State Space Collapse in Resource Allocation for Demand Dispatch
需求调度是通过自动控制可推迟的负载来提取虚拟能量存储的科学,以向电网提供平衡或调节服务,同时保持消费者端的服务质量(QoS)。由于不同种类的负载对于不同的服务是有价值的,因此对大量异构负载的控制在某种程度上是一个资源分配问题。本文的目的是揭示资源配置问题的最优解的结构,并研究短期市场影响。它被发现,每个负荷类别的边际成本演变的二维子空间,最佳的共态过程及其衍生物的跨越。将资源分配问题转化为一个动态竞争均衡模型,其中用户效用是偏离理想QoS的代价的负值。结果表明,存在一个竞争均衡,均衡价格等于最优协态过程的负值。此外,均衡价格不同于基于消费者效用是电力消耗的函数的标准假设所获得的价格。
2019-09-15 cs.SY eess.SY math.OC
Game-Theoretic Energy Source Allocation Mechanism in Smart-Grids
这项工作研究了分散和不协调的能源选择问题的智能电网消费者异构的能源配置文件和风险的态度:他们在当地社区竞争有限数量的可再生能源,在风险支付更高的成本,如果能源不足以满足所有这些需求。我们建模这个问题作为一个非合作博弈和研究的混合策略纳什均衡(NE)的存在性比例分配政策时,可再生能源的总需求超过了可用的。我们得出下NE封闭形式的表达式所产生的总可再生能源需求和社会成本在不同的消费者配置文件,能源成本和可用性。分析还提供了有用的指导方针,消费者应该做什么(竞争或不)的基础上,他们的风险态度,或如果他们应该更多的冒险,在某些情况下。最后,我们数值研究了这种分散的计划相比,通过价格的无政府度量集中的效率。
2022-03-15 cs.SY eess.SY
Sequential Fair Allocation of Limited Resources under Stochastic Demands
我们考虑的问题,有限的资源之间划分一组代理顺序到达未知(随机)的效用。我们的目标是找到一个公平的分配--一个同时是帕累托有效和没有嫉妒的分配。当所有的效用都预先已知时,对于一大类效用函数来说,上述的必要条件是同时可实现的(并且是可有效计算的)。然而,在顺序设置中,没有政策可以同时保证所有可能的效用实现的这些必要条件。一个自然的在线公平分配的目标是最大限度地减少每个代理的最终分配从他们的公平分配在事后的偏差。这转化为同时保证帕累托效率和无嫉妒。然而,由此产生的动态程序的状态空间是指数的代理人的数量。我们提出了一个简单的政策,HopeOnline,而不是旨在“匹配”的事后公平分配向量使用当前可用的资源和“预测”的直方图未来的公用事业。我们证明了我们的政策的有效性相比,移动食品银行分配的启发数据集上的其他prostics。
2022-07-09 cs.GT cs.SY eess.SY
Sharing Coefficient-Based Price Signals for Demand Response in Renewable Energy Communities
Catalonia Institute for Energy Research (IREC)(加泰罗尼亚能源研究所)
研究可再生能源社区中因馈线级盈余导致的反向潮流问题,提出基于共享系数的需求响应框架,通过馈线感知和馈线无关设计,将动态比例分配结果转换为价格信号,经实验验证可有效减少反向能量,为需求响应提供新的运行价格信号。
2026-07-13 cs.SY eess.SY
Robustness Analysis for an Online Decentralized Descent Power allocation algorithm
Harvard University(哈佛大学);KTH Royal Institute of Technology(皇家理工学院)
本文提出在线去中心化双下降算法,分析其在快速变化的消费需求和发电容量下的鲁棒性,通过数值实验验证理论结果。
2016-01-26 cs.SY eess.SY
A Control Strategy for Capacity Allocation of Hybrid Energy Storage System Based on Hierarchical Processing of Demand Power
追求混合储能系统的最优功率分配一直是研究者的目标。在这里,HESS是锂电池和超级电容器的组合;这种组合已经被证明可以有效地弥补锂电池作为电动汽车能源系统的一些不足。例如,只有锂电池的储能系统无法在短时间内提供高功率,以满足电动汽车的高加速性能,并且过大的放电电流会导致电池组温度过高,从而导致汽车的安全问题。提出了一种结合模糊控制器和改进型Savitzky-Golay滤波器的智能能量管理策略。仿真结果表明,与单一ESS相比,该策略所提出的电池最大电流降低了14.60%,电池的可用循环寿命提高了57.31%。同时,探讨了超级电容器单体在同一HESS中所带来的各种变化,并预测下一代超级电容器将带来体积和质量减少31.58%。
2020-11-10 cs.SY eess.SY
DER Allocation without Load Prediction via Reinforcement Learning
Arizona State University(亚利桑那州立大学);Indian Institute of Technology Madras(马德拉斯印度理工学院)
针对现有DERA框架依赖负荷预测易受误差影响的问题,提出无预测RL框架,通过LSVI算法学习最优策略,在CAISO数据实验中实现高跟踪精度与稳定调节。
2026-08-18 cs.SY eess.SY
Rate-constrained Energy Services: Allocation Policies and Market Decisions
University of Southern California(南加州大学);Pontificia Universidad Catolica de Chile(智利天主教 Pontificia 大学);University of California, Berkeley(加州大学伯克利分校)
本文研究在高渗透可再生能源背景下,通过需求侧灵活性资源调控来实现电力平衡的经济性问题,提出速率受限能源服务的优化分配策略与市场决策方法。
2014-09-24 cs.SY eess.SY
A Resource Allocation Scheme for Energy Demand Management in 6G-enabled Smart Grid
智能电网(SG)系统增强了电网的弹性和高效运行,利用发电设施和生产消费者之间的双向能源和信息流。对于能源需求管理(EDM),SG网络需要以最小的延迟计算由大量物联网传感器和高级计量基础设施(AMI)生成的大量数据。本文在支持6G的SG边缘网络中提出了一种基于深度强化学习(DRL)的资源分配方案,以将消耗资源的EDM计算卸载到边缘服务器。通过利用动态边缘网络中智能电表的计算能力来实现自动资源配置。为了在密集的6G网络中实施DRL辅助策略,需要来自多个边缘服务器的状态信息。然而,攻击者可以通过虚假状态注入(FSI)攻击来“毒害”这些信息,从而耗尽SG边缘计算资源。为了解决这个问题,我们调查的影响,这样的FSI攻击边缘资源的滥用方面,并开发一个轻量级的FSI检测机制的基础上监督分类。仿真结果验证了DRL在动态资源分配中的有效性、FSI攻击的影响以及检测技术的有效性。
2022-11-05 cs.CR cs.NI cs.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
Mechanism Design for Demand Management in Energy Communities
我们考虑一个能源社区的需求管理问题,其中多个用户从外部组织(如能源公司)获得能源,并根据预先指定的价格支付能源,包括每单位能源的时间依赖性价格,以及一个单独的价格峰值需求。由于用户的效用是他们的私人信息,他们可能不愿意分享,一个中介,被称为规划者,以帮助优化社区的整体满意度(总效用减去总支付)的机制设计。一个机制包括一个消息空间,一个税收/补贴和每个用户的分配功能。每个用户报告从她自己的消息空间中选择的消息,然后接收由分配函数确定的一定量的能量,并支付由税收函数指定的税收。一个理想的机制会引发一场博弈,博弈的纳什均衡(NE)会导致一个与社区最优分配相一致的分配。作为一个出发点,我们设计了一个机制,能源社区与理想的属性,如全面实施,强大的预算平衡和个人的合理性,用户和规划者。然后,我们修改这个基线机制的社区,消息交换只允许在邻里,因此,每个用户的税收/补贴和分配功能只确定从她的邻居的消息。基线机制的所有期望属性都保留在分布式机制中。最后,我们提出了一个学习算法的基线机制,投影梯度下降的基础上,保证收敛到NE的诱导游戏。
2021-06-15 cs.GT cs.SY eess.SY
A Safe First-Order Method for Pricing-Based Resource Allocation in Safety-Critical Networks
针对安全关键网络中只能通过价格影响需求且无实时双向通信的资源分配问题,提出 SPNUM 一阶算法,通过收缩可行集投影梯度与价格响应估计保证全程可行,并取得 O(log(T)) 次线性静态遗憾。
2024-05-17 cs.SY eess.SY math.OC
Critical Medical Resource Allocation during COVID-19 Pandemic
本文提出了一个最优资源配置框架,用于在大流行期间在不同单位之间分配关键医疗资源。该框架是考虑到流行病的动态,分层的政府结构,以及不同单位之间的单位资源需求的不均匀性。代价函数被设计为最小化需求、实际分配和理想分配之间的差异,其中基于所有区域的预测总活动情况的一部分中的预测活动情况来考虑区域的理想分配。基于可用信息,在不同的组织级别使用不同的代价函数。该模型还可以适应在这个框架内的区域灾害的严重程度。一个样本分配的案例研究,为印度不同的州的氧气分配。
2022-03-11 cs.SY eess.SY
AI-Enabled Data-driven Intelligence for Spectrum Demand Estimation
本文提出基于人工智能的数据驱动方法,利用机器学习模型准确预测频谱需求,通过验证代理提升预测精度,助力频谱资源的动态规划与管理。
2026-03-10 cs.AI cs.SY eess.SY
PROMPT: Learning Dynamic Resource Allocation Policies for Network Applications
Oregon State University(俄勒冈州立大学);Intel Labs(英特尔实验室);Intel Corporation(英特尔公司)
越来越多的服务提供商正在探索通过协同调度高优先级延迟关键型工作负载和尽力而为型工作负载来提高服务器利用率和降低功耗的方法。这种做法需要在工作负载之间进行严格的资源分配,以减少争用并保持服务质量(QoS)保证。以前的工作表现出有前途的机会,动态分配资源的工作负载需求的基础上,但可能无法满足QoS目标,在更严格的操作环境中,由于存在的资源分配悬崖,工作负载性能的瞬态波动,并迅速变化的资源需求。因此,我们提出了PROMPT,一种新的资源分配框架,使用主动QoS预测来指导强化学习控制器。PROMPT可以实现更精确的资源优化、更一致的瞬态行为处理以及更健壮的泛化,从而可以协同调度策略训练期间未遇到的新的尽力而为工作负载。评估表明,所提出的方法招致4.2倍的QoS违规,降低了12.7倍的QoS违规的严重程度,提高了尽力而为的工作负载性能,并提高了整体的电源效率比以前的工作。
2023-03-25 cs.LG cs.SY eess.SY
Accelerated Distributed Allocation
针对分布式分配场景需求,本文提出一种基于符号函数、收敛速率可调的快速收敛优化算法,证明其在均匀连接多智能体网络及间歇性断网下的收敛性,且具备始终可行性,优于ADMM等需渐近满足约束的对偶方法。
2024-01-28 cs.MA cs.SY eess.SP
Chance-constrained allocation of UFLS candidate feeders under high penetration of distributed generation
低频减载(UFLS)方案是通过断开部分需求来控制电网频率下降的最后手段。选择馈线的分配方法,将有助于UFLS计划传统上依赖于这样一个事实,即电力需求遵循相当规律的模式,并可以预测高精度。然而,最近集成的分布式发电(DG)增加了馈线的净消耗的不确定性,这反过来又需要重新制定的UFLS分配方法来考虑这种不确定性。在本文中,提出了一种选择馈线的机会约束方法,数学保证断开所需的负载量与一定的预定义的概率。考虑到DG功率输出的不确定性是由整个网络具有高度相关性的气象条件驱动的,馈线之间的净负荷预测的相关性被明确考虑。此外,该方法可应用于具有常规UFLS方案的系统(其中继电器测量本地频率,并且如果该幅度低于某个阈值则跳闸)或自适应UFLS方案(其中继电器由在偶然事件之后的几个瞬间中发送的控制信号触发)。相关的案例研究表明,所提出的方法的适用性,并明确考虑不确定性的UFLS分配过程中的需要。
2022-11-05 cs.SY eess.SY math.OC
Resilient Energy Allocation Model for Supply Shortage Outages
University of the Philippines, Diliman(菲律宾大学迪利曼分校);University of California, Berkeley(加州大学伯克利分校)
本文提出多目标优化调度模型,研究在电网韧性与成本之间权衡时如何最优分配未用能源以应对供不应求停电问题。
2017-07-25 cs.MA cs.SY eess.SY
Online Resource Procurement and Allocation in a Hybrid Edge-Cloud Computing System
通过在网络边缘获取类似云的能力,边缘计算有望显著改善用户体验。在本文中,我们制定了一个混合的边缘-云计算系统,其中具有有限的本地资源的边缘设备可以从云节点租用更多的资源,并执行资源分配,以服务于其用户。资源采购和分配决策不仅取决于云的多种租赁选项,还取决于边缘的本地处理成本和容量。我们首先提出了一个离线算法,其决策与未来需求的充分信息。然后,提出了一种在线算法,其中边缘节点在每个时隙中做出不可撤销的决策,而无需未来的需求信息。我们表明,这两种算法有恒定的性能界限,从离线最佳。与谷歌集群使用跟踪获得的数值结果表明,边缘节点的成本可以大大降低,通过使用所提出的算法,与基线算法相比,高达$80\%$。我们还观察了云的定价结构和边缘的本地成本如何影响采购决策。
2020-01-24 cs.IT cs.SY eess.SY
Towards Intelligent Spectrum Management: Spectrum Demand Estimation Using Graph Neural Networks
Communications Research Centre Canada(加拿大通信研究中心);Carleton University(卡洛尔大学)
本文提出HR-GAT模型,利用图神经网络在多分辨率设置中估计频谱需求,提高频谱管理效率和准确性。
2026-03-11 cs.AI cs.LG cs.NI