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
Aging-Aware Online Distributed Scheduling for Lifecycle Carbon Reduction in Geo-Distributed Data Centers
Guangzhou University(广州大学);The Chinese University of Hong Kong (Shenzhen)(香港中文大学(深圳));Shenzhen Research Institute of Big Data(深圳大数据研究院);Rausser College of Natural Resources, UC Berkeley(加州大学伯克利分校罗斯尔自然资源学院)
针对地理分布式数据中心,提出一种老化感知的在线分布式调度框架,结合指数老化模型和增强Lyapunov及ZSP-ADMM方法,在保护隐私的同时降低生命周期碳排放和运营成本。
2026-10-02 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
Optimal scheduling of park-level integrated energy system considering ladder-type carbon trading mechanism and flexible load
为提高园区级综合能源系统(PIES)多能耦合利用效率,促进风电消纳,减少碳排放,构建了柔性负荷与碳交易机制相结合的PIES低碳经济运行优化模型。首先,根据负荷响应的特点,将需求响应分为可转移、可转移、可降低和可替代四种类型。其次,综合考虑园区内热电联产耦合设备、新能源和柔性负荷等因素,给出了PIES的基本架构。最后,将阶梯式碳交易机制引入系统,以总运行成本最小为目标,建立了PIES低碳经济运行优化模型。利用YALMIP工具箱和CPLEX求解器对算例进行求解,仿真结果表明,电、热耦合调度的参与和灵活的电、热负荷可以显著降低系统运行成本,减小负荷峰谷差,缓解高峰用电压力。
2023-03-03 cs.CE cs.SY eess.SY
Carbon- and Precedence-Aware Scheduling for Data Processing Clusters
针对数据处理作业的优先级约束使传统碳感知调度决策复杂化的问题,提出PCAPS调度器(显式考虑优先级驱动的任务重要性)及CAP包装器,支持碳减排与完成时间的可配置权衡,原型实验显示碳足迹减少高达32.9%且不影响集群效率。
2025-02-13 cs.CY cs.DC cs.SY
Low carbon optimal scheduling of integrated energy system considering waste heat utilization under the coordinated operation of incineration power plant and P2G
本文提出垃圾焚烧电厂与P2G协调运行并回收余热的综合能源系统低碳经济调度策略,通过细化P2G过程、余热回收与碳循环利用,在阶梯碳交易机制下构建以运行成本最小为目标的优化模型并验证有效。
2024-09-12 cs.SY eess.SY
A Multi-timescale and Chance-Constrained Energy Dispatching Strategy of Integrated Heat-Power Community with Shared Hybrid Energy Storage
本文提出含共享混合储能的综合热电系统博弈论模型,通过多时间尺度机会约束调度与Stackelberg博弈均衡求解,实现社区运营商与消费者间的市场均衡。
2023-10-23 cs.SY eess.SY
Automated deep reinforcement learning for real-time scheduling strategy of multi-energy system integrated with post-carbon and direct-air carbon captured system
Southern University of Science and Technology(南方科技大学);The Hong Kong Polytechnic University(香港理工大学);University of British Columbia(不列颠哥伦比亚大学)
借助CO2脱除技术(CDRT)的碳捕集工艺已被公认为深度脱碳的替代方案和重要方法。然而,主要的障碍是巨大的能源需求和CDRT的经济影响,如果没有有效的管理。因此,在这项研究中,提出了一种新的深度强化学习代理(DRL),集成了自动超参数选择功能,用于与CDRT耦合的多能源系统的实时调度。后碳捕集系统(PCCS)和直接空气捕集系统(DACS)被视为CDRT。各种可能的配置进行评估,使用实时多能源数据的一个地区在亚利桑那州和CDRT参数从制造商的目录和试点项目文件。仿真结果验证了优化的软演员评论(SAC)算法优于TD 3算法,由于其最大熵的功能。然后,我们使用优化的超参数值训练了四(4)个SAC代理,相当于所考虑的案例研究的数量,并实时部署它们进行评估。仿真结果表明,所提出的DRL智能体能够满足产用者的多能源需求,并且在不违反特定约束的情况下经济地调度CDRT能源需求。此外,建议的DRL代理优于基于规则的调度23.65%。然而,与PCCS和固体吸附剂DACS的配置被认为是最合适的配置与高CO2捕获释放比为38.54,低CO2释放指标值为2.53,和一个36.5%的CDR成本减少,由于废热利用和高吸收能力的选择的吸附剂。然而,在目前的碳价格下,采用CDRT在经济上不可行。最后,我们表明,CDRT将是有吸引力的碳价格为400- 450美元/吨的税收优惠政策的政策制定者提供。
2023-01-18 cs.LG cs.SY eess.SY
Distributionally Robust Frequency Constrained Scheduling for an Integrated Electricity-Gas System
电力系统从传统的大容量发电转向可再生能源发电。这一趋势导致了系统惯性下降带来的频率安全问题。另一方面,天然气发电机组由于其快速调整能力而经常被安排以提供操作灵活性。因此,电力和天然气系统之间的相互依赖性得到加强。本文从电力燃气一体化系统的角度研究了风电功率变化下的频率约束调度问题。提出了一种分布式鲁棒机会约束最优化模型,对风电场系统的机组组合和虚拟惯量供应进行协同优化。该模型综合考虑了频率约束和天然气系统运行约束,通过设计DR联合机会约束来解决风电功率的不确定性。证明了该模型是一个混合整数二阶锥规划。案例研究表明,所提出的方法可以提供一个高度可靠和计算有效解,并显示将NGS操作约束的频率约束调度问题的重要性。
2021-09-29 cs.SY eess.SY math.OC
Reinforcement Learning and Mixed-Integer Programming for Power Plant Scheduling in Low Carbon Systems: Comparison and Hybridisation
脱碳正在推动可再生能源发电的大幅增长。这增加了由发电厂服务的负载的不确定性,并且使得它们的有效调度(称为机组组合(UC)问题)更加困难。UC在实践中是通过混合整数规划(MIP)方法解决的;然而,人们对包括强化学习(RL)在内的新兴数据驱动方法的兴趣越来越大。在本文中,我们广泛测试两个MIP(确定性和随机性)和两个RL(无模型和前瞻性)调度方法在一个大的测试日和问题大小,第一次比较这两种方法的最先进的水平竞争环境。我们发现,确定性和随机MIP始终产生成本较低的UC调度比RL,表现出更好的可靠性和可扩展性的问题大小。对于50个发电机的测试用例,RL的平均运行成本是随机MIP的2倍以上,而在最坏的情况下,成本是13倍。然而,RL的关键优势是能够几乎立即产生解决方案,而不管问题的大小。我们利用这一优势,产生各种初始解决方案的热启动并发随机MIP解决方案。通过同时产生几个接近最优的解决方案,然后使用Monte Carlo方法评估它们,利用真正的代价函数和离散近似之间的差异,制定MIP。由此产生的混合技术优于RL和MIP方法,平均降低总运营成本0.3%。
2022-12-09 cs.SY eess.SY
Distributionally Robust Scheduling of Electrified Heating Under Heat Demand Forecast Uncertainty
Technical University of Denmark(丹麦技术大学)
本文提出了一种分布鲁棒机会约束优化框架,用于在供热需求预测不确定性下的电锅炉日提前调度,通过校准模糊集和建模实时反弹成本,有效降低运营成本和需求违规风险。
2026-02-19 cs.SY eess.SY
Emission-aware Energy Storage Scheduling for a Greener Grid
减少我们对碳密集型能源的依赖对于减少电网的碳足迹至关重要。尽管电网正在越来越多地部署清洁的可再生能源,但仍有很大一部分电网需求是使用传统的碳密集型能源来满足的。在本文中,我们研究的问题,使用部署在电网中的能量存储,以减少电网的碳排放。虽然储能以前曾用于电网优化,如调峰和平滑间歇性电源,但我们的见解是使用分布式存储,使公用事业能够减少对效率较低和碳密集度最高的发电厂的依赖,从而减少其整体排放足迹。我们将分布式储能的排放感知调度问题制定为优化问题,并使用一种鲁棒的优化方法,该方法非常适合处理负载预测中的不确定性,特别是在存在间歇性可再生能源(如太阳能和风能)的情况下。我们使用最先进的神经网络负荷预测技术和来自1,341个家庭的配电网的实际负荷跟踪来评估我们的方法。我们的研究结果显示,每年的碳排放量减少了50万公斤以上,相当于我们的电网排放量减少了23.3%。
2020-05-25 cs.CY cs.SY eess.SY
On the Limitations of Carbon-Aware Temporal and Spatial Workload Shifting in the Cloud
该研究通过123个云站点区域的碳强度数据,分析批处理与交互型云工作负载的碳感知时空调度效益,指出其实际碳减排上限有限、复杂技术增益小,且能源越低碳,碳感知调度相对优势越弱。
2024-03-10 cs.CY cs.DC cs.SY
Chance-constrained Unit Commitment via the Scenario Approach
保持电力供需平衡是电力系统运行规划的基本任务。由于可再生能源的渗透不断加深,这一任务变得特别具有挑战性,这引起了大量的不确定性。在本文中,我们提出了一个机会约束的机组组合(c-UC)框架,以应对挑战的不确定性的可再生能源。建议的c-UC框架寻求成本效益的发电机调度,同时确保操作约束的保证概率。我们表明,情景的方法可以用来解决c-UC,尽管从二元决策变量的非凸性。我们揭示了c-UC的显着结构特性,这可以显着降低场景方法所需的样本复杂度,并加快计算速度。案例研究是在一个改进的118总线系统上进行的。
2019-10-22 cs.SY eess.SY
Carbon-Aware Computing for Data Centers with Probabilistic Performance Guarantees
Google Inc.(谷歌公司)
本文提出一种基于分布鲁棒优化的负载整形方案,通过日前规划与实时调度结合,利用作业时空灵活性,在保证性能的同时显著降低数据中心碳成本和峰值功率。
2025-10-27 cs.SY eess.SY
Exploring the Impacts of Power Grid Signals on Data Center Operations using a Receding-Horizon Scheduling Model
数据中心(DC)可以通过帮助吸收可再生能源(例如,风能和太阳能),因为它们能够在空间和时间上转移电力负载。然而,为了利用这种负荷转移的灵活性,有必要了解电网信号(碳信号和市场价格/负荷分配)如何影响DC操作。这里出现的一个障碍是缺乏计算易处理的DC操作模型,该模型可以捕获在DC和电网的接口处出现的目标、约束和信息流。为了解决这一差距,我们提出了一个后退地平线资源管理模型(混合整数规划模型),捕获DC调度程序和网格之间的资源管理层,同时占逻辑约束,不同类型的目标,并预测传入的工作配置文件和可用的计算能力。我们使用我们的模型来进行基于Microsoft Azure和MISO的公共数据的广泛案例研究。我们的研究表明,DC可以提供显着的时间负荷转移的灵活性,从而减少碳排放和峰值需求收费。模型和案例研究以易于使用的Julia代码形式共享。
2022-12-14 cs.SY eess.SY
Optimal Scheduling of Integrated Demand Response-Enabled Integrated Energy Systems with Uncertain Renewable Generations: A Stackelberg Game Approach
为了平衡综合能源运营商(IEO)和用户的利益,提出了一种新的基于Stackelberg博弈的可再生能源发电量不确定的集成需求响应(IDR)集成能源系统的优化调度框架,其中IEO作为领导者,通过制定能源价格来追求自身利润的最大化,而用户是调整能量消耗计划以最小化其能量成本的跟随者。考虑到可再生能源发电的固有不确定性,将概率旋转备用写成机会约束的形式;充分挖掘区域供热网络的潜力,建立考虑时滞和热衰减特性的区域供热网络模型,引入预测平均投票(PMV)指标,考虑IDR用户灵活的热舒适需求。为了求解该模型,引入序列运算理论将机会约束转化为确定性等价形式,从而通过Karush-Kuhn-Tucker最优性条件将主从Stackelberg博弈转化为一个混合整数二次规划问题,最后用CPLEX优化器求解.两个案例研究的结果表明,建议的Stackelberg博弈为基础的方法管理,以实现可再生能源发电和IDR的协调IEO和用户之间的Stackelberg均衡。最后,通过对中国一个实际的综合能源系统的研究,验证了该方法的实用性。
2021-03-08 cs.SY eess.SP eess.SY
Optimal dispatch of low-carbon integrated energy system considering nuclear heating and carbon trading
小型核电机组的发展和碳交易市场的完善为实现综合能源系统的低碳运行提供了新的途径。本文将NP单元和碳交易机制引入到IES中,构建了一种新的低碳调度模型。针对引进NP机组后系统运行灵活性降低的问题,一方面对NP机组进行供热改造,使其成为热电联产机组,扩大其运行范围,提高其运行灵活性;另一方面,辅助设备如储电系统、储热系统和电转气装置,其可以进行能量时间平移或能量形式转换,共同提高系统运行的灵活性。在模型求解阶段,利用离散步长变换将考虑可再生能源输出不确定性的机会约束规划模型转化为等价的混合整数线性规划模型。基于华北某IES实际数据构建的测试系统表明,该方法具有良好的经济效益和低碳环保效益。
2022-09-24 cs.SY eess.SY
Carbon Explorer: A Holistic Approach for Designing Carbon Aware Datacenters
科技公司一直在引领可再生能源转型,通过投资可再生能源来减少其制造商的碳足迹。除了帮助建立新的太阳能和风力发电场,公司还签订电力购买协议或购买碳抵消,而不是每天每时每刻都依赖可再生能源。由于风能和太阳能的间歇性,24/7依赖可再生能源具有挑战性。太阳能和风能生产的内在变化导致不同时间的供应过剩或短缺。为了应对可再生能源发电的波动,必须采用多种解决方案。这些包括:太阳能和风能混合的容量调整,能源存储选项以及碳意识工作负载调度。但是,根据地区和数据中心工作负载的特点,碳优化解决方案会有所不同。在这个领域的现有工作并没有给出一个整体的观点权衡每个解决方案,往往忽略了解决方案的具体碳成本。在这项工作中,我们提供了一个框架,碳资源管理器,通过考虑解决方案的运营和维护足迹来分析多维解决方案空间,以帮助企业全天候使用可再生能源。我们分析的解决方案包括太阳能和风能的混合容量调整,电池存储和碳意识工作负载调度,这需要将工作负载从缺乏可再生能源供应的时候转移到供应充足的时候。
2023-02-22 cs.DC cs.SY eess.SY
Enhance Low-Carbon Power System Operation via Carbon-Aware Demand Response
本文提出集成碳感知需求响应(C-DR)机制的电力调度优化模型,基于碳感知最优潮流方法结合KKT重构与迭代算法求解双层调度问题,有效促进了电力系统脱碳。
2024-07-28 cs.SY eess.SY
Temperature-Aware Scheduling of LLM Inference in Large-Scale Geo-Distributed Edge Data Centers with Distributed Optimization
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)
本研究提出一种温度感知方法,通过分布式优化共同优化LLM的能耗、碳排放、首次令牌时间和水资源消耗,以提升地理分布边缘数据中心的可持续性。
2026-03-08 cs.SY eess.SY
Exploration of Multi-Element Collaborative Research and Application for Modern Power System Based on Generative Large Models
Georgia Institute of Technology(佐治亚理工学院);Bay Area Founders Club, INC.(湾区创始人俱乐部);Duke University(杜克大学);Pratt School of Engineering, Duke University(杜克大学普拉特工程学院);Yellow River Conservancy Technical Institute(黄河水利职业技术学院);Tianjin University(天津大学);Meta;Electric Power Research Institute(电力研究院)
本文探讨了生成式大模型(GLMs)在优化带储能与碳的智能广域混合能源系统(SGLSC)中的作用,通过时空建模和强化学习实现动态能源调度,提升电网稳定性、优化碳交易并增强抵御极端天气的能力,为高效低碳电力运营提供了变革性框架。
2025-03-26 cs.AI cs.SY eess.SY
Risk Limiting Dispatch with Ramping Constraints
Stanford University(斯坦福大学);University of California, Berkeley(加州大学伯克利分校)
本文研究了电力系统中风险与系统成本的最优平衡,通过建模发电机的爬坡约束,提出基于多期随机控制问题的调度方法,并采用替代机会约束程序和MPC型前瞻控制器进行高效计算,实验证明该方法在应对可再生能源概率分布变化时具有优势。
2013-05-27 cs.SY eess.SY math.OC
Full Timescale Hierarchical MPC-MTIP Framework for Hybrid Energy Storage Management in Low-Carbon Industrial Microgrid
Tsinghua University(清华大学);Columbia University(哥伦比亚大学);Aalto University(阿尔托大学);National Technical University of Athens(雅典国立技术大学)
本文提出全时间尺度分层MPC-MTIP框架,通过解耦控制问题和嵌入自适应反馈机制,提升混合储能系统在极端波动下的运行效率和稳定性,实现97.4%的净负载平滑率和62.2%的综合循环效率。
2026-03-23 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
A Stochastic Planning Method for Low-carbon Building-level Integrated Energy System Considering Electric-Heat-V2G Coupling
低碳建筑的概念是为了缓解环境问题引起的气候变化,在城市建筑层面实现碳中和而提出的。此外,配电系统中的可再生能源削减,以及由于传统能源系统独立运行而导致的低效率,已通过综合能源系统(IES)的应用在一定程度上得到解决。本文提出了一种低碳建筑级IES的规划方法,在该方法中考虑了电动汽车(EV)和车辆到电网(V2G)模式,进一步增加了低碳建筑的灵活性。该规划模型对建筑级IES的投资、运营成本和CO2排放进行优化,实现低碳建筑建设效益最大化,助力碳中和目标的实现。在此基础上,考虑分布式可再生能源的不确定性、多能源负荷波动和电动汽车用户的随机行为,建立了一个带有机会约束的两阶段随机规划模型,模型中应用了启发式矩匹配情景生成(HMMSG)和样本平均近似(SAA)方法。以上海某商业建筑为例,分析了不同运行场景下,储能系统、燃料电池、电动汽车等在IES中的功能,验证了所提规划方法的有效性。
2022-03-21 cs.SY eess.SY
A Vertical Approach to Designing and Managing Sustainable Heterogeneous Edge Data Centers
本文提出一种碳感知的垂直集成方法论,通过架构、系统和运行时三层协同优化,平衡运行与隐含碳排放,实现可持续边缘数据中心的设计与管理。
2025-06-02 cs.SY eess.SY
Improving operational flexibility of integrated energy system with uncertain renewable generations considering thermal inertia of buildings
传统的热电联产机组冬季采暖期“热定”运行方式导致系统运行灵活性不足,是制约可再生能源消费的关键问题。为了提高系统运行的灵活性,减少可再生能源的弃用,提出了一种基于机会约束规划(CCP)的以发电成本最小为目标的小规模综合能源系统(IES)优化调度模型。在该模型中,考虑到包括风力发电机组和光伏发电机组在内的可再生能源发电的不确定性,以机会约束的形式提供概率旋转备用;从用户体验的角度出发,建立考虑建筑热舒适性和惯性的热负荷模型。为了解决该模型,基于序列操作理论(SOT)的解决方案的基础上,原来的CCP为基础的调度模型处理成一个可解的混合整数线性规划(MILP)制定通过转换的机会约束到其确定性等价类,从而通过CPLEX求解器求解。在改进的IEEE 30节点系统上的仿真结果表明,该方法通过综合利用建筑物和各种辅助设备的热惯性,提高了可再生能源发电量不确定情况下IES的运行灵活性,为促进可再生能源消费提供了一条根本途径。
2020-01-25 cs.SY eess.SY math.OC
Two-Stage Stochastic Optimization for Low-Carbon Dispatch in a Combined Energy System
本研究采用两阶段随机优化方法构建联合能源系统低碳调度模型,结合碳交易机制与风光输出聚类以应对不确定性,通过仿真验证了模型可行性并分析了碳价格对运行成本的影响。
2024-11-11 cs.SY eess.SY
Low-carbon optimal dispatch of integrated energy system considering demand response under the tiered carbon trading mechanism
本研究提出阶梯碳交易机制下考虑需求响应的综合能源系统低碳优化调度策略,构建相关模型并求解,验证了该策略能有效降低系统运行成本与碳排放,提升综合性能。
2023-10-04 cs.SY eess.SY
Energy-Workload Coupled Migration Optimization Strategy for Virtual Power Plants with Data Centers Considering Fuzzy Chance Constraints
针对含数据中心的虚拟电厂,提出能量-负载耦合迁移优化策略,构建博弈耦合框架,基于模糊集理论处理负载数据稀疏性,改进Shapley值分配收益,仿真验证其提升需求响应曲线跟踪精度并降低成本的效果。
2025-11-07 cs.GT cs.SY eess.SY
EASE: Energy-Aware Job Scheduling for Vehicular Edge Networks With Renewable Energy Resources
Department of Information Engineering, University of Padova(帕多瓦大学信息工程系);Department of Mathematics “Tullio Levi-Civita”, University of Padova(帕多瓦大学“图利奥·莱维-奇维塔”数学系)
EASE通过集中优化和分布式共识步骤,实现车辆边缘网络中任务调度的能源效率与服务质量的优化,接近碳中和。
2022-08-12 cs.NI cs.SY eess.SY
AI Data Centers Meet Electrical Grids: A Review of Power Challenges and Coordinated Solutions
University of Alberta(阿尔伯塔大学)
本综述梳理AI数据中心从设备到电网的电力输送链,分析其对稳定性、可再生能源和低碳规划的影响,并提出跨层级协同的缓解策略与关键研究需求。
2026-10-08 cs.SY eess.SY
Optimal Scheduling of Isolated Microgrids Using Automated Reinforcement Learning-based Multi-period Forecasting
Northeast Electric Power University(东北电力大学);State Grid Beijing Electric Power Company(国网北京市电力公司)
为了减少负荷和可再生能源输出的不确定性对微电网运行的负面影响,提出了一种基于自动强化学习的可再生能源发电量和负荷多时段预测的孤立微电网优化调度模型。首先,优先经验重放自动强化学习(PER-AutoRL)旨在以定制的方式简化基于深度强化学习(DRL)的预测模型的部署,首次提出了基于PER-AutoRL的单步多期预测方法,以解决现有多步预测方法所遭受的误差累积问题,然后通过误差分布对所提出的预测方法得到的预测值进行修正,提高预测精度;其次,以微网总运行成本最小为目标,构建了考虑需求响应的调度模型,并将修正后的预测值作为调度依据,最后,利用序列运算理论(SOT)将原调度模型转化为一个易于求解的混合整数线性规划问题,并利用CPLEX求解器对转化后的模型进行求解。仿真结果表明,与传统的无预测调度模型相比,该方法提高了预测精度,显著降低了系统运行成本。
2021-08-15 cs.LG cs.SY eess.SP
Ancillary services in Great Britain during the COVID-19 lockdown: a glimpse of the carbon-free future
2019冠状病毒病疫情导致多个国家于二零二零年上半年部分或全面封城,继而导致电力需求低迷。在英国,这种低需求与可再生能源产量的结合,创造了在可再生能源产能增加以满足未来几年排放目标之前无法预期的条件。GB系统经历了非同步可再生能源的瞬时渗透率非常高的时期,由于电网缺乏惯性而影响了系统稳定性。本文详细分析了封锁对GB电力系统的影响,重点是为保证稳定而采购的辅助服务。与2019年同期相比,2020年5月至7月的辅助服务成本增加了2亿英镑(增加了三倍),凸显了辅助服务在低碳系统中的重要性。此外,本文使用频率安全调度模型来展示GB预计将经历的未来趋势,因为到2050年,可再生能源的渗透率将在净零排放的道路上增加。几个敏感性被认为是,表明由辅助服务所代表的总运营成本的份额可能达到35%。
2021-01-20 cs.SY eess.SY
Optimal Scheduling of Integrated Demand Response-Enabled Community Integrated Energy Systems in Uncertain Environments
社区综合能源系统(CIES)是近年来备受关注的重要能源互联网载体。针对不确定环境下集成需求响应(IDR)的CIES系统,以系统运行成本最小为目标,提出了一种基于机会约束规划的调度模型.并以电改气(P2G)和微型燃气轮机(MT)作为多能源载体的纽带,加强不同能源子系统的耦合。利用序列运算理论和线性化方法将原模型转化为可解的混合整数线性规划模型。对华北地区一个实际的CIES系统的仿真结果表明,通过协调IDR和可再生能源的不确定性,P2G和MT提高了系统的运行灵活性和用户综合满意度,CIES系统的运行经济性得到了改善。CIES操作能够通过为旋转储备约束设置合适的置信水平来实现经济性和系统可靠性之间的权衡。此外,所提出的解决方法优于混合智能算法的优化结果和计算效率。
2021-08-18 cs.SY eess.SP eess.SY
Coordinating Flexible Demand Response and Renewable Uncertainties for Scheduling of Community Integrated Energy Systems with an Electric Vehicle Charging Station: A Bi-level Approach
带电动汽车充电站的社区综合能源系统(CIES)为解决日益增长的能源效率和环境污染问题提供了新的途径,协调灵活的需求响应和多种可再生能源的不确定性是一项关键任务。为此,本文建立了一个新的双层优化调度模型的CIES与EVCS在多利益相关者的场景。在该模型中,一个综合的需求响应计划的目的是促进能源供应和需求之间的平衡,同时保持用户的综合满意度在可接受的范围内。为进一步挖掘需求响应潜力,灵活引导用户能源消费和电动汽车行为(充电、放电和提供旋转储备),提出了分时电价和实时电价相结合的动态电价机制。在求解阶段,利用序列运算理论(SOT),将原机会约束规划(CCP)模型转化为一个易于求解的混合整数线性规划(MILP)模型,并利用CPLEX求解器进行求解。对华北地区一个实际的CIES的仿真结果表明,该方法通过协调灵活的需求响应和不确定的可再生能源,实现了CIES和EVCS之间的利益平衡。
2021-07-16 cs.SY eess.SP eess.SY
Carbon-Aware Quality Adaptation for Energy-Intensive Services
Technische Universität Berlin(柏林工业大学);BIFOLD(柏林数据科学与未来智能学习中心);Huawei Technologies(华为技术有限公司)
本文提出了一种面向碳排放的能源密集型服务质量适应方法,通过调整不同服务质量层级的请求比例,结合预测多时间 horizon 优化,实现接近最优的碳节约效果,减少大规模大语言模型服务的排放量。
2026-03-04 cs.DC cs.SY eess.SY
Real-time scheduling of renewable power systems through planning-based reinforcement learning
Tsinghua University(清华大学);State Grid Corporation of China(国家电网有限公司);National Power Dispatching and Control Center(国家电力调度控制中心);China Electric Power Research Institute(中国电力科学研究院)
不断增长的可再生能源对传统的电力调度提出了重大挑战。运营商很难获得准确的可再生能源发电的前一天预测,从而要求未来的调度系统做出与超短期预测一致的实时的【形】调度决策。受计算速度的限制,传统的基于优化的方法无法解决这一问题。强化学习(RL)的最新发展已经证明了解决这一挑战的潜力。然而,现有的强化学习方法在约束复杂度、算法性能和环境保真度方面存在不足。我们是第一个基于最先进的强化学习算法和真实电网环境提出系统解决方案的公司。所提出的方法使规划和更精细的时间分辨率调整发电机,包括单位承诺和经济调度,从而提高电网的能力,接纳更多的可再生能源。训练有素的调度代理显着减少可再生能源削减和负荷削减,这是传统调度依赖于不准确的前一天预测所产生的问题。高频控制决策利用了现有机组的灵活性,减少了电网对硬件改造的依赖,节省了投资和运营成本,实验结果表明。这项研究展示了强化学习在促进低碳和智能电力系统方面的潜力,并代表了可持续发电的坚实一步。
2023-03-13 cs.AI cs.LG cs.SY
DCcluster-Opt: Benchmarking Dynamic Multi-Objective Optimization for Geo-Distributed Data Center Workloads
Hewlett Packard Enterprise(慧与公司)
针对大规模AI带来的能耗与碳排放问题,本文提出了开源高保真仿真基准DCcluster-Opt,融合真实数据集与物理信息模型,支持地理分布式数据中心的动态多目标调度与算法公平比较。
2025-10-31 cs.AI cs.LG cs.MA
Harnessing Flexible Spatial and Temporal Data Center Workloads for Grid Regulation Services
Thayer School of Engineering(泰勒工程学院);Dartmouth College(达特茅斯学院)
本文提出统一框架,通过联合优化数据中心工作负载分配和调节容量承诺,提升电网调节服务的可行性和经济性。
2026-02-02 cs.AI cs.CE cs.SY