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
Learning-enabled Flexible Job-shop Scheduling for Scalable Smart Manufacturing
DGIST（大邱庆北科学技术院）
针对FJSPT中DRL方法的规模泛化挑战，提出异构图调度器HGS，利用图结构决策框架降低编码复杂度，在未见过的大规模实例上优于传统方法。
2024-02-14 cs.AI cs.LG cs.SY
Proactive Load-Shaping Strategies with Privacy-Cost Trade-offs in Residential Households based on Deep Reinforcement Learning
The University of Manchester（曼彻斯特大学）；KU Leuven（鲁汶大学）；COSIC（计算机与安全集成中心）
针对智能电表隐私泄露问题，提出基于深度强化学习的主动负荷整形算法PLS-DQN，通过制造虚假负荷特征误导攻击者，在保护隐私的同时兼顾成本，优于现有方法。
2024-05-29 cs.LG cs.SY eess.SY
Optimization-based Residential Load Scheduling to Improve Reliability in the Distribution Grid
尽管最近住宅客户迅速采用屋顶太阳能光伏，但大多数光伏业主仍然难以实现电网中断期间的孤岛运行。在本文中，我们考虑的方法，以提高供电的可靠性，在住宅微电网的背景下，由一组住宅客户，每个屋顶太阳能光伏，通过一个单一的公共耦合点连接到配电网。假设光伏发电始终不足以满足住宅微电网内的电力需求。提出了三种基于优化的算法，以提高每个住宅客户的供电可靠性，尽管太阳能资源的可变性和不稳定性，以及电网中不频繁和持续停电的时期。通过一个案例研究，我们表明，大多数的住宅客户实现更高的可靠性不间断供电时，连接到住宅微电网相比，在孤立的自我消费模式。
2016-12-14 math.OC
Buffer Pool Aware Query Scheduling via Deep Reinforcement Learning
Brandeis University（布兰迪斯大学）；MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）；Intel Labs（英特尔实验室）
在这个扩展的摘要中，我们提出了一种新的查询调度技术，其明确的目标是减少磁盘读取，从而隐式地提高查询性能。我们引入SmartQueue，一个学习调度器，利用传入查询之间的重叠数据读取，并学习调度策略，提高缓存命中。SmartQueue依赖于深度强化学习来生成特定于工作负载的调度策略，这些策略专注于长期性能优势，同时适应以前看不到的数据访问模式。我们提出的结果，从一个概念验证原型，证明了学习的调度器可以提供显着的性能改进手工制作的调度算法。最终，我们证明这是机器学习和数据库交叉的一个有前途的研究方向。
2022-07-27 cs.DB cs.LG
Demand-Side Scheduling Based on Multi-Agent Deep Actor-Critic Learning for Smart Grids
School of Computer Science and Engineering, Nanyang Technological University（南洋理工大学计算机科学与工程学院）
我们考虑需求侧能源管理的问题，每个家庭都配备了一个智能电表，能够在线调度家用电器。目标是在实时定价方案下最小化总成本。虽然以前的作品已经引入了集中式的方法，其中调度算法具有充分的可观测性，我们提出了一个智能电网环境的马尔可夫博弈的制定。每个家庭都是一个具有部分可观察性的分散代理，这允许在现实环境中实现可扩展性和隐私保护。电网运营商产生随能源需求变化的价格信号。我们提出了一个扩展的多代理，深演员批评算法，以解决部分可观察性和感知的非平稳性的环境从代理的观点。该算法学习一个集中的评论家，协调分散的代理的训练。因此，我们的方法使用集中式学习，但分散执行。仿真结果表明，我们的在线深度强化学习方法可以完全基于瞬时观察和价格信号来降低所有家庭的总能耗峰均比和电力成本。
2022-08-23 cs.LG cs.SY eess.SY
Intelligent Residential Energy Management System using Deep Reinforcement Learning
Indian Institute of Technology Patna（印度理工学院巴特那分校）
当今世界对电力及其基本性质的需求不断增长，需要能够减少能源使用的智能家庭能源管理（HEM）系统。这涉及从能量消耗处于其最高时的一天的高峰时间到能量消耗相对较低时的一天的较低非高峰时段的负载调度，从而降低系统的峰值负载需求，这将因此导致更少的能量账单，并改善负载需求曲线。这项工作介绍了一种新的方法来开发一个学习系统，可以从经验中学习，将负载从一个时间实例转移到另一个时间实例，并实现最小化总峰值负载的目标。本文提出了一种用于需求响应的深度强化学习（DRL）模型，其中虚拟代理像人类一样学习任务。智能体在环境中采取的每一个行动都会得到反馈;这些反馈将驱使智能体学习环境，并在学习阶段的后期采取更明智的步骤。我们的方法优于国家的最先进的混合整数线性规划（MILP）的负荷峰值降低。作者还设计了一个智能体来学习同时最小化消费者的电费和公用事业公司的系统峰值负荷需求。所提出的模型进行了分析，从五个不同的住宅消费者的负载，所提出的方法增加了每个消费者的每月储蓄，减少他们的电费大幅减少，同时最大限度地减少系统上的峰值负荷时，所提出的方法处理的时移负载。
2020-05-28 cs.AI cs.LG eess.SP
Averaging favors MPC: How typical evaluation setups overstate MPC performance for residential battery scheduling
本研究针对住宅光伏-电池系统调度，发现常用的15/30/60分钟时间平均化评估会高估MPC相对RBC的性能优势，分钟级精细评估下优势平均缩小69%甚至结论反转，强调需公平评估调度方法。
2025-10-29 math.OC
Distributed Load Scheduling in Residential Neighborhoods for Coordinated Operation of Multiple Home Energy Management Systems
最近，家庭能源管理系统（HEMS）越来越受欢迎，使客户能够在时变电价下最大限度地减少他们的电费。虽然它们为智能电网中更好的能量管理提供了一个有前途的解决方案，但HEMS的不协调和自主操作可能会导致电网级的一些操作问题。本文旨在开发一个协调的框架，多个HEMS在一个住宅小区的基础上，电网的最佳和安全运行的操作。在所提出的框架中，客户合作，以优化能源消耗在邻里水平，并防止任何电网运行约束违反。提出了一种新的基于价格的全局和个性化的激励机制，使用户能够响应和调整负荷。个人客户因其合作而获得奖励，并且网络运营商通过消除反弹的网络峰值而受益。采用乘子交替方向法（ADMM）技术，以分布式方式实现负载协调调度，减少计算负担，保证用户隐私。仿真结果表明，所提出的方法在保持标称网络条件，同时确保个人客户以及电网运营商的利益的有效性。
2021-03-07 math.OC
Using solar and load predictions in battery scheduling at the residential level
Redback Technologies Brisbane, Australia（红背技术布里斯班，澳大利亚）；School of ITEE The University of Queensland, Australia（信息技术工程学院昆士兰大学，澳大利亚）
本文提出了一种新的电池调度算法，通过预测负载和太阳能发电量来优化住宅用户的电力成本，该算法在不同电价下可实现1%至10%的节能效果。
2018-10-26 cs.LG cs.SY eess.SY
Energy Scheduling for Residential Distributed Energy Resources with Uncertainties Using Model-based Predictive Control
本文提出了一种可靠的能源调度框架的分布式能源（DER）的住宅区，以实现适当的日常用电量与最大的可负担的需求响应。可再生和不可再生能源资源可用于响应客户的需求，使用不同类别的方法来管理能源期间。最优运行问题是一个混合整数线性规划（MILP）研究基于模型的预测控制（MPC），以确定哪个可调度单元应在什么时间和在什么功率水平，同时满足实际约束。可再生能源（RES），特别是太阳能和风能，最近已经扩大了它们在电力电力系统中的作用。虽然它们是环境友好型和可访问的，但在其性能方面存在挑战性问题，例如处理与它们有关的可变性和不确定性。本研究探讨了这些系统的能源管理在三个互补的情况下。第一种和第二种情况分别适用于价格恒定和价格变化的市场。此外，第三种方案提出考虑的作用，可再生能源的不确定性，它的目的是补偿电力短缺使用不可再生资源。在一个住宅小区进行了24小时的测试，结果表明该方法具有降低运行成本的能力。
2020-07-22 cs.SY eess.SY math.OC
Market-based Demand Response via Residential Plug-in Electric Vehicles in Smart Grids
电力需求的灵活性、多样化的使用模式和插电式电动汽车（PEV）的储能能力显著增加了居民电力需求的弹性。这种弹性可以用于形成每日聚合需求简档和/或改变系统的瞬时需求，其中大量住宅PEV共享一个电力零售商或聚合器。在本文中，我们提出了一种需求响应（DR）技术来管理车辆到电网（V2 G）使能的PEVs的电力分配（充电和放电），以降低零售商投标到两个结算电力市场的总电力采购成本，即，一天前（DA）和现货或实时（RT）市场。我们表明，我们的方法是分散的，可扩展的，快速收敛，不侵犯用户的隐私。大量的仿真结果表明，显着的整体成本节省可以实现零售商投标到一个可操作的电力市场，通过使用所提出的算法。当电网容纳大量间歇性能量资源时，该技术变得更加需要，其中由于更可能的意外事件以及因此更多的RT价格波动，RT需求改变是至关重要的，并且甚至发生所谓的\textit{black swan events}。最后，这样的零售商也可以为客户提供更好的交易。
2015-12-21 math.OC
Joint Shaping and Altering the Demand Profile by Residential Plug-in Electric Vehicles for Forward and Spot Markets in Smart Grids
插电式电动汽车（PEV）可以显著增加居民用电需求的弹性。这种弹性可以用于形成由共享一个电力零售商或聚合商的大量住宅PEV的用户组成的系统的每日聚合电力需求曲线。在本文中，我们提出了一个联合的需求塑造和改变算法管理车辆到电网（V2G）使能PEVs的电力分配（充电和放电），以减少总的电力采购成本的零售商投标到两个结算电力市场，即，一天前（DA）和实时（RT）市场。该方法具有分散性、可扩展性、快速收敛性和不侵犯用户隐私的特点。我们的模拟结果表明，显着的整体成本节省（高达28%）的零售商投标到一个可操作的电力市场，使用我们提出的算法。当电力系统整合大量间歇性能量资源时，这变得更加突出，其中由于更可能的意外事件，RT需求改变是至关重要的，因此更多的RT价格波动，甚至更多所谓的\textit{black swan events}。零售商较低的购电成本最终使其能够为客户提供更好的交易并扩大其市场容量。这意味着客户也可以享受更低的电费。
2015-05-25 math.OC
Electricity Cost Minimization for a Residential Smart Grid with Distributed Generation and Bidirectional Power Transactions
在本文中，我们考虑的电力成本最小化问题在一个住宅网络中，每个社区都配备了一个分布式发电源，在社区中的每个家庭都有一组基本的和可转移的电力需求。我们允许双向电力交易，并假设从电网购买和出售电力的双层定价模型。在这种情况下，为了降低电力成本，我们需要做的，1）调度决策的可转移的需求，2）的决定，从电网的用户购买的能量的量，3）的决定，由用户出售给电网的能量的量。我们制定了一个全球性的集中式最优化问题，并获得最佳的电力消费量，出售和购买每个家庭，分别通过假设所有的当前和未来值的时变参数的可用性。在现实中，缺乏完善的信息阻碍了这种全局集中优化的实施。因此，我们提出了一个分布式的在线算法，只需要当前值的时变供应和需求过程。然后，我们比较并确定两种配方之间的权衡。仿真结果表明，该方案可以为家庭用电提供有效的管理。
2012-12-08 math.OC
Decentralized Demand Side Management with Rooftop PV in Residential Distribution Network
在过去的广泛研究，需求侧管理（DSM）计划，旨在减少高峰负荷，节省电力成本。在本文中，我们提出了一个框架，研究分散的家庭需求侧管理的住宅配电网，其中包括多个智能家居与可拆卸的电器和一些屋顶光伏发电单元。每个智能家庭根据日前电价预测和其便利性牺牲意愿进行单独的电器调度，以优化电能成本。使用开发的仿真模型，我们研究分散的家庭DSM的性能和研究其对配电网的运行和可再生能源的整合，在屋顶光伏发电的利用效率，整体电压偏差，实际功率损耗，和可能的反向潮流的影响。
2017-12-22 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
Decarbonized Demand Response for Residential Plug-in Electric Vehicles in Smart Grids
最近，在巴黎，世界各国达成了一项协议，许多国家承诺加强努力，减少不利的气候变化。因此，我们可以预期，在不久的将来，脱碳将在不同的能源领域引起更多的关注。特别是，发电侧和消费侧都需要更加一致和环保地运行。因此，在发电侧使用可再生能源，以及我们提出的消费侧脱碳需求响应（DDR）可以显着减少对气候的有害影响。在消费方面，这种雄心需要客户和零售商之间以及客户之间的共生和协同作用。也就是说，在顾客与零售商之间以及顾客之间要有一定的基于激励的协作，才能使目标得以顺利实现。在本文中，我们提出了这样的匹配需求响应（DR）算法为住宅用户拥有车辆到电网（V2G）使能插件电动汽车（PEVs）谁获得电力从一个共同的零售商。零售商本身与电力批发市场相连，以购买和销售电力。此外，我们解释了我们的系统中现有的共生和协同作用的细节。我们的模拟结果表明，我们提出的技术可以实现大量的成本节约，同时减少污染。
2016-04-04 cs.CE math.OC
Optimal Scheduling of Distributed Energy Resources Considering Volt-VAr Controller of PV Smart Inverters
本文提出了一种分布式能源（DER）和光伏智能逆变器的运行调度模型与电压无功控制器使用精确的交流最优潮流（ACOPF）在不平衡的配电网。基于IEEE 1547-2018标准提出了分布式混合相光伏智能逆变器局部电压无功下垂控制器的数学混合整数模型，并将其纳入不平衡ACOPF中，这使得电压无功控制器的有效利用不仅可以缓解局部电压问题，而且可以在馈线级别缓解电压问题。该模型进行了测试，在亚利桑那州的配电馈线的两个实际快照。此外，建议的操作进度安排法考虑光伏智能逆变器的电压无功下垂控制器相比，最近的工作在调度的光伏智能逆变器。结果表明，该模型得到的光伏智能逆变器的调度可以通过逆变器的本地控制器来实现。
2022-10-02 math.OC
Optimized energy utilization in small and large commercial loads and residential areas
在智能电网中，需求侧管理（DSM）技术需要被设计为处理大量的几种类型的可控负荷。在本文中，我们提出了一个框架来研究智能电网的需求侧管理，其中包含各种负荷在两个服务区，一个与多个居民家庭，一个总线与商业客户。具体地，每个家庭可以具有可再生发电以及可中断和不可中断的电器，以进行单独的调度，从而通过根据电价的提前一天预测进行最佳的用电时间来优化电能成本。高负荷母线代表一个商业区域，用于演示任何母线上的高负荷对电压分布、功率损耗和负荷潮流条件的影响，并显示建议的DSM对大量电器的性能。使用开发的仿真模型，我们研究了拟议的DSM的性能，并研究了它们对配电网运行和可再生能源发电的影响，整体电压偏差，有功功率损耗，以及可能出现的问题，如反向潮流，电压上升进行了研究和比较，这些问题可以很容易地看到在商业负载总线。
2019-06-25 cs.SY eess.SY math.OC
Representing Long-term Impact of Residential Building Energy Management using Stochastic Dynamic Programming
在包含基于容量的电网电价的情况下，短期调度住宅建筑以优化电费可能是困难的。根据拟议的实测峰值（MP）电网电价（基于一段时间内最高峰值功率的成本）对建筑物进行调度，需要用户考虑当前决策对未来的影响。因此，作者提出了一个数学模型，使用随机动态规划（SDP），试图代表当前决策的长期影响。SDP算法基于一个月内每天的峰值功率向后计算建筑物的非线性预期未来成本曲线（EFCC）。负荷需求和天气的不确定性被认为是使用离散的马尔可夫链设置。该模型被应用到一个案例研究的灵活负载的智能控制的挪威建筑，并与MP电网的关税是不准确的代表，用户有完整的信息，整个月的方法进行比较。结果表明，SDP算法的性能比没有准确方式呈现未来影响的场景好0.3%，与用户拥有完美信息的场景相比，性能差3.6%。
2020-08-24 cs.SY eess.SY math.OC
Leveraging Owners' Flexibility in Smart Charge/Discharge Scheduling of Electric Vehicles to Support Renewable Energy Integration
间歇性可再生能源（RES）的高度集成，特别是风力发电，在电力系统运行中产生了复杂性。另一方面，电动汽车（EV）的大车队预计将对电力消耗产生巨大影响，不协调的充电过程将增加负荷的不确定性，并进一步复杂化电网调度。在本文中，我们提出了一种智能充电方法，该方法利用电动汽车车主的灵活性来吸收车辆到电网（V2 G）设置中RES输出的波动。我们提出了一种最优调度算法的充电/放电的聚合电动汽车车队，以最大限度地提高风力发电的整合，以及最小化充电成本的电动汽车所有者。还解决了人们参与V2 G的挑战，例如电池退化和对意外事件的不安全感。我们首先制定一个静态模型，使用混合整数二次规划（MIQP）与多目标最优化假设每个参数的模型是已知的调度前一天。随后，我们制定了一个动态（放电）的时间表后，电动汽车进入系统的更新信息的电动汽车的可用性，风力发电预测，能源价格实时，滚动优化。在以风能为主要资源的微电网中使用一组100辆电动汽车进行的模拟表明，与不受控制的充电情况相比，风能利用率显着提高，充电成本显着降低。
2019-07-17 math.DS math.OC
Demand Response Analogues for Residential Loads in Natural Gas Networks
电力网络的需求响应是一个成熟的领域，已经产生了许多效率和弹性效益，如管理用电高峰和低谷，减少用电高峰等。然而，直到最近才开始对天然气电力需求响应的对应研究受到类似程度的关注。天然气系统越来越多地以满负荷或接近满负荷运行，这对这些系统满足所有天然气需求提出了挑战，特别是在恶劣的冬季天气期间。然而，与电力网络中的需求响应程序不同，天然气网络中的需求响应不能改变高峰使用。在这里，我们开发了类似于需求响应的方法，可以通过减少峰值消费来帮助提高天然气系统的弹性，从而限制此类事件可能导致的潜在中断。本文开发了一个数学公式，以支持基于当前和预期的智能恒温器技术的天然气住宅级需求响应模拟。数学公式采用最优控制问题（OCP）的形式，该问题利用物理约束来模拟温度变化、平衡公平服务并优化房屋集合的天然气消耗。在测试问题上，该公式显示出显着的好处，包括能够将峰值需求减少15%，同时仍然确保为客户提供公平的服务。
2021-12-02 math.OC
Adaptive Scheduling for Machine Learning Tasks over Networks
University of Oxford（牛津大学）
智能交通系统、智能城市和工业物联网等新兴互联自治系统的一个关键功能是能够处理和学习在不同物理位置收集的数据。在分布式学习和联邦学习的术语下，这越来越引起人们的关注。然而，在这种设置中，数据传输发生在许多用户和任务之间共享的通信资源上，或者受到容量限制。本文研究算法，有效地分配资源的线性回归任务，利用数据的信息。开发的算法，使学习任务的自适应调度与可靠的性能保证。
2021-01-25 cs.LG cs.SY eess.SY
The Multi-Trip Autonomous Mobile Robot Scheduling Problem with Time Windows in a Stochastic Environment at Smart Hospitals
Faculty of Science, Kunming University of Science and Technology（昆明理工大学理学院）；Business Analytics Research Center, Chang Gung University（长庚大学商务分析研究中心）
本文研究了智能医院随机环境下带时间窗的AMR调度问题，建立了随机混合整数规划模型以最小化总成本，并调整VNS算法求解，实验证明其能生成高质量解，有效提升效率并降低医院成本。
2023-11-23 cs.RO math.OC
Combined Heat and Power Unit Commitment with Smart Parking Lots of Plug-in Electric Vehicles
车联网（V2G）技术近年来引起了人们极大的兴趣，其效率取决于插电式电动汽车（PEV）作为智能停车场中的小型便携式发电厂的充电过程的调度。另一方面，从集中式发电到分散式发电的积极转变和对环境的关注导致了电力系统中热电联产（CHP）机组利用率的增加。本研究的目的是开发和模拟一种新的方法，热电联产机组的承诺与PEVs在电力系统中的成本降低。本文提出了一种随负荷曲线变化的纯电动汽车充放电过程的时间表。采用一个由常规热电机组、热电联产机组和纯电动汽车组成的试验系统，研究了纯电动汽车对发电调度的影响。对于修改后的测试系统，得到的结果是令人鼓舞的，并表明所提出的技术的可行性和其有效性的发电调度。
2017-06-21 math.OC
Stochastic Model Predictive Control based on Mixed Random Variables for Economic Energy Management
Institute for Automation and Applied Informatics Karlsruhe Institute of Technology (KIT), Germany（卡尔斯鲁厄理工学院自动化与应用信息学研究所）
本文提出基于混合随机变量的随机模型预测控制方法，用于优化家庭能源管理，通过考虑不确定的消费和可再生能源生成，实现降低电力成本的目标。
2026-03-31 math.OC
A bi-level priority sorting framework for flexible AGV service scheduling in smart warehouses
Toronto Metropolitan University（多伦多都会大学）
本文提出双层优化框架，通过动态调整调度参数和实时路径优化，提升AGV在智能仓库中的服务级别和效率，降低系统成本。
2026-04-16 math.OC
Distributed Control Enforcing Group Sparsity in Smart Grids
在现代智能电网中，本地能量存储设备的充电在住宅级别上被协调，以补偿在感兴趣的时间间隔上的不稳定的聚合功率需求。然而，这会导致所有电池的永久使用，从而缩短其寿命。我们通过在控制上使用$\ell_{p,q}$-正则化来抵消这种现象，从而强制执行组稀疏性。这导致了一个非光滑的凸优化问题，我们提出了一个定制的交替方向乘子算法。进一步阐述了如何将其嵌入到模型预测控制框架中。我们表明，该方案产生稀疏控制，同时实现合理的整体调峰数值模拟。
2020-02-09 cs.SY eess.SY math.OC
Enhancing Flexibility in Smart Manufacturing: System Property Enabled Multiagent Approach for Mobile Robot Scheduling in Multiproduct Flexible Manufacturing Systems
本文针对多产品柔性制造系统中移动机器人调度问题，提出一种基于系统属性改进的MADDPG算法，通过在评论家网络集成并行层聚焦客户需求，显著提升了训练效率与需求满足率，并利用迁移学习确保大规模复杂环境下的可扩展性。
2025-04-10 math.OC
Extended Version: Non-Preemptive Scheduling of Flexible Loads in Smart Grids via Convex Optimization
本文研究智能电网中非抢占式柔性负荷调度，将其建模为MICP并提出松弛-调整-舍入算法，通过基于图的调整步骤在凸松弛最优解集合内导航减少分数项，实现近最优且次优性与负荷数量无关，渐近最优且可通过边际价格分散化。
2025-03-06 cs.SY eess.SY math.OC
Complex-demand Scheduling Problem with Application in Smart Grid
我们考虑在离散时间范围内调度复值需求的问题。给定一组用户，每个用户与表示不同功耗偏好的一组需求相关联。需求由复数、时间间隔和满足需求时获得的效用值表示。在每个时隙，总的选定需求的大小不应超过给定的发电容量。这自然地捕获了交流（AC）电力系统中的供应约束。在本文中，我们考虑最大化的总用户效用的电力供应限制在一个时间范围内。我们提出的近似算法，其特征在于任何两个复值需求之间的最大角度$ϕ$。更确切地说，PTAS的情况下$ϕ\in [0,\tfracπ{2}]$，一个双标准FPTAS的$ϕ\in [0,π \mbox{-} \varepsilon]$的任何多项式小$\varepsilon$，假设在离散时间范围的时隙的数量是一个常数。此外，如果时隙的数量是输入的一部分，我们提出了一个减少的实值不可分割流问题的路径上只有一个常数的近似比。最后，针对单时隙的情况，提出了一种实用的贪心算法，其近似比为$\tfrac{1}{2}\cos \fracϕ{2}$，运行时间复杂度仅为${O}(N\log N)$，其中$N$表示用户需求的集合数，该算法在实际中可以有效地实现.
2018-10-10 cs.DS math.OC
On the Smart Coordination of Flexibility Scheduling in Multi-carrier Integrated Energy Systems
Delft University of Technology（代尔夫特理工大学）；Netherlands eScience Center（荷兰电子科学中心）
本文针对多能互补集成系统灵活性调度协调的复杂性，提出受市场拍卖启发的模型耦合方法，经实验验证其可扩展性与近最优性，开源软件可支撑相关应用场景。
2026-08-19 cs.SY econ.GN eess.SY
