A Forecast Based Load Management Approach For Commercial Buildings -- Comparing LSTM And Standardized Load Profile Techniques
负荷预测问题已经得到了广泛的解决与不同的方法，粒度和目标。最近的研究不仅关注深度学习方法，还关注单个建筑物水平的负荷预测。本研究旨在探讨使用不同的负荷预测技术来管理负荷所产生的问题和可能性。为此，两个神经网络的行为，长短期记忆和前馈神经网络和两种统计方法，标准化负荷曲线和个性化的标准化负荷曲线进行了分析和评估，通过使用滑动窗口预测方法。结果表明，机器学习算法具有能够适应新模式的优势，而个性化的标准化负载配置文件在指标上与测试的深度学习算法相似。作为评估能源管理系统应用程序负载预测支持的案例研究，通过使用负载预测来调度充电程序，模拟充电站与现有建筑物的集成。它表明，这样的系统可以导致显著较低的负荷峰值，超过规定的电网限制，并减少过载的数量相比，不受控制的充电。
2020-07-14 cs.SY eess.SY
Power Management of Nanogrid Cluster with P2P Electricity Trading Based on Future Trends of Load Demand and PV Power Production
本文提出了一种新的对等（P2P）电力交易辅助的纳米网格集群的电源管理。在我们的工作中，集群之间的电力消耗的不平衡，减轻所提出的P2P交易方法。对于单个集群的功率管理，尝试同时最小化总功耗、电网功耗的一部分和调度引起的总延迟的多目标优化。每个集群采用可再生能源光伏（PV）系统作为二次电源。一个集群的暂时剩余的自供电光伏电力可以通过P2P交易出售给另一个经历暂时电力短缺的集群。在电力暂时短缺的集群购买光伏电源，以减少高峰负荷和总延迟。在P2P交易中，买卖双方采用合作博弈模型来最大化各自的福利。为了提高P2P交易效率，在每个集群的功率管理中考虑了负载需求和光伏发电量的未来趋势，以解决负载需求和光伏发电量之间的瞬时不平衡。为此，使用门控递归单元网络来预测未来的负载需求和未来的光伏发电量。仿真结果验证了所提出的纳米网格簇P2P交易的有效性。
2020-12-02 cs.SY eess.SY
Control and Communication Protocols that Enable Smart Building Microgrids
Boston University（波士顿大学）
本文提出基于能量需求量化的新操作框架PDLC，通过优化协议提升智能负载网络的响应能力，并探讨可控性与灵活性的平衡。
2015-04-16 cs.SY eess.SY
Pricing Mechanisms versus Non-Pricing Mechanisms for Demand Side Management in Microgrids
本文对比芬兰赫尔辛基某社区微电网需求侧管理的定价与非定价机制，发现削峰型非定价策略降峰稳流效果更优，价格型策略会抬高峰值与损耗，提出应转向基于削峰等系统需求的DSM策略。
2025-01-17 cs.SY eess.SY
A Load Switching Group based Feeder-level Microgrid Energy Management Algorithm for Service Restoration in Power Distribution System
本文提出了一种基于负载切换组的能量管理系统（LSG-EMS），用于在由一个或多个电网形成分布式能源供电的配电馈线上操作微电网。配电馈线上的负载被分成可以远程接通和断开的负载开关组。LSG-EMS算法被表述为混合整数线性规划（MILP）问题，其目标函数是最大化服务负载，同时最小化切换动作总数。提出了一组新的拓扑约束条件，允许馈线上形成多个微网，并选择最优供电路径，通过最大化客户偏好服务期内的供电持续时间和强制执行最小服务持续时间来考虑客户舒适度。所提出的方法被证明在一个修改后的IEEE 33节点系统，使用实际的客户数据。仿真结果表明，LSG-EMS成功地协调多个网格形成源，通过选择一个最佳的供电拓扑结构，最大限度地提高关键和非关键负载的供电周期，同时最大限度地减少客户服务中断的服务恢复过程中。
2020-11-17 cs.SY eess.SY
Flexibility management with virtual batteries of thermostatically controlled loads: real-time control system and potential in Spain
负荷柔性管理是解决电力系统供需平衡问题的有效途径。由于可再生能源的可变性，这个问题变得越来越困难。恒温控制的负载可以通过虚拟电池进行聚合和管理，它们为物理存储系统提供了具有成本效益和效率的替代方案，以减轻可再生能源的固有可变性。但是虚拟电池需要能够以最小误差跟踪频率调节信号的精确控制系统。开发了一种允许虚拟电池精确跟踪频率或功率信号的实时控制系统。该控制器的性能是由1,000个恒温控制的负载组成的虚拟电池验证。使用虚拟电池配备了开发的控制器，在西班牙的住宅恒温控制负载的研究。该研究的结果量化了该技术在不同气候地区的国家的潜力，并提供了关于虚拟电池作为可再生能源高度渗透的电气系统的可行性的见解。
2021-02-22 cs.SY eess.SY
When Renewable Energy Meets Building Thermal Mass: A Real-time Load Management Scheme
本文提出在噪声干扰条件下，通过用户满意度与电力消费平衡模型优化智能建筑微电网的功率管理，设计了基于Bregemen投影的镜像下降算法并验证其收敛性与有效性。
2018-02-18 cs.SY eess.SY
Multi-Agent Coordination of Thermostatically Controlled Loads by Smart Power Sockets for Electric Demand Side Management
本文提出了一种多智能体控制体系结构和基于动态平均共识的在线优化方法，以协调大量恒温控制负载（TCLs）的功耗。我们的目标是惩罚电力需求高峰，平滑负荷分布和实现需求侧管理（DSM）。所提出的架构和方法仅利用经由智能电源插座（SPS）的功耗的本地测量，而不访问其内部温度。没有集中的信息聚合器被利用，代理人通过匿名合作来保护他们的隐私，只通过基于共识的分布式估计，对节点/链路故障具有鲁棒性。设备之间的交互被设计为通过互联网上的非结构化对等（P2P）网络发生。该体系结构包括新的方法参数识别，状态估计和混合逻辑建模的TCL和SPS。它是从多代理和即插即用的角度设计的，现有的家用电器可以在城市环境中相互交互。最后，提出了一种新的低成本的测试平台，以及数值测试和实验验证。
2019-08-29 cs.SY eess.SY
An Adaptive Load Management System using Predictive Control Optimization
本文提出了一种利用预测控制优化的自适应负载管理系统，该系统能够优化电力消费，完全自主且响应市场 clearing 价格。所选应用领域是空调系统，允许终端用户选择一个舒适区作为优化算法的边界条件。温度函数也进行了推导和测试。通过数值示例展示了该系统在日前和实时数据中的有效性。开发的系统显示出有前景的结果和节省，将提高现有能源资源的利用。最后讨论了该系统的实施，并进行了一些初步建模以展示此类系统的潜在实现。
2018-09-20 cs.SY eess.SY
Demand Response Management For Power Throttling Air Conditioning Loads In Residential Smart Grids
Lahore University of Management Sciences（拉合尔管理科学大学）；Singapore University of Technology and Design（新加坡科技设计大学）
本文提出一种算法以减少住宅智能电网中空调使用带来的高峰负荷影响，通过模拟发现增加一个额外的电力状态可显著降低高峰负荷，但随着状态数增加，可减少的高峰负荷逐渐减少。
2014-08-06 cs.SY eess.SY
Optimal Energy Management for SmartGrids Considering Thermal Load and Dynamic Pricing
Université du Québec Institut National de la Recherche Scientifique Centre Énergie Matériaux Télécommunications（魁北克大学国家科学研究中心能源材料电信中心）
本文针对智能电网中热负荷和动态定价问题，研究了两种应用场景下的能源调度设计，以优化电力用户的收益。
2016-01-25 cs.SY eess.SY
Under-frequency Load Shedding for Power Reserve Management in Islanded Microgrids
本文针对孤岛微电网提出低频减载方案，通过设定不同频率阈值触发减载，利用分段器、智能电表和可控电器，在OPAL-RT平台上验证了恢复功率储备和平衡三相电压的有效性。
2023-09-06 cs.SY eess.SY
Real-Time Residential-Side Joint Energy Storage Management and Load Scheduling with Renewable Integration
Department of Electrical, Computer, and Software Engineering, University of Ontario Institute of Technology（安大略理工大学电气、计算机和软件工程系）
本文研究了在可再生能源接入情况下，如何通过联合优化负载调度和能源存储控制来最小化系统成本，提出了一种基于Lyapunov优化的实时调度和存储控制算法，实现了负载调度和能源存储控制的分离和顺序决策，并通过仿真验证了算法的有效性。
2016-04-13 cs.SY eess.SY
Online Energy Management for a Sustainable Smart Home with an HVAC Load and Random Occupancy
Nanjing University of Posts and Telecommunications（南京邮电大学）；Huazhong University of Science and Technology（华中科技大学）
本文研究了在长期时间范围内最小化能源成本和热不适成本的问题，提出了一种基于Lyapunov优化技术的在线能源管理算法，通过稳定四个队列实现高效能源管理。
2017-09-13 cs.SY eess.SY
Joint Load and Capacity Scheduling for Flexible Radio Resource Management of High-Throughput Satellites
针对高通量卫星非均匀业务需求，提出结合灵活波束-用户映射与带宽分配的负载和容量联合调度方法，实验表明其在可接受复杂度下具有更优需求满足性能。
2024-09-08 cs.SY eess.SY
Load Management of Distribution Systems via Online Dynamic Pricing
EPFL（洛桑联邦理工学院）；ETH Zürich（苏黎世联邦理工学院）；EMPA（瑞士联邦材料科技与测试研究所）
提出一种仅依赖聚合负荷观测的在线反馈优化（OFO）算法，用于日前电价设计，在保护隐私的同时有效降低峰值负荷。
2026-05-26 cs.SY eess.SY
Degradation-aware Predictive Energy Management for Fuel Cell-Battery Ship Power System with Data-driven Load Forecasting
Delft University of Technology（代尔夫特理工大学）；Università degli Studi di Genova（热那亚大学）
本文提出了一种考虑燃料电池退化因素的预测性能源管理策略，通过数据驱动的负载预测减少氢气消耗和电池退化，实验显示在15分钟和1小时预测范围内，氢气消耗和电池退化分别减少5.8%和36.4%。
2026-04-16 cs.SY eess.SY
Implementation of an Energy Management System for Real-Time Power Flow Control in AC Microgrid
微电网系统是由可再生能源与公用电网、储能单元、电动汽车和负载组成的单一可控实体。为了获得高效和低成本的能源，需要根据可再生资源和负载需求管理MG内的功率流。提出了一种基于AC MG的光伏储能并网系统能量管理系统。建议的EMS调节通过AC总线的功率流，考虑到第二天的太阳辐照度预测，关税档案，和一天前的负载需求，以最大限度地降低电力成本。推荐的MG系统的EMS已使用MATLAB/Simulink进行了验证。并以10 kW光伏系统的实时数据对该算法进行了验证。
2022-09-14 cs.SY eess.SY
Scheduling Feasibility of Energy Management in Micro-grids Based on Significant Moment Analysis
C3 IoT；School of Electrical and Computer Engineering, Georgia Institute of Technology（佐治亚理工学院电气与计算机工程学院）
本文研究微电网中电力负荷的运行与调度，提出显著时刻分析方法，通过动态模型评估调度可行性并预测供电能力，解决电力不足时的不足量和时间预测问题。
2016-10-02 cs.SY eess.SY
Strategic Optimization and Demand Response for Thermal Load Management in Multi-Regional Integrated Energy Systems: A Stackelberg Game Approach
针对中国能源系统高耗低效问题，本研究提出基于 Stackelberg 博弈的双层优化模型，利用 KKT 条件与 Big M 方法转化为 MILP 问题求解，实现了多区域热负荷的差异化需求响应管理，平衡了供需双方利益并提升了能源效率。
2024-11-03 cs.SY eess.SY
Optimized Household Demand Management with Local Solar PV Generation
Virginia Commonwealth University（弗吉尼亚联邦大学）
本文提出利用克隆选择算法优化家庭需求管理调度，在存在光伏发电的技术约束下减少电费和电网购电。
2017-06-21 cs.SY eess.SY
An Enhanced Energy Management System Including a Real-Time Load-Redistribution Threat Analysis Tool and Cyber-Physical SCED
针对电力系统的不可检测的负载再分配（LR）攻击是可能的，即使在具有保护方案的系统中也是如此。因此，检测电力系统中的LR攻击并建立纠正措施以提供安全的操作点是必要的。在本文中，我们开发了一个系统的实时LR威胁分析（RTLRTA）工具，它可以标记LR攻击，并确定所有受影响的传输资产。由于攻击者可能会使用随机偏差来创建LR攻击，我们引入了一个优化模型来生成随机LR攻击。因此，我们可以为我们的检测指标确定准确的阈值，并在存在随机LR攻击时测试工具的功能。此外，在攻击后阶段的实际负荷的估计的基础上，我们设计了一组物理线流安全约束（PLFSC），并将其添加到安全约束的经济调度（SCED）模型。我们称之为网络物理SCED（CPSCED）的新模型，它可以适当地响应已识别的LR攻击，并提供安全的调度点。我们在$2383$ -bus波兰测试系统中为不同的目标线路生成随机LR攻击和噪声错误的多个场景，以验证我们提出的方法在检测LR攻击和响应它们方面的准确性和功能。
2020-10-01 cs.SY eess.SY
Transactive Framework for Dynamic Energy Storage Allocation for Critical Load Management
针对分布式能源和可再生能源不确定性对微电网关键负荷供电的挑战，提出一种交互式动态储能分配策略，优化电池备用并保证关键需求，仿真验证其有效性。
2023-09-05 cs.SY eess.SY
Dynamic Power Management Methodology for Distributed Vertical Power Delivery in High-Performance Computing Systems
University of Illinois Chicago（伊利诺伊大学芝加哥分校）
针对分布式垂直供电架构在中轻负载下效率下降的问题，提出一种负载感知的功率系统激活框架，通过空间信息选择激活的电压调节器，减少横向再分布电流和开关损耗，在5%-30%负载范围内维持约87%的效率平台。
2026-05-24 cs.SY eess.SY
A Lightweight Energy Management Method for Hybrid PV/Battery/Load Systems
针对混合光伏/电池/负载系统，提出计算轻量级、价格响应快且无需强硬件的能量管理算法，其运行时间仅为MPC的千分之一，成本较SCM低3.2%，提供电网服务时与MPC成本差异更小。
2025-02-13 cs.SY eess.SY
Model and Load Predictive Control for Design and Energy Management of Shipboard Power Systems
在目前的中压直流（MVDC）船载电力系统（SPS）中，存在多信源以向公共直流总线供电。传统上，这种系统的功率管理通过控制包括燃料操作发电机和底层转换器的发电模块（PGM）来执行。此外，能源管理是由新兴的单一或混合能源存储系统（ESS）。本文提出了一个模型和负荷预测控制框架的电力和能源管理的SPS。这里，具有负载预测的MPC用于三个主要目标：（1）根据发电机和能量存储元件各自的功率状态（SOP）和斜坡速率限制从发电机和能量存储元件请求功率和能量，（2）考虑并整合发电机成本和降级，以及（3）在预测范围结束时达到ESS的特定停车（最终）荷电状态（SOC）。利用MATLAB演示了最优化问题的解决方案，并在实时仿真环境中验证了控制框架的功能。
2021-05-20 cs.SY eess.SY math.OC
Smart Load Node for Nonsmart Load Under Smart Grid Paradigm: A New Home Energy Management System
本文提出一种在智能电网环境下高效运行非智能家电的新方法，通过提出的智能负载节点（SLN）实现低成本的智能管理，无需改变电网或家电结构。
2019-05-26 cs.SY eess.SP eess.SY
Degradation Aware Predictive Energy Management Strategy for Ship Power Systems
将现代防御武器集成到船舶电力系统中，在满足这些负载的高斜坡率要求方面提出了挑战。发电机可能需要满足这些负载的斜坡率。如果不这样做，可能会导致稳定问题。这通过发电机和能量存储元件的聚集来解决，以处理由负载引起的所需电力需求。本文提出了一种基于模型预测控制的能量管理策略，将不确定性的负荷预测。所提出的控制器优化协调发电机和储能元件之间的功率分配，以保证满足功率需求，同时考虑斜坡率限制和负载不确定性。一个低带宽模型，由一个单一的发电机和一个单一的能量存储元件被用来验证所提出的能量管理策略的结果。结果表明，在负载预测的不确定性下的控制器的鲁棒性和负载的不确定性对电池容量损失的影响。
2021-05-25 cs.SY eess.SY math.OC
Adaptive Inductor and Frequency Management for Integrated Power Converters
University of Illinois Chicago（伊利诺伊大学芝加哥分校）
本文提出一种数字控制的自适应功率转换框架，动态协同优化电感配置与开关频率，通过可重构电感架构和滞回控制，在宽负载范围内提升效率，仿真显示平均效率提升4.5个百分点，功率损耗降低32%。
2026-10-06 cs.SY eess.SY
Architecture and Algorithms for Privacy Preserving Thermal Inertial Load Management by A Load Serving Entity
Texas A&M University（德克萨斯农工大学）
本文提出一种隐私保护的热惯性负荷管理架构与算法，通过合同模型保障用户室内温度在舒适范围内，同时解决负荷服务商在不测量空调状态的情况下如何制定电价和实时控制的问题。
2016-11-29 cs.SY eess.SY math.OC
Smart Home Energy Management: Sequence-to-Sequence Load Forecasting and Q-Learning
University of Central Florida（中佛罗里达大学）；University of Ottawa（渥太华大学）
智能家居能源管理系统（HEMS）可以有助于降低客户的能源成本;然而，HEMS在能源生产和消费模式方面都存在不确定性。在本文中，我们提出了一种基于顺序到顺序（Seq 2Seq）学习的供应和负载预测以及基于强化学习的HEMS控制。我们调查的预测方法如何影响HEMS操作。首先，我们使用Seq 2Seq学习来预测光伏（PV）功率和家用设备的负载。然后，我们根据预测结果将Q学习应用于HEMS的离线优化。最后，我们用实际的PV和负荷数据测试了训练好的Q学习方案的在线性能。Seq 2Seq学习在预测和操作层面上与VARMA，SVR和LSTM进行了比较。仿真结果表明，Seq 2Seq算法具有较低的预测误差和在线运行性能。
2021-09-25 cs.LG cs.SY eess.SY
A Cloud-Based Energy Management Strategy for Hybrid Electric City Bus Considering Real-Time Passenger Load Prediction
University of California, Berkeley（加州大学伯克利分校）；Clemson University（克莱姆森大学）；University of Texas, Austin（德克萨斯大学奥斯汀分校）；University of Michigan（密歇根大学）
电动城市公交车因其低温室气体排放、低噪音等优点近年来得到了广泛的应用。与乘用车不同，城市公交车的重量随着乘客数量的不同而变化。在分析了电池老化和乘客负荷对最优能量管理策略影响的重要性后，将乘客负荷预测引入到混合动力城市公交车能量管理问题中，这在现有文献中还没有得到很好的研究。比较了平均模型、决策树模型、梯度提升决策树模型和神经网络模型在客运量预测中的应用。选择梯度提升决策树模型是因为它具有最佳的准确性和高稳定性。给定预测的乘客负载，动态规划算法通过利用云技术优化电池老化和能源使用来确定超级电容器和电池的最佳电力需求。然后，对动态规划结果进行规则提取，并将规则实时加载到车辆车载控制器以处理预测误差和不确定性。提出的基于云的动态规划和规则提取框架与乘客负载预测显示，在非高峰和高峰时段，公交运营成本分别降低4%和11%。该框架的运营成本小于动态规划的1%，与真实的乘客负载信息。
2023-02-07 cs.LG cs.SY eess.SY
Development and Evaluation of an Online Home Energy Management Strategy for Load Coordination in Smart Homes with Renewable Energy Sources
针对含可再生能源的智能家居，提出基于序贯模型预测控制与遗传算法的实时负荷协调策略，可在减少干扰的同时降低约5%电网成本。
2023-04-23 cs.SY eess.SY math.OC
Dynamic Power Management in Modular Reconfigurable Battery Systems with Energy and Power Modules
提出一种带耦合电感的交流电池模块化可重构拓扑，动态管理能量与功率模块间的能量分配，并采用前馈-反馈控制策略解决并联电池循环电流问题，确保系统在正常及重载下稳定高效运行。
2024-12-23 cs.SY eess.SY
A Linear Pricing Mechanism for Load Management in Day-Ahead Retail Energy Markets
本文提出一种日前零售电力市场的线性定价机制，通过广播线性价格信号引导客户负荷，缓解过度消耗并实现拥堵管理，无需双向通信或投标程序。
2025-09-09 cs.SY econ.GN eess.SY
Receding Horizon Games with Coupling Constraints for Demand-Side Management
分布式储能和灵活负载是确保电网稳定和稳健运行的重要工具，尽管由于广泛电气化而带来的不稳定的可再生能源发电和增加峰值负载的整合所带来的挑战。本文提出了一种基于滚动时域博弈的需求侧管理策略，这是一个闭环的滚动时域实现的游戏理论的日前规划。实际稳定性和递归约束满足的建议反馈控制策略的对称定价的假设下，使用博弈论和经济模型预测控制的工具被证明。我们的数值研究表明，所提出的方法是优于标准的开环日头实现的调峰，扰动抑制，和控制性能。
2022-06-13 cs.SY eess.SY
Grid Topology Optimization for Congestion Management Under High Renewable Penetrations and Discrete Load Growth
KU Leuven（荷语鲁汶大学）；Energy Transmission Competence Hub (Etch) - EnergyVille（能源传输能力中心（Etch）- 能源村）；University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
本文提出一种方法，通过LPAC近似和AC可行性检查，在IEEE 118节点系统中识别少量高价值母线拓扑，在离散负荷增长下降低发电成本最多0.147%，为系统运营商提供实用选择方案。
2026-09-16 cs.SY eess.SY
Virtual Microgrid Management via Software-defined Energy Network for Electricity Sharing
数字化导致各个部门的商品分配发生了根本性的变化。趋势是从传统的买方-卖方市场转向基于订阅的按需"智能"匹配平台，这是由普及的信通技术促成的。这背后的驱动力在于这样一个事实，即过去稀缺的资产现在很容易变得充裕，接近于零边际成本。这在电气化能源系统中也正在成为现实，因为太阳能和风能等分布式可再生能源的大幅增长;电池和热泵等小型存储单元的数量不断增加;以及能够实现需求侧管理的灵活负载的可用性。在这种情况下，本文提出了一种系统架构的基础上的逻辑（网络）关联的空间分布（物理）元素作为一种方法来建立一个虚拟的微电网作为一个软件定义的能源网络（SDEN），使分组化的能源管理。所提出的网络-物理系统假定电能在其成员之间共享，并且通过由计算机网络、无线通信和对等互联网应用（例如，BitTorrent）。该提案具有双重好处：（i）通过消除不必要和昂贵的中介来降低当前基于市场的解决方案的复杂性，（ii）根据其个人需求保证所有虚拟微电网成员的能源接入。本文的结论是，拟议的解决方案总体上符合现有法规，但具有高度破坏性的潜力，在中长期内组织一个主要的电气化能源系统，作为最近开发的面向社会的微电网提案的技术对应。
2021-03-03 cs.CY cs.SY eess.SY
Operational Value of Multi-Horizon Load Forecasts for Energy Management in a Hydrogen-Enabled Community Microgrid
Central Queensland University（中央昆士兰大学）；An-Najah National University（安纳贾国家大学）；The University of New South Wales, Canberra（新南威尔士大学堪培拉校区）
研究氢能社区微电网能量管理问题，核心方法是扩展近端策略优化（PPO）能量管理系统，添加多时段社区负荷预测。主要贡献是虽预测准确性有限，但能提前收敛、增加奖励、提升可再生能源利用率及节省成本。
2026-08-03 cs.SY eess.SY
Stochastic Gradient-based Fast Distributed Multi-Energy Management for an Industrial Park with Temporally-Coupled Constraints
当代工业园区面临着能源供应高成本和低效率的挑战。此外，在电力供需不确定的情况下，如何调动具有延迟容忍能力的弹性负荷，并对非弹性负荷进行实时补偿，以实现多能源发电/储能的匹配，并使能源成本最小化，是一个关键问题。由于不知道随机变量的统计信息很难实现离线能源管理，本文提出了一种系统的在线能源成本最小化框架，以实现发电、需求和价格时变的多能源互补利用。具体到实现充电/放电的限制，由于存储和短期的能量平衡，一个快速的分布式算法的基础上随机梯度与两个时标的实现，以确保在线实施。为了降低高峰负荷，通过估计用户的转移意愿来实施激励机制。参数设置的分析结果也给出了保证所提出的设计的可行性和最优性。数值结果表明，当竞价价差足够小时，该算法可以渐近地获得接近最优的成本。
2022-04-08 cs.SY eess.SY
Cooling-Aware Resource Allocation and Load Management for Mobile Edge Computing Systems
在物联网（IoT）爆炸性计算需求的驱动下，移动边缘计算（MEC）为增强移动用户的计算能力提供了一种有前途的技术。在本文中，我们提出了一种联合资源分配和负载管理机制，在MEC系统与无线功率传输（WPT），通过联合优化WPT的发射功率，本地/边缘计算负载，卸载时间，和频率的中央处理器（CPU）在接入点（AP）和用户。为了实现节能和可持续的WPT-MEC系统，我们最大限度地减少AP的总能耗，同时满足计算延迟要求。在最小化MEC系统的能量消耗时，考虑了不可忽略的冷却能量。通过严格编排最先进的优化技术，我们设计了一个迭代算法，并获得半封闭形式的最优解。基于解决方案，有趣的性质和见解进行了总结。大量的数值测试表明，该算法可以节省高达90.4%的现有基准的能量。
2020-06-19 cs.SY eess.SP eess.SY
Distribution and Management of Datacenter Load Decoupling
University of Chicago（芝加哥大学）；Argonne National Lab（阿贡国家实验室）
针对AI和云数据中心高功耗与电网可再生能源波动性的冲突，提出通过负载解耦创造灵活性，研究其分布与管理方法，优化分布可低代价实现高碳减排，协作管理提升减排效果且具经济可行性。
2025-11-12 cs.DC cs.SY eess.SY
Using conservative voltage reduction and dynamic thermal rating for congestion management of power network
本研究提出一个配电网峰值负荷管理框架，结合保守电压降低（CVR）与动态热额定值（DTR），有效应对峰值负荷，相比单独使用CVR，成本节约增加58.75个百分点。
2023-09-12 cs.SY eess.SY
A Simplified Model for the Battery Ageing Potential Under Highly Rippled Load for Battery Management and Active Degradation Control
而在典型的标准化测试中，电池几乎完全加载恒定电流或相对缓慢变化的周期，实际应用涉及快速负载纹波，这对净能量没有贡献。减少滤波电容器甚至动态可重构电池的趋势进一步增加了纹波。因此，纹波负载对锂电池的影响越来越受到关注。根据最近的研究，加速老化在很大程度上取决于纹波的频率。我们使用电化学模型来推导出一个高度简化的回归模型，该模型捕获渐近行为，并允许对特定电池进行参数识别和校准。该模型允许定量监测由于电池管理系统中的纹波电流而引起的额外老化。此外，它能够通过影响现代电池系统（如可重构电池）中的频率内容来主动控制老化潜力。
2022-09-19 cond-mat.mtrl-sci cs.SY eess.SY
A Multi-Head Convolutional Neural Network Based Non-Intrusive Load Monitoring Algorithm Under Dynamic Grid Voltage Conditions
近年来，非侵入式负载监控（NILM）由于其在节能和管理方面的潜力，已成为配电级能源管理系统的重要工具。然而，由于实时负载的高度可变性和变化的负载组成，智能建筑环境中的负载监测是具有挑战性的。此外，随着智能电表数据量和维度的增加，准确性和计算时间是关键的关注因素。鉴于这些挑战，本文提出了一种改进的NILM技术，在动态电网电压条件下使用多头（Mh-Net）卷积神经网络（CNN）。在所提出的CNN模型中引入了注意层，这有助于提高设备功耗的估计精度。所开发的模型的性能已被验证的实验室设置为多个器具集不同的功耗水平，动态电网电压下。此外，该模型的有效性已被验证广泛使用的UK-DALE数据，其性能已与现有的NILM技术进行了比较。结果表明，该模型准确地识别设备，功耗和他们的使用时间，即使在实际的动态电网电压条件。
2022-05-31 cs.SY eess.SY
Grocery Store Flexibility Management Using Model Predictive Control With Neural Networks
随着越来越多的能源由可再生能源（RES）生产，平衡生产和消费的挑战正在转移到消费者而不是电网。这就需要在个别建筑物和地区层面上采用新的、智能的灵活性管理方法。为此，本文提出了一种嵌入深度神经网络的基于模型的最优控制（MPC）算法，用于日前的消费和生产预测。该算法用于优化位于芬兰的一个中型杂货店的能源消耗。系统在模拟工具中进行了测试，利用现实生活中的电力测量从杂货店。我们报告了一个$8.4\%$减少日常峰值负荷的灵活性提供了一个$20$千瓦时电池。另一方面，在试图优化能源现货价格方面没有看到明显的好处。我们的结论是，我们的方法是能够显着降低在杂货店的峰值负荷，而无需额外的运营成本。
2020-01-21 cs.SY eess.SY
A hierarchical distributed predictive control approach for microgrids energy management
本文讨论了典型微电网中能源资源的管理和协调问题，包括智能建筑作为灵活负载、储能和可再生能源。总体目标是提供一个全面和创新的框架，以最大限度地提高整体效益，仍然考虑到可能的请求，以改变来自电网的负载配置文件，并让每个建筑物或用户在服务这些请求和满足自己的舒适度之间取得平衡。决策过程中的用户参与是由一个管理和控制解决方案，利用创新的分布式模型预测控制方法与协调授予。此外，还提出了一种分层结构，将分布式MPC用户侧与微电网控制集成，也是用MPC技术实现的。所提出的整体方法已实施和测试的实验室设施的分布式能源系统（智能RUE）在NTUA，雅典，希腊的几个实验。仿真分析和结果补充了测试，显示了该方法的准确性和潜力，也从实施的角度。
2020-06-01 cs.SY eess.SY
A Comprehensive Energy Management Application Method considering Smart Home Occupant Behavior using IoT and Real Big Data
本文提出一种基于物联网和真实大数据的智能家居分散式能源管理系统，利用MILP优化负荷调度，在减少对住户用电习惯干扰的同时显著降低能源成本、峰均比和标准差。
2025-02-09 cs.SY eess.SY
Demand side management impacts on electricity network vulnerability
对电力的需求正在经历相当大的空间和时间变化。随着高效技术的采用和电气化程度的提高，有必要更好地了解需求模式的潜在变化如何影响网络的可靠性。我们量化的宏观经济影响的潜在未来变化的需求配置文件的电力网络发电短缺。应用于英国，潜在的节省或损失进行评估的变化，峰值需求下四个不同的负载配置文件：（一）目前的一天，（二）广泛采用高效电器，（三）部署热泵，（四）移动到一个理想化的完全平衡的负载配置文件。在不同的需求类型之间和整个英国，都观察到经济中断的相当大的变化。当电网发电能力严重中断时，我们估计每增加一吉瓦的国家电力需求，每小时的宏观经济影响将增加高达123万英镑。如果通过需求方管理减少高峰需求，也可以实现类似的影响减少。我们的结论是，与风险相关的经济影响与能源需求的时间模式直接相关，需要纳入围绕需求侧措施的决策。我们发现，如果没有伴随需求侧管理的脱碳战略，可能会导致经济损失增加，而没有供应侧干预。
2020-08-11 cs.SY eess.SY
Modeling, Prediction and Risk Management of Distribution System Voltages with Non-Gaussian Probability Distributions
针对高比例可再生能源导致的配电网电压越限风险，提出基于高斯混合模型的不确定电压分量预测方法，实现非高斯电压分布的风险评估与管理，风险偏差仅为传统方法的15%。
2024-11-07 cs.SY eess.SY
Continuous Multiagent Control using Collective Behavior Entropy for Large-Scale Home Energy Management
Nanyang Technological University（南洋理工大学）；Tianjin University（天津大学）；Noah’s Ark Lab, Huawei（华为诺亚方舟实验室）
随着电动汽车、分布式发电和储能设施在智能电网系统中的日益普及，有效的需求侧管理（DSM）成为节能降耗的迫切需求。传统的需求侧管理工作侧重于优化单个家庭的能源活动，无法扩展到大规模的家庭能源管理问题。多智能体深度强化学习（MA-DRL）显示了解决可扩展性问题的潜在方法，其中现代家庭相互作用，以减少能源消费者的消耗，同时在能源成本和峰值负载降低之间取得平衡。然而，这是很难解决这样的环境与非平稳性，现有的MA-DRL方法不能有效地给预期的群体行为的激励。在本文中，我们提出了一个集体的MA-DRL算法与连续的行动空间，以提供细粒度的控制在大规模的微电网。为了缓解微电网环境的非平稳性，提出了一种新的预测模型来衡量集体市场行为。此外，还引入了集体行为熵来降低智能电网中所有住户集体行为所带来的高峰负荷。实证结果表明，我们的方法显着优于国家的最先进的方法，降低电力成本和每日高峰负荷优化。
2020-05-14 cs.AI cs.SY eess.SY
Model Predictive Control for Automotive Climate Control Systems via Value Function Approximation
在轻型汽车的辅助负载中，空调系统是最大的单一能耗。对于电动汽车来说，加热和冷却负载的影响变得更加重要，因为它们与动力系统竞争电池能源使用，并且可以显着降低续航里程或性能。虽然在电动汽车的最佳能源管理和生态驾驶的车辆速度优化领域已经做了大量的工作，但很少有贡献涉及加热和冷却负荷的能量最佳控制的应用。提出了一种基于模型预测控制的电气化动力总成热管理系统能量管理策略。从捕获热交换器中的制冷剂的动态和系统的功率消耗的蒸气压缩制冷系统的非线性模型开始，制定约束多目标最优控制问题以在跟踪期望的热设定点的同时减少能量消耗。提出了一种有效的MPC的实时应用，通过引入一个终端成本获得的近似的全局最优解。
2021-10-19 cs.SY eess.SY
Community Energy Management System for Fast Frequency Response: A Hierarchical Control Approach
针对可再生能源导致系统惯性下降、单个建筑能源管理系统难以满足快速频率响应需求的问题，本文提出一种三层分层控制的社区能源管理系统，通过协调分布式能源与建筑负荷，在光伏不确定性下实现成本降低10%和快速频率响应容量提升24%。
2025-03-07 cs.SY eess.SY
Inference as Flexibility: Ramp Management for Transmission-Connected AI Data Centres
University of Michigan（密歇根大学）
针对AI数据中心快速爬坡等挑战，提出利用大语言模型推理作为内生灵活性资源，与电池储能协调控制，减少71%储能放电能量和51%峰值放电功率。
2026-06-23 cs.SY eess.SY
