XiaoMi-AI文件搜索系统
World File Search SystemADMM
可再生能源和电动汽车高度普及的电网机会约束能源管理系统
摘要 —本文提出了一种用于大规模整合电动汽车 (EV) 和可再生能源的电网的两阶段能源管理系统 (EMS)。第一阶段的经济调度分别确定插电式和电池更换模式下电动汽车充电站和电池更换站 (BSS) 的最优运行点。此阶段提出的随机模型预测控制 (SMPC) 问题通过机会约束优化公式来表征，该公式可以有效地捕捉系统和预测的不确定性。采用分布式算法——交替方向乘子法 (ADMM)，通过并行计算加速优化计算。第二阶段旨在协调电动汽车充电机制，使其持续遵循第一阶段的解决方案，即目标运行点，并满足通过高级计量基础设施 (AMI) 捕获的电动汽车客户的充电需求。所提出的解决方案为大规模集中式电网提供了一种整体控制策略，其中聚合的各个参数是可预测的，并且系统动态不会在短时间间隔内发生急剧变化。
可再生能源和电动汽车高度普及的电网机会约束能源管理系统
摘要 —本文提出了一种用于大规模整合电动汽车 (EV) 和可再生能源的电网的两阶段能源管理系统 (EMS)。第一阶段的经济调度分别确定插电式和电池更换模式下电动汽车充电站和电池更换站 (BSS) 的最优运行点。此阶段提出的随机模型预测控制 (SMPC) 问题通过机会约束优化公式来表征，该公式可以有效地捕捉系统和预测的不确定性。采用分布式算法——交替方向乘子法 (ADMM)，通过并行计算加速优化计算。第二阶段旨在协调电动汽车充电机制，使其持续遵循第一阶段的解决方案，即目标运行点，并满足通过高级计量基础设施 (AMI) 捕获的电动汽车客户的充电需求。所提出的解决方案为大规模集中式电网提供了一种整体控制策略，其中聚合的各个参数是可预测的，并且系统动态不会在短时间间隔内发生急剧变化。
探索分布式能源资源协调的区块链
摘要 - 分布式能源资源（DER）的快速增长，例如分布式可再生能源（例如屋顶PV面板），储能系统，电动汽车和可控制的供应，将电力系统驱动到具有双向电源流量的分散系统。通过聚合器（例如公用事业，系统操作员或第三方协调员）的DIV协调作为有希望的范式出现。但是，尚不清楚如何在聚合器和ders之间建立信任，以充分地整合得出。在本文中，我们使用区块链技术开发了一个可信赖的分布式协调系统。我们对各种DER进行建模，并为DERS优化其能源交易，调度和需求响应的成本最小化问题。我们使用乘数的交替方向方法（ADMM）以分布式方式解决问题。要以可信赖的方式实施分布式算法，我们设计了一个智能合约来更新乘数并与区块链网络中的DERS进行通信。我们通过使用现实世界数据通过实验来验证我们的设计，模拟结果证明了我们的算法的有效性。
适用于网络化混合交流/直流微电网的分布式稳健能源管理系统
摘要 — 混合交流/直流微电网 (MG) 可有效将可再生能源整合到电网中，多个 MG 的互连可通过能源共享提高系统的可靠性、效率和经济性。本文提出了一种用于网络化混合交流/直流 MG 的分布式稳健能源管理系统。对于每个单独的 MG，提出了一个可调稳健优化模型，以优化其单独的运营成本，同时考虑到可再生能源发电和负荷需求的不确定性。对于网络化 MG 系统，每个 MG 的能源共享信息由直流网络协调，以在网络约束下最小化电力传输损耗。通过交替方向乘数法 (ADMM) 制定、精确凸化并以分布式方式求解整体优化模型，其中只需要每个 MG 实体提供有限的信息（即向网络注入功率），从而保证信息隐私。对网络化混合交流/直流 MG 进行了仿真，以证明所提出的能源管理系统的有效性。
集中共享储能系统动态分区策略优化运行
摘要 — 随着可再生能源不断融入电网，储能已成为支撑电力系统发展的重要技术。为有效提高储能效率和经济性，开发了具有多个储能电池的集中式共享储能 (SES) 站，以实现一组实体之间的能源交易。在本文中，我们提出了针对集中式 SES 站的动态分区策略优化运行，考虑到大型可再生能源发电厂的日前需求。我们基于纳什讨价还价理论实现了多实体合作优化运行模型。该模型分解为两个子问题：带有能源交易的运营利润最大化问题和租赁付款讨价还价问题。采用分布式交替方向乘数法 (ADMM) 分别解决子问题。仿真结果表明，采用动态分割策略的优化运行能够提高可再生能源实体对计划出力的跟踪能力，提高储能实际利用率，增加各参与实体的利润。结果验证了该策略的实用性和有效性。
量子系统的二进制控制脉冲优化
量子控制旨在操纵量子系统针对特定的量子状态或所需的操作。设计高度准确和效率的控制步骤对各种量子应用至关重要，包括能量最小化和电路汇编。在本文中，我们关注离散的二进制量子控制问题，并应用不同的优化算法和技术来提高计算效率和解决方案质量。特别是我们开发一个通用模型并以多种方式扩展它。我们引入了一个平方L 2-二烯函数来处理其他侧面范围，以模型要求，例如最多允许一个控件活跃。我们引入了一个总变化（TV）正常器，以减少控件中的开关数量。我们修改了流行的梯度上升脉冲工程（葡萄）算法，开发了一种新的乘数交替方向方法（ADMM）算法，以求解惩罚模型的持续放松，然后应用舍入技术来获得二元控制解决方案。我们提出了一种修改的信任区域方法，以进一步改善解决方案。我们的算法可以获得高质量的控制结果，这是由关于各种量子控制示例的数值研究所阐述的。
通过分布式优化优化BEV中的热能管理
全球对节能和环境可疑性的日益关注强调了减少温室气体（GHG）排放的关键作用，尤其是从运输部门中。电池电动Vehicles（BEV）已成为一个关键解决方案，这是由严格的调节目标和消费者对可持续移动性的需求不断增长的驱动。然而，实现BEV的广泛采用需要应对诸如“范围焦虑”之类的挑战，这源于由于高能量消耗而导致的驱动范围有限，尤其是对于热管理。本文探讨了BEV中的优化热能管理（TEM）系统，以提高能效和扩展车辆范围。为最先进的弹性热能管理（FTEM）系统开发了一种新型的面向控制的系统级模型，该系统集成了HVAC和热泵功能。该研究重点是应用分布式操作技术，利用模型预测控制（MPC）和乘数的交替方向方法（ADMM）来实现实时能源节省。所提出的方法是针对能源消耗的重大减少，尤其是在不同的环境条件下，使BEV在大众市场中更具竞争力。这项工作通过展示提高车辆性能和可持续性的先进策略来有助于更广泛的向零发射运输过渡。
多模式分布对齐的分层最佳传输
在许多机器学习应用程序中，有必要通过对齐方式有意义地汇总不同但相关的数据集。最佳传输（OT）的方法将姿势比对作为差异最小化问题：目的是使用Wasserstein距离转换源数据集以匹配目标数据集，作为在对齐约束下的分歧度量。我们引入了OT的分层公式，该公式利用数据中的群集结构来改善嘈杂，模棱两可或多模式设置的对齐。为了以数值为单位，我们提出了一种利用sindhorn距离的分布式ADMM算法，因此它具有有效的计算复杂性，该计算复杂性与最大群集的大小四倍地缩放。当两个数据集之间的转换是统一的时，我们提供的性能保证可以描述何时以及如何使用我们的公式恢复群集对应关系，然后描述为这种策略的最坏情况数据集的几何形状。我们将此方法应用于合成数据集，该数据集将数据建模为低级别高斯人的混合物，并研究数据的不同几何特性对对齐的影响。接下来，我们将方法应用于神经解码应用中，其目标是预测猕猴主运动皮层中神经元种群的运动方向和瞬时速度。我们的结果表明，当数据集中存在聚类结构时，并且在试验或时间点之间保持一致，这是一种层次对齐策略，该策略利用这种结构可以提供跨域比对的显着改善。
学习融合量子经典分布式优化技术的发电调度
摘要 量子计算的出现可能会彻底改变复杂问题的解决方式。本文提出了一种将量子计算、机器学习和分布式优化相结合的双循环量子经典解算法用于发电调度。目的是便于使用具有有限数量量子比特的嘈杂近期量子机来解决发电调度等实际电力系统优化问题。外循环是一种 3 块量子交替方向乘法器 (QADMM) 算法，该算法将发电调度问题分解为三个子问题，包括一个二次无约束二进制优化 (QUBO) 和两个非 QUBO。内循环是一种可训练量子近似优化算法 (T-QAOA)，用于在量子计算机上解决 QUBO。提出的 T-QAOA 将量子-经典机器的相互作用转化为序列信息，并使用循环神经网络通过适当的采样技术估计量子电路的变分参数。 T-QAOA 只需几次量子学习器迭代即可确定 QUBO 解决方案，而量子经典求解器则需要数百次迭代。外部 3 块 ADMM 协调 QUBO 和非 QUBO 解决方案以获得原始问题的解。讨论了所提出的 QADMM 保证收敛的条件。研究了两个数学和三个代际调度案例。在量子模拟器和经典计算机上进行的分析表明了所提算法的有效性。讨论了 T-QAOA 的优势，并与使用基于随机梯度下降的优化器的 QAOA 进行了数值比较。