Coordinated Scheduling of Electric Vehicles Within Zero Carbon Emission Hybrid AC/DC Microgrids
具有AC/DC架构的微电网受益于AC和DC功率两者的优点。研究了电动汽车(EV)存在下的零碳交直流微电网的日常运行问题。在这个框架中,电动汽车的电池是移动能量存储系统,它允许微电网在高峰需求时间的理想操作。研究表明,在没有储能系统的情况下,电动汽车的电池可以得到适当的管理,以满足系统的要求。在案例研究中,几个敏感性分析的基础上的变化,电池退化成本,太阳辐照度,逆变器容量进行了研究。
2021-11-16 cs.SY eess.SY
Microgrid Optimal Energy Scheduling with Risk Analysis
目前微电网资源调度优化中的风险分析还没有量化。对含分布式能源的居民微网进行了条件风险价值(cVaR)分析。我们假设建立自组织微电网的基础设施已经到位,用于具有光伏(PV),柴油和电池储能系统(BESS)等电源的居民区。考虑到这种情况,我们解决了提前一天的调度,以优化分配各种资源,以满足社区,特别是住宅区与整个电网断开连接的情况下的需求,如洪水,飓风,冬季风暴或运营故障。其目标是提供一个替代框架,以优化优先客户的电力可用性,并加强整体电网对正常运行考虑之外的电力下降的影响。本文的重点将是在最小化成本的同时,将光伏与柴油和BESS相结合的可再生能源纳入其中。案例研究表明,通过拟议的能源管理系统,可以实施微电网,以应对新的挑战。
2023-01-04 cs.SY eess.SY
Distributed CPU Scheduling Subject to Nonlinear Constraints
本文考虑了一个非线性模型约束下的局部资源分配协作代理网络。在许多应用中,要求(或期望)解决方案在满足保和全局约束方面是随时可行的。基于此,本文给出了非线性映射任意时刻可行(或非渐近可行)的充分条件。对于这两个分布式解决方案,一个收敛于有向权重平衡网络,另一个收敛于无向网络。特别是,我们详细介绍了均匀量化,并讨论了ε-精确解的概念,它给出了一个估计,我们可以接近精确的优化器受到不同的量化水平。这项工作,进一步,处理一般(可能非二次)严格凸的目标函数与应用程序的CPU分配之间的云数据中心通过分布式解决方案。结果可以被用来作为一个协调机制,以最佳平衡的任务和CPU资源之间的一组联网的服务器,同时解决量化或有限的服务器容量。索引术语:多智能体系统,保和资源分配,分布式优化,随时可行性
2022-08-30 cs.SY eess.SY math.OC
Branching Dueling Q-Network Based Online Scheduling of a Microgrid With Distributed Energy Storage Systems
这封信研究了一种基于分支决斗Q网络(BDQ)的微电网在线运行策略,该微电网具有在不确定性下运行的分布式电池储能系统(BESS)。开发的基于深度强化学习(DRL)的微电网在线优化策略可以实现神经网络输出数量随分布式BESS数量的线性增加,克服了多个BESS充放电决策带来的维度灾难。数值仿真验证了该方法的有效性。
2021-05-27 cs.SY eess.SY
Cooperative Energy Scheduling for Microgrids under Peak Demand Energy Plans
提出了一种协同能量调度方法,允许一组微电网的联合能量优化,以实现成本节约,微电网不能单独实现。所讨论的微电网可以是在包括使用时间(ToU)和峰值需求费用两者的公用事业电价计划下的配电网络中的商业实体。将稳定运行定义为所有微电网都愿意参与的情况,结果表明,在这种费率计划下,特别是由于峰值需求收费,看似公平的成本分布并不一定会导致稳定的合作。这些结果来自本文使用的概念,从合作博弈。因此,寻求设计一种稳定的成本分配算法,该算法在最大化参与微电网之间的某种公平性的同时,确保它们都从它们的参与中受益。一个简单的案例研究,展示了公平性和稳定性方面的合作。
2020-01-31 cs.SY eess.SY
Frequency-Constrained Resilient Scheduling of Microgrid: A Distributionally Robust Approach
为了防止潜在的频率不稳定性,由于高电力电子(PE)渗透下无意孤岛事件,本文提出了一种新的微电网调度模型,明确建模系统频率动态以及与可再生能源资源和负荷的长期/短期的不确定性。合成惯性(SI)控制被应用于调节基于逆变器的发电机(IBG)的有功功率输出,以支持孤岛后频率评估。与非临界甩负荷相关的不确定性明确建模的基础上的分布鲁棒制剂,以确保弹性操作孤岛事件。由此产生的频率约束解析推导和重新制定成二阶锥(SOC)的形式,这是进一步纳入微电网调度模型,使最佳的SI提供可再生能源(RES)从微电网的角度来看。通过对交流潮流约束的SOC松弛,将整个问题构造为一个混合整数SOC规划(MISOCP)。基于改进的IEEE 14节点系统验证了该模型的有效性。
2021-06-30 cs.SY eess.SY
Online Scheduling of a Residential Microgrid via Monte-Carlo Tree Search and a Learned Model
分布式可再生能源的不确定性给微电网的经济运行带来了重大挑战。传统的在线优化方法需要预测模型。然而,准确预测可再生能源发电量仍然是一项艰巨的任务。为了实现在线调度的住宅微电网(RM),不需要预测模型来预测未来的光伏/风能和负载功率序列,本文研究了使用强化学习(RL)方法来解决这一挑战。具体来说,基于最近开发的基于模型的强化学习,MuZero,我们研究其应用于RM调度问题。为适应RM调度应用的特点,设计了一种将基于模型的RL Agent与数学优化技术相结合的优化框架,并采用长短期记忆(LSTM)单元从过去的可再生能源发电和负荷序列中提取特征.在每一个时间步,最优决策是通过进行蒙特卡洛树搜索(MCTS)与学习模型和解决最优潮流子问题。通过这种方式,这种方法可以在线顺序地做出运营决策,而不依赖于预测模型。数值仿真结果验证了该算法的有效性。
2020-10-05 cs.SY eess.SY
Considering the multi-time scale rolling optimization scheduling method of micro-energy network connected to electric vehicles
针对电动汽车接入微能源网带来的调度挑战,提出基于Minkowski求和聚合电动车、结合两类需求响应的多时间尺度两阶段滚动调度方法,可提升新能源消纳效率与系统经济性。
2025-06-17 cs.SY eess.SY
Distributed Multi-Step Power Scheduling and Cost Allocation for Cooperative Microgrids
North Carolina State University(北卡罗来纳州立大学)
本文提出分布式多步协同能源调度算法,用于微电网中电力调度与成本分配,通过纳什谈判解实现公平的成本分配,分析系统参数对调度和成本的影响。
2017-02-03 cs.SY eess.SY
A Fast Dynamic Internal Predictive Power Scheduling Approach for Power Management in Microgrids
Indian Institute of Science(印度科学学院);National Renewable Energy Laboratory(美国国家可再生能源实验室);TVS Sensing Solutions(TVS传感解决方案);Nanyang Technological University(南洋理工大学)
本文提出了一种动态内部预测性电力调度方法,通过优化外部电力交换来提升微电网的电力管理效率,采用混合整数非线性规划转换为混合整数线性规划以降低计算复杂度。
2024-09-25 cs.SY eess.SY
Adaptive Electricity Scheduling in Microgrids
Auburn University(奥本大学)
提出基于电能服务质量(QoSE)的微电网自适应调度算法,利用Lyapunov优化在线决策以最小化成本并控制停电概率。
2013-01-03 cs.SY eess.SY
Cooperative Energy Scheduling of Multi-Microgrids Based on Risk-Sensitive Reinforcement Learning
Guangxi University(广西大学);Tsinghua University(清华大学);The Hong Kong Polytechnic University(香港理工大学);Aalto University(阿尔托大学);Charleston Southern University(查尔斯顿南方大学)
本文提出基于共享内存的风险敏感强化学习框架,用于多微电网的协同能源调度,通过量化个体与联合风险值关系提升调度可靠性与经济性。
2025-12-19 cs.SY eess.SY
AI-based Optimal scheduling of Renewable AC Microgrids with bidirectional LSTM-Based Wind Power Forecasting
Islamic Azad University(伊斯兰阿扎德大学);Iranian University of Science and Technology(伊朗科技大学);Shiraz University of Technology(设拉子理工大学);Electric reliability council of Texas(得克萨斯州电力可靠性委员会)
就微电网的运行而言,优化调度是必须考虑的重要问题。在这方面,本文提出了一个有效的框架,可再生能源微电网的优化调度考虑储能设备,风力涡轮机,微型涡轮机。由于微电网运行问题的非线性和复杂性,使用精确和鲁棒的优化技术来有效地解决这个问题是至关重要的。为此,在所提出的框架中,教师学习为基础的优化是用来有效地解决系统中的调度问题。此外,提出了一种基于双向长短期记忆的深度学习模型来解决短期风电功率预测问题。采用IEEE 33节点测试系统验证了该框架的可行性和性能,以及风电功率预测对系统运行效率的影响。此外,澳大利亚羊毛北风网站的数据被用作一个真实世界的数据集,以评估预测模型的性能。结果表明,所提出的框架在微电网的优化调度的有效性和高效的性能。
2022-08-09 cs.AI cs.SY eess.SY
Robust Power Scheduling for Microgrids with Uncertainty in Renewable Energy Generation
Mechanical and Aerospace Engineering University of California San Diego(加州大学圣地亚哥分校机械与航空航天工程系)
本文提出了一种鲁棒功率调度算法,用于在主电网和包含太阳能发电和电池储能的微电网之间调度电力流量,以应对太阳能发电的不确定性。通过引入时间变化的'软'约束来限制电池的荷电状态(SoC),以避免功率调度过于保守,同时保证对不确定性的鲁棒性。该方法通过递推时间 horizon 的模型预测方法,确保最终解决方案在每一步都符合硬性 SoC 限制。每个步骤的优化问题被建模为二次规划问题,并通过迭代求解来找到最接近硬性约束的软约束,同时保证可行解。优化结果证明了该方法的有效性。
2019-02-21 cs.SY eess.SY
Competitive Prediction-Aware Online Algorithms for Energy Generation Scheduling in Microgrids
在许多问题领域中,存在着不确定未来信息的在线决策问题。在微电网能源发电调度的关键问题中,考虑到间歇性可再生能源发电和波动的需求,需要决定何时在具有启动成本的廉价本地发电机和成本更高的按需外部电网之间切换能源供应。在不了解未来输入的情况下,有竞争力的在线算法很有吸引力,因为它们提供了针对最优离线解决方案的最优性保证。但实际上,未来的投入,例如,风力发电通常在有限的时间窗口内是可预测的,并且可以被利用来进一步提高在线算法的竞争力。在本文中,我们利用预测窗口中的信息结构,设计了一种新的预测感知的在线微电网发电调度算法。我们的算法实现了最好的竞争比,以日期为这个重要的问题,这是最多$3-2/(1+\mathcal{O}(\frac{1}{w})),$,其中$w$是预测窗口大小。我们还刻画了一个非平凡的竞争比的下界,并表明,我们的算法的竞争比是只有$9\%$远离下界,当几个小时的预测是可用的。基于真实轨迹的仿真结果证实了我们的理论分析,并突出了我们新的预测感知设计的优势。
2022-05-27 cs.SY eess.SY
Energy-Efficient Scheduling for Homogeneous Multiprocessor Systems
Imperial College London(帝国理工学院)
本文提出基于数学优化的新算法,用于解决同构多处理器调度问题,以最小化总能耗。通过流模型和全局调度方案,提出可解的线性规划,优于现有方法,实现可行性与能耗最优,部分任务集节能达80%。
2015-11-12 cs.OS cs.SY eess.SY
Decision-Focused Learning for Optimal Battery Scheduling Under Load and Photovoltaic Power Uncertainty in Microgrids
Politecnico di Milano(米兰理工大学);Polytechnique Montréal, GERAD & Mila(蒙特利尔高等商学院、GERAD与Mila)
本研究针对微电网负荷与光伏功率不确定性问题,提出决策聚焦学习(DFL)框架训练预测器,可降低运行成本、消除负荷削减,证实预测精度与决策质量无单调关系。
2026-10-14 cs.SY eess.SY
Distributed Energy Trading and Scheduling among Microgrids via Multiagent Reinforcement Learning
可再生能源发电的发展使微电网能够发电,自我供应,并在能源市场上交易盈余。为了最大限度地降低总成本,微电网必须确定如何调度其能源资源和电力负荷,以及如何与他人进行交易。控制决策受到各种因素的影响,例如能量存储、可再生能源产量、电力负荷以及来自其他微电网的竞争。由于互联微电网的复杂性、可再生能源发电和消费的不确定性以及微电网之间的相互作用,做出最优控制决策具有挑战性。以往的研究主要采用基于模型的方法来获得控制决策,但这些方法依赖于未来系统动态的精确信息,而这些信息在复杂的环境中很难获得。这项工作提供了一个新的视角,通过直接与环境交互来获得分布式能源交易和调度的最优控制策略,并提出了一种多智能体深度强化学习方法来学习最优控制策略。每个微电网被建模为一个代理,不同的代理协作学习,以最大限度地提高他们的回报。每个微网的Agent可以在不知道其他微网信息的情况下做出本地调度决策,很好地维护了每个微网的自治性。我们使用真实世界的数据集来评估我们所提出的方法的性能。实验结果表明,与基线方法相比,该方法可以显著降低微电网的成本。
2020-07-09 cs.MA cs.SY eess.SY
Incorporating demand response of electric vehicles in scheduling of isolated microgrids with renewables using a bi-level programming approach
在这项工作中,提出了一种新的优化调度方法,孤立的微电网(MG)与可再生能源发电的电动汽车(EV)的需求响应。首先,提出了一种基于双层规划的MG调度模型下的实时定价环境中,上层和下层寻求最小化MG净运营成本和电动汽车充电成本。其次,提出了一种求解该模型的混合算法JAYA-内点法。仿真结果表明,引入电动汽车需求响应能够引导电动汽车用户积极参与MG调度,实现调峰,为平衡MG和电动汽车用户之间的利益提供了根本途径。
2019-08-18 cs.SY eess.SP eess.SY
Energy-Efficient Real-Time Scheduling for Two-Type Heterogeneous Multiprocessors
Imperial College London(帝国理工学院)
本文提出三种新的数学优化方法,解决具有硬约束的实时任务集的两种类型异构多处理器调度问题。通过全局调度方案和流模型,算法在任务负荷分配和执行顺序确定上具有线性复杂度,实现可行性最优和能耗最优,且在某些约束截止期限的任务集中可实现高达40%的能耗节省。
2016-07-15 cs.DC cs.OS cs.SY
Optimal EV Charging Scheduling at Electric Railway Stations Under Peak Load Constraints
本研究提出一种新型EMS算法,将EV出发时荷电状态作为优化变量并纳入峰值负荷约束,利用EV充电灵活性防止铁路车站充电与运营结合场景的过载,经瑞士实际铁路线场景树数值研究验证了其有效性与可行性。
2024-04-11 cs.SY eess.SY
A Routing and Link Scheduling Strategy for Smart Grid NAN Communications
随着智能设备在电网中的大规模部署,研究工作需要越来越多地关注所生成信息的有效通信。本文描述了一种策略,静态路由和调度的消息在多跳无线智能电网的邻居区域网络(NAN)与多个源节点和一组共同的目的地或网关。该问题被制定为一个混合线性规划(MILP),并使用商业优化求解器CPLEX解决。使用不同的网络模型,约束条件,消息注入速率和初始条件的方案的可行性进行了论证。结果表明,所提出的方法可以用来产生一个最佳的链路调度收集用户产生的出价在交易的能源市场在尽可能少的时间。它还表明,该方法适用于多个目的地节点,它们的位置影响消息传递时间。
2019-11-11 cs.NI cs.SY eess.SY
A Real-Time System for Scheduling and Managing UAV Delivery in Urban Areas
School of Computer Science, Sun Yat-sen University(中山大学计算机学院)
本文提出基于'机场-卸货站'模型的实时调度管理系统,通过自主地面车辆、无人机和地面人员的协同调度方案,提升城市无人机配送效率。
2026-03-23 cs.RO cs.SY eess.SY
Distributionally Robust Frequency-Constrained Microgrid Scheduling Towards Seamless Islanding
针对微电网非计划孤岛引发的功率失衡与频率安全问题,提出一种分布鲁棒频率约束调度模型,通过协同优化机组组合、频率响应备用及虚拟惯量等,确保系统在非计划孤岛期间的频率安全,并验证了其有效性。
2024-01-07 cs.SY eess.SY math.OC
Flexibility-constrained Operation Scheduling of Active Distribution Networks with Microgrids
关于可再生能源(RES)的可变性,特别是在运行时间段,其高渗透率面临的电力系统的净负荷模式与一个主要的斜坡率的挑战。尽管独立系统运营商(ISO)采用基于市场的机制可以解决这一挑战,但可能无法在所有网络中应对这一挑战。在这样的网络中,所需的灵活性可以通过降低配电公司(迪斯科)从市场购买的电力的斜坡率来提供,因为它们的净负荷对系统的净负荷具有重要影响。因此,本文提出了一个灵活性约束的操作问题的分布式能源(DER)和微电网(MG)的配电网,以减少斜坡率的迪斯科的购买电力从市场上。这个问题是制定使用一个双层两阶段的随机模型的迪斯科和MG的问题建模为上层和下层的问题,分别。该模型被应用到IEEE 33节点标准测试网络与三个MG。结果表明,该模型的有效性,以减少斜坡率的迪斯科舞厅的购买电力从市场。
2020-12-12 cs.SY eess.SY
Joint Scheduling of Workload Demand and Energy Supply in Low-carbon Data Centers with Decision-Dependent Uncertainty Set
本文提出基于决策依赖不确定性集的工作负载分类模型,用于低碳数据中心中工作负载与能源供应的联合调度优化。
2025-12-04 cs.SY eess.SY
Hierarchical Multi-timescale Framework For Operation of Dynamic Community Microgrid
配电系统集成的社区微电网(CMG)可以在长时间停电期间恢复负荷。CMG面临资源有限、缺乏强大的电网支持和供需不确定性的挑战。为了解决这些挑战,本文提出了一个三阶段分层多时标框架调度和实时(RT)调度的CMG。还考虑了CMG动态扩展其边界以支持相邻网格部分的能力。第一阶段解决了随机日前(DA)调度问题,以获得最佳资源配给的转诊计划。中间近实时调度阶段更新DA调度更接近调度时间,然后是RT调度阶段。所提出的方法进行了验证,通过数值模拟的修改后的IEEE 123节点系统,这表明优越的性能,在RT负载提供不同的预测误差的情况下,停电持续时间的情况下,对传统上使用的两阶段的方法。
2021-01-06 cs.SY eess.SY
Feasibility Study of Microsecond Pulsed Microwave Ablation using a Minimally Invasive Antenna
在这项研究中,我们建立了使用微秒脉冲微波消融(MWA)作为传统的连续波(CW)MWA的替代品产生局部消融区的可行性。我们验证了一个薄的浮动套管偶极消融探头可以承受峰值功率高达25千瓦的脉冲功率输送,脉冲宽度约为1 μ s。我们使用CW和脉冲操作模式在蛋清中进行了MWA实验,发现当平均功率和手术持续时间相等时,通过脉冲MWA实现的消融区在尺寸上与通过CW MWA创建的消融区相当。最后,我们在牛肝脏中进行了脉冲MWA实验,并证实脉冲MWA始终产生大的局部消融区和超过100°C的温度。建立脉冲MWA的可行性为开发耦合MWA治疗和成像系统提供了机会,该系统使用脉冲MWA和微波诱导的热声信号来实时监测MWA。
2021-02-12 cs.SY eess.SY physics.med-ph
A Robust Optimization Framework for Flexible Industrial Energy Scheduling: Application to a Cement Plant with Market Participation
CARTIF Technology Centre(CARTIF技术中心);Instituto de las Tecnologías Avanzadas de la Producción, Valladolid University(瓦拉多利德大学先进生产技术研究所);Departamento de Ingeniería Eléctrica, Valladolid University(瓦拉多利德大学电气工程系)
本文提出了一种稳健优化框架,用于电力密集型工业的能源调度,通过结合预期和最坏情况成本,提升调度的鲁棒性和经济性。
2025-06-19 cs.SY eess.SY
Leveraging Quantum Annealing for Large-Scale Household Energy Scheduling with Hydrogen Storage
Chongqing University(重庆大学);Flinders University(弗林德斯大学);Loughborough University(拉夫堡大学);Shanghai Jiao Tong University(上海交通大学);University of South Australia(南澳大学);Murdoch University(默多克大学)
本文提出利用量子退火技术优化大规模家庭能源调度,通过分层模型预测控制解决氢存储中的复杂优化问题。
2026-03-08 cs.SY eess.SY
Energy Trading in Microgrids for Synergies among Electricity, Hydrogen and Heat Networks
新兴的互联微电网模式倡导在多个微电网之间进行能源交易或共享。它有助于在满足各种能源负荷时充分利用能源的时间可用性和运营成本的多样性。然而,能源交易可能无法完全吸收多余的可再生能源。提出了包括燃料电池汽车、储能、电力系统和可再生能源在内的多能源管理框架,并考虑了燃料电池汽车的特点和调度安排,以进一步提高可再生能源的本地吸收能力,提高微电网的经济效益。虽然人们对能源调度和交易问题进行了深入的研究,但微电网经济性的一个基本问题仍然没有得到解决。也就是说,由于多能源耦合,随机可再生能源的产生和需求,微电网应该何时以及如何调度和交易能源与他人,这最大化其长期效益。设计了一种基于李亚普诺夫优化和双向拍卖机制的联合能量调度和交易算法。它的目的是确定拍卖中的能源估值,优化能源分配,并以当前电价策略性地购买和出售能源。基于真实数据的仿真表明,每个单独的微电网,在所提出的算法的管理下,可以实现时间平均利润,任意接近最优值,同时避免损害自己的舒适性。
2020-06-11 cs.SY eess.SY
Multi-Microgrid Collaborative Optimization Scheduling Using an Improved Multi-Agent Soft Actor-Critic Algorithm
School of Electrical Engineering, Northeast Electric Power University(东北电力大学电气工程学院);State Grid Jining Power Supply Company(国网济宁供电公司)
本文针对多微网系统的能源管理问题,提出基于集中训练分布式执行框架的协同优化调度模型,并设计了结合AutoML优化超参数的改进MASAC算法,实验表明该方法能实现电力互补、降低运行成本且优于其他先进强化学习算法。
2023-04-01 cs.LG cs.SY eess.SY
Distribution asset management through coordinated microgrid scheduling
University of Denver(丹佛大学)
本文研究了利用微电网调度进行配电网资产管理工作,旨在通过优化微电网与电网之间的电力交换,延长配电网变压器的使用寿命,从而提高电网可靠性。
2018-12-07 cs.SY eess.SP eess.SY
Scheduling HVAC loads to promote renewable generation integration with a learning-based joint chance-constrained approach
通过灵活调度供热、通风和空调(HVAC)负荷等资源,可以有效促进分布式可再生能源发电(DRG)在配电网中的集成。然而,找到最佳的调度,他们是不平凡的,因为DRG输出是高度不确定的。为了解决这个问题,本文提出了一种基于学习的联合机会约束的方法来协调HVAC负荷与DRG。与采用单个机会约束来管理不确定性的前沿工作不同,本文采用联合机会约束(JCC)来控制所有关键约束的违反概率。这种联合方式可以根据运营商的偏好明确地保证整个系统的运行安全。为了克服JCC的棘手性,我们首先证明了JCC可以安全地近似鲁棒约束与适当的不确定性集。一个著名的机器学习算法,单类支持向量聚类,然后引入到这些强大的约束,构建一个足够小的多面体不确定性集。在强对偶的基础上,进一步构造了一个线性鲁棒对偶,以保证计算效率。基于各种分布不确定性的数值结果证实了所提出的方法的最优性和可行性的优势。
2022-09-30 cs.SY eess.SY math.OC
HVAC Scheduling under Data Uncertainties: A Distributionally Robust Approach
在商业建筑中,暖通空调(HVAC)系统消耗的能源最多,占美国总能源使用量的60%以上。灵活的HVAC系统设定点调度可能会节省建筑能源成本。本文首先研究了以室内空气温度舒适性和机械运行要求为约束条件的确定性优化、稳健优化和随机最优化,以最小化日运行费用为目标。考虑到环境温度的不确定性,提出了一种基于Wasserstein度量的分布式鲁棒优化(DRO)方法,以提高最优调度对概率预测误差不确定性的鲁棒性.在Wasserstein度量定义的模糊集内的最坏情况下的分布优化的时间表。建议的DRO方法最初制定为一个两阶段的问题,然后重新制定为一个易于处理的混合整数线性规划(MILP)的形式。最后以某商业建筑为例,对优化方案的可行性和最优性进行了评价。数值计算结果表明,所提出的DRO方法的成本是6.6%,低于传统的优化技术下的不确定性。它们还为需求响应计划中的决策提供了细粒度的风险-收益选项。
2021-03-10 cs.SY eess.SY math.OC
A Distributed and Resilient Bargaining Game for Weather-Predictive Microgrid Energy Cooperation
研究了微电网中合作能量管理的讨价还价博弈问题。这个游戏采用了一个完全分布式和现实的合作电力调度算法(CoDES),以及分布式纳什谈判解决方案(NBS)为基础的方法分配的整体电力法案产生的CoDES。一种新的基于天气的随机可再生能源发电(RG)预测方法被纳入电力调度。我们演示了所提出的游戏,使用4个用户的并网微电网模型与不同的用户需求,存储和RG配置文件,并检查天气预测的影响,提前一天的电力调度和成本/利润分配。最后,用户的矛盾心理合作和/或不诚实的讨价还价的结果的影响进行了调查,它表明,所提出的游戏是有弹性的恶意用户的企图,以避免支付他们的公平份额的整体法案。
2021-04-12 cs.GT cs.MA cs.SY
A Deep Q-Learning based Smart Scheduling of EVs for Demand Response in Smart Grids
Technical University of Cluj-Napoca(克卢日-纳波卡技术大学)
本文提出一种基于深度Q学习的无模型方法,通过调度微电网中电动汽车的充放电活动以匹配目标能量曲线参与需求响应,实验表明该方法在仅依赖数据的情况下能以0.99的相关系数有效应对动态调度场景。
2024-01-05 cs.AI cs.LG cs.SY
Energy Minimization in UAV-Aided Networks: Actor-Critic Learning for Constrained Scheduling Optimization
在无人机应用中,无人机有限的能量供应和存储引发了智能节能调度解决方案的发展。在本文中,我们研究了能量最小化的无人机辅助通信网络,通过联合优化数据传输调度和无人机悬停时间。制定的问题是组合和非凸双线性约束。为了解决这个问题,首先,我们提供了一个最佳的松弛和近似的解决方案,并开发了一个近似最优算法。这两个建议的解决方案都是作为离线性能基准,但可能不适合在线操作。为此,我们从深度强化学习(DRL)方面开发了一个解决方案。传统的RL/DRL,例如,然而,深度Q学习在处理约束组合优化中的两个主要问题方面受到限制,即,指数增长的行动空间和不可行的行动。解决方案开发的新颖性在于处理这两个问题。为了解决前者,我们提出了一种基于行动者-评论家的深度随机在线调度(AC-DSOS)算法,并开发了一套方法来限制动作空间。对于后者,我们设计了一个量身定制的奖励函数,以保证解决方案的可行性。数值结果表明,在消耗相同数量级的时间,AC-DSOS是能够提供可行的解决方案,并节省29.94%的能量相比,传统的深度演员-评论家的方法。与已开发的近似最优算法相比,AC-DSOS消耗的能量高出约10%,但计算时间从分钟级减少到毫秒级。
2020-06-29 cs.LG cs.SY eess.SP
Optimal Scheduling in IoT-Driven Smart Isolated Microgrids Based on Deep Reinforcement Learning
University of Guelph(圭尔夫大学);Ningbo University(宁波大学);University of Waterloo(滑铁卢大学)
本文针对物联网驱动孤立微电网中柴油发电机调度问题,提出混合动作有限时域RDPG算法,通过融合DQN与RDPG处理离散-连续混合动作空间,在真实数据实验中验证其降低运行成本和处理功率波动不确定性的能力。
2023-04-28 cs.AI cs.LG cs.SY