A New Family of Feasible Methods for Distributed Resource Allocation
分布式资源分配是智能电网、供水管网和城市交通系统等网络系统的中心任务。当在实践中解决这类问题时,迭代的非渐近可行性保证通常是很重要的,因为过度分配资源容易导致系统崩溃。在本文中,我们开发了一个分布式资源重新分配算法,每一次迭代产生一个可行的分配。该算法是完全分布式的,在这个意义上,节点只与邻居在一个给定的通信网络。我们证明了在温和的条件下,该算法收敛到一个点任意接近最优资源分配。数值实验表明,该算法具有较好的实用性能.
2021-03-28 math.OC
Distribution Network Restoration: Resource Scheduling Considering Coupled Transportation-Power Networks
本文提出一种结合真实交通网络的配电网恢复方法,通过构建缩减网络动态求解耦合资源分配与容量受限车辆路径问题,利用网络启发式和图论优先保护关键区段,并在8500母线系统上验证。
2024-04-20 math.OC
Forecast-Residual-Based Chance-Constrained Scheduling of Local Energy Communities under PV and Demand Uncertainty
University of Santiago of Chile(智利圣地亚哥大学)
提出基于预测残差的机会约束调度框架,联合优化光伏与储能运行,并通过事后分配最大化内部匹配,在近5%预测误差下性能接近随机规划且计算高效。
2026-10-02 math.OC
Distributed learning for optimal allocation of synchronous and converter-based generation
基于转换器的发电到电网的渗透的动机,我们重新审视经典的对数线性学习算法的最优分配{同步机和转换器}的混合发电。我们的目标是分配给每个发电机单元的类型(无论是同步机或DC/AC转换器在闭环下垂控制),同时最大限度地减少稳态角偏差相对于由未知的同步和DC/AC转换器为基础的发电的最佳配置引起的最佳。此外,我们研究的鲁棒性的学习算法对一个统一的下降线磁阻和相对于一个定义良好的可行性区域描述容许的功率偏差。我们证明了保证概率收敛到最大化的扰动势函数与可行的潮流,并证明了我们的理论研究结果,通过电力网络的仿真算例与6个发电机组。
2021-04-01 math.OC
Multi-agent Power Grid Restoration Under Uncertainty Considering Coupled Transportation-Power Networks
The University of Texas at Dallas(德克萨斯大学达拉斯分校);University at Buffalo(布法罗大学)
针对极端事件后电网恢复中多班组协调与交通-电力耦合不确定性,提出随机两阶段混合整数规划框架,将班组建模为智能体,经IEEE 8500节点与DFW交通网络案例验证,可减少停机时间并提升恢复效率。
2025-10-16 math.OC
Disturbance-resilient Distributed Resource Allocation over Stochastic Networks using Uncoordinated Stepsizes
研究了多智能体系统中的分布式资源分配问题,其中所有智能体在随机通信网络上合作最小化它们的费用函数之和.这个问题出现在许多实际领域,如智能电网中的经济调度,任务分配,机器人控制中的功率分配。现有的大多数工作不能收敛到最优解,如果状态偏离可行域,由于环境噪声,误操作,恶意攻击等造成的干扰,为了解决这个问题,我们提出了一种分布式偏差跟踪资源分配算法,并证明了它线性收敛到最优解与常数步长。我们进一步探讨了所提出的算法的弹性特性。最重要的是,在干扰注入和随机通信故障的情况下,算法仍然收敛到最优解。为了提高算法的收敛速度,建立了最快收敛速度的最优步长。我们还证明了该算法的线性收敛到最优解的均方,即使与不协调的步长,即,允许代理采用不同的步长。仿真结果验证了理论分析的正确性。
2021-04-25 math.OC
Loss Allocation in Joint Transmission and Distribution Peer-to-Peer Markets
分布式能源的大规模部署和终端用户对能源采购的认识不断提高,对电力市场的现行做法提出了挑战。最近研究了一种范式的变化,即从自上而下的等级制方法到一种更加分散的框架,市场结构依赖于市场参与者之间的多双边交易。为了保证电力系统运行的可行性,重新思考与系统运营商的互动以及在这种分散的市场中运营成本的分担方式至关重要。我们建议在这里包括系统运营商,无论是在传输和分配的水平,作为市场的积极参与者,占电网约束和线路损耗。此外,为了避免市场结果歧视代理人的地理位置,我们分析了损失分配政策及其对市场结果和价格的影响。
2020-09-17 math.OC
Primary frequency regulation in power grids with on-off loads: chattering, limit cycles and convergence to optimality
负荷侧参与可以在紧急情况下为电网提供有价值的支持。在许多情况下,负载自然地由开和关状态表示。然而,使用开关负载进行频率控制会导致抖动和不期望的极限环行为,这是对于用于网络支持的这种负载需要解决的问题。本文考虑了电网中开关负荷辅助服务的主频率调节问题,并建立了收敛保证和网络内适当功率分配的条件。特别是,为了协助现有的频率控制机制,我们认为,开关时,规定的频率阈值被超过的负载。这样的控制策略易于抖动,这限制了它们的实用性。为了解决这个问题,我们认为负载遵循分散滞后开关政策,并表明,在这样的设置中没有观察到抖动。然而,滞后载荷可能表现出极限环行为,这是不期望的。为了解决这个问题,我们提出了一个适应滞后控制方案,我们提供收敛保证。此外,我们考虑了一个混合整数最优化问题的功率分配,并提出了一个合适的设计的控制策略,使平衡时产生的成本是在$ε$从最优成本,提供了一个非保守值$ε$。东北电力协调委员会(NPCC)140节点系统的数值模拟证明了我们的分析结果的实用性。
2021-04-06 math.OC
Prioritized Threshold Allocation for Distributed Frequency Response
可再生能源发电的更高渗透率将增加对电网上充足(且具有成本效益)可控资源的需求,这些资源可以在导致全网崩溃之前缓解和控制本地突发事件。然而,当事件发生时,最终用途约束可能导致负载不可用,从而导致不可靠的需求响应服务。可以利用传感器测量和局部负载动态的知识来提高负载控制算法的性能。在上下文中的分层频率响应使用合奏的开关负载,我们提出了一个度量来评估每个设备的健身成功地提供辅助服务。此外,制定了基于适应度的控制设定点的分配,在不同的操作条件下实现可靠的性能。通过对电热水器和家用空调器的仿真,验证了所提出的控制算法的有效性。
2018-06-07 math.OC
Initialization-free Distributed Algorithms for Optimal Resource Allocation with Feasibility Constraints and its Application to Economic Dispatch of Power Systems
研究了分布式资源分配最优化问题。在满足全局网络资源约束和局部分配可行性约束的前提下,使所有代理的局部目标函数之和最小化。在这种可分离的最优化问题中,每个Agent所对应的数据,如网络资源、局部分配可行性约束、局部目标函数等,只能由单个Agent访问,不能与其他Agent共享,这给分布式最优化问题提出了新的挑战。基于投影和微分投影,提出了两类连续时间算法,以免初始化和可扩展的方式求解该分布式最优化问题.因此,即使操作环境或网络配置改变,也不需要重新初始化,使得可以实现联网的异构代理的“即插即用”最佳操作。对于严格凸的目标函数,算法是收敛的;对于无局部约束的强凸函数,算法是指数收敛的。然后将该算法应用于电网分布式经济调度问题,以证明即使发电成本、系统负荷或网络配置发生变化,该算法也能以可扩展的方式实现全局最优值。
2017-04-09 math.OC
Generalized Geometric Programming for Rate Allocation in Consensus
分布式平均(英语:Distributed average),或分布式平均共识(英语:Distributed average consensus),是一种计算分散在网络节点中的数据样本均值的常用方法。通过与邻居迭代地交换消息,网络的节点可以收敛到其初始状态的样本均值的一致性。在实际场景中,这些消息受到带宽和功率约束,这促使设计有损压缩策略。很少有现有的工作考虑的角度来看,约束优化,这提供了一个原则性的方法,设计的有损压缩计划的速率分配问题,允许放宽某些假设,并提供性能保证。我们表明,高斯分布的初始状态与熵编码的标量量化和矢量量化的编码率分布平均可以通过广义几何规划进行优化。在没有来自过去状态的边信息的情况下,该方法找到在有限运行时间内实现目标均方误差所需的最小化聚合编码速率的节点和迭代上的速率分配。我们的速率分配相比,通过数值模拟的一些现有技术。结果激励边信息通过差分或预测编码,以提高率失真性能的结合。
2017-10-25 cs.IT math.IT math.OC
Network Resource Allocation via Stochastic Subgradient Descent: Convergence Rate
本文考虑了无线网络、认知无线电、网络、智能电网通信和跨层设计中广泛存在的一般随机资源分配问题。该问题的制定涉及的期望与未知分布的随机变量的集合,代表外源量,如信道增益,用户密度,或频谱占用。我们考虑的恒定步长随机对偶次梯度下降(SDSD)方法,已被广泛用于在线资源分配网络。该问题在对偶域中求解,在每个时刻产生一个原始资源分配子问题。这里的目标是在几乎必然的意义上描述这种随机资源分配的非渐近行为。众所周知,在步长为$ε$的情况下,{SDSD}收敛到最优值的$\mathcal{O}(ε)$大小的邻域。然而,在实践中,在收敛速率和$ε$的选择之间存在折衷。本文建立了一个收敛速度的SDSD算法的结果,准确地描述了这种权衡。{为此,一个新的随机界之间的差距目标函数和最佳的开发。在几乎必然意义下刻画了随机项的渐近行为,从而推广了{随机次梯度}方法的已有结果。对于随机资源分配问题的手,结果明确的速率与分配的资源变得接近最优。作为应用,在设备到设备网络中的功率和用户分配问题,制定和使用{SDSD}算法解决。从正则性条件的验证和伴随的仿真结果中获得了速率结果的进一步直观。
2017-12-10 math.OC
A fast algorithm for quadratic resource allocation problems with nested constraints
研究了变量和套上具有上下约束的二次资源分配问题及其变形。这个问题出现在许多应用中,特别是智能电网的分散式能量管理(DEM)中的电池调度。我们提出了一个算法,这个问题,运行在$O(n \log n)$的时间,并在现有的算法相比,这个问题,实现这个时间复杂性,使用相对简单,易于实现的子程序和数据结构。这使得我们的算法非常有吸引力的现实生活中的适应和实施。数值比较我们的算法与电池调度的子程序在现有的工具DEM研究表明,我们的算法显着减少了DEM系统的整体执行时间,特别是当电池预计将完全充满或空多次在最佳时间表。此外,模拟数据的计算实验表明,我们的算法优于目前最有效的算法超过一个数量级。特别是,我们的算法是能够解决所有考虑的情况下,多达一百万个变量在小于17秒的个人电脑上。
2020-09-08 math.OC
Resource Allocation under Stochastic Demands using Shrinking Horizon Optimization
针对随机需求下的跨期有限资源收益最大化问题,提出二分法求解静态优化并扩展为基于需求观测更新分布的收缩时域算法,性能接近先知界。
2025-09-29 cs.CE math.OC
Model Predictive Control for Joint Ramping and Regulation-Type Service from Distributed Energy Resource Aggregations
本文提出基于模型预测控制的滚动优化方法,解决分布式能源资源聚合体在爬坡与调节服务中的最优分配问题,以减少对大规模发电爬坡的需求并缓解电网扰动。
2024-05-05 cs.SY eess.SY math.OC
Quantifying Space-Time Load Shifting Flexibility in Electricity Markets
电网正在经历重大的重组,这是由于采用了风能/太阳能,并采用了可以在空间和时间上转移负载的新的灵活技术(例如,数据中心、电池存储和模块化制造)。需要负载转移来减轻与风能/太阳能和其他中断(例如,极端天气)。负荷转移对电力市场的影响通常通过敏感性分析来量化,其目的是评估价格波动和总福利方面的影响。这种敏感性方法没有明确量化运营灵活性(例如,可行操作的范围或概率)。在这项工作中,我们提出了一个计算框架,使这一点,具体来说,我们量化的操作灵活性,通过评估多少不确定性净负荷(捕获不确定的电力注入/撤回)可以容忍的系统下不同水平的负荷转移能力。所提出的框架结合了优化配方,量化操作的灵活性与电网模型,捕捉负载转移的形式的虚拟链接(路径,跨时空转移负载)。我们的案例研究表明,增加一个单一的虚拟链路,在空间或时间转移负载可以导致系统范围内的灵活性显着改善,这是因为转移缓解时空拥塞,结果从传输约束和发电机斜升约束。我们的研究结果提供了关于灵活技术的结合如何导致非直观的、系统范围的灵活性增益的见解。
2023-03-17 cs.SY eess.SY math.OC
Optimal Database Allocation in Finite Time with Efficient Communication and Transmission Stopping over Dynamic Networks
在本文中,我们集中在无线计算机网络上的数据共享问题(即,无线网格)。给定一组可用的数据,我们提出了一个分布式算法,它运行在一个动态变化的网络,并允许每个节点计算在有限数量的时间步长的数据的最优分配。我们表明,我们提出的算法(i)收敛到最优解在有限的时间内具有非常高的概率,(ii)一旦达到最优解,每个节点都能够停止传输,而不需要知识的全局参数,如网络直径。此外,我们的算法(i)仅对量化值(即,每个节点处理并发送量化信息),(i i)依赖于事件驱动的更新,以及(iii)以量化分数的形式计算最优解,这避免了由于量化而引起的误差。最后,我们展示了我们的算法在随机动态网络的操作,性能和潜在的优势。
2022-07-17 cs.SY eess.SY math.OC
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
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
Probabilistic Day-Ahead Battery Scheduling based on Mixed Random Variables for Enhanced Grid Operation
针对可再生能源波动带来的电网稳定挑战,提出基于混合随机变量的居民电池日前概率调度分析方法,嵌入连续随机优化框架,可减少量化电网不确定性、降低用电成本,提升电网韧性。
2024-11-19 cs.SY eess.SY math.OC
Energy-efficient torque allocation for straight-line driving of electric vehicles based on pseudoconvex polynomials
Faculty of Electrical Engineering and Computing, University of Zagreb(萨格勒布大学电气工程和计算学院);Faculty of Mechanical Engineering and Naval Architecture, University of Zagreb(萨格勒布大学机械工程和造船学院)
本文提出基于伪凸多项式近似电机损耗的扭矩分配方法,通过求解约束非线性优化问题实现能量高效分配,实验表明该方法在降低能耗的同时支持实时优化与车辆控制系统集成。
2026-03-19 cs.SY eess.SY math.OC
Dynamic Reserve and Transmission Capacity Allocation in Wind-Dominated Power Systems
风力发电在电力市场中所占的大份额促使提高运营储备水平。然而,目前的储备规模的做法没有考虑到重要的拓扑方面,可能会阻碍他们的部署,从而导致高昂的运营成本。区域储备采购缓解了这种低效率,但是,区域的定义方式仍然是开放的解释。本文挑战的效率,预先确定的区域设置,忽略了系统中的随机发电的位置,以及灵活的发电机组的可用性,成本和可访问性。为此,我们提出了一种新的储备采购方法,制定为一个两阶段的随机双层模型,其中上层确定了一些连续的储备区使用动态网格分区和设置分区的要求的基础上,总的预期运营成本。使用两个标准的IEEE可靠性测试案例,我们展示了储备区的有效划分如何降低预期系统成本并促进随机可再生能源的整合。
2020-04-24 cs.SY eess.SY math.OC
Designing for Robustness in Electric Grids via a General Effective Resistance Measure
本文提出一种基于半定规划的数学框架,通过优化电网中可再生能源布局与输电线路电纳值来最小化相位振荡器脆弱性度量,从而提升电网频率同步的鲁棒性。
2023-08-10 cs.SY eess.SY math.DS
Resource Allocation in Large Language Model Integrated 6G Vehicular Networks
本文研究大语言模型集成到6G车载网络中的资源分配问题,提出车辆本地处理初始层并卸载剩余计算任务至路侧单元的边缘计算方案,通过多目标优化、序列二次规划与分数规划技术最小化系统总成本,有效降低完成时间与能耗。
2024-03-27 cs.DC cs.SY eess.SP