 따르면 확산 기반 예측기를 사용한 모델 기반 접근 방식이 기존 예측 방법과 모델 없는 강화 학습 기준선을 사용한 구현보다 훨씬 우수한 성능을 보였습니다.
