XiaoMi-AI文件搜索系统
World File Search SystemMILP
学习停止削减生成以进行有效的混合构成线性编程
切割平面（切割）在解决混合整数线性程序（MILP）方面起着重要作用，因为它们可以显着拧紧双重界限并改善解决性能。削减的关键问题是何时停止削减生成，这对于解决MILP的效率很重要。但是，许多现代的MILP求解器采用了硬编码的启发式方法来解决这个问题，这往往会忽略MILPS中基本的作用，而不是某些应用。为了应对这一挑战，我们制定了削减生成，以阻止概率作为增强学习问题，并提出了一种新颖的新生graph g raph raph raph raph raph m o del（Hygro），以学习有效的停止策略。Hygro的一个吸引人的特征是，它可以有效地捕获MILP的动态和静态功能，从而为停止策略提供动态决策。据我们所知，Hygro是第一个解决削减生成停止问题的数据驱动方法。通过将我们的方法与现代求解器相结合，实验表明，与柔软的基线相比，透明质可能可显着提高解决MILP的效率，从而提高31％。
表征和可视化储能对大容量电力系统中可再生能源削减的影响
摘要：可再生能源的不确定性导致其未得到充分利用；储能单元 (ESU) 有望成为解决这一问题最有前途的解决方案之一。本文评估了 ESU 对可再生能源削减的影响。对于任何固定的可再生能源输出，评估模型最小化削减总量，并被表述为具有对 ESU 充电和放电行为的互补约束的混合整数线性规划 (MILP)；通过将 ESU 的功率和能量容量视为参数，MILP 被转化为多参数 MILP (mp-MILP)，其最优值函数 (OVF) 将参数明确映射到可再生能源削减。此外，考虑到不确定性的概率分布的不精确性，提出了一个分布稳健的 mp-MILP (DR-mp-MILP)，它考虑了代表性场景构建的经验分布邻域中的最差分布。 DR-mp-MILP 具有最大最小形式，并通过对偶理论重新形成为规范的 mp-MILP。所提出的方法已在修改后的 IEEE 九节点系统上得到验证；参数化的 OVF 为存储大小提供了深刻的建议。
电池调度中的位置分配方法......
对于日益增长的电池电动公交车 (BEB) 车队市场而言，制定稳健的充电计划对于成功采用至关重要。在本文中，我们提出了一个 BEB 充电调度框架，该框架考虑了时空调度约束、路线调度、快速和慢速充电选项以及电池动态，并以混合整数线性规划 (MILP) 建模。MILP 基于泊位分配问题 (BAP)，这是一种以最佳方式分配服务船只的方法，并采用称为位置分配问题 (PAP) 的修改形式进行调整，该问题分配电动汽车 (EV) 进行充电。包括线性电池动态以模拟公交车在车站的充电情况。为了考虑 BEB 在各自路线上的放电，我们假设每个 BEB 在运输过程中都会经历平均 kWh 的电量损失。优化协调 BEB 充电，以确保每辆车的充电状态 (SOC) 保持在指定水平以上。该模型还最大限度地减少了使用的充电器总数，并优先考虑慢速充电以保证电池健康。使用从犹他州交通局 (UTA) 采样的 35 辆公交车和 338 次充电站访问的一组路线来证明该模型的有效性。该模型还与基于充电阈值的启发式算法（称为 Qin 改进方法）进行了比较。结果表明，MILP 框架通过比 Qin 改进方法更容易地为 BEB 分配慢速充电器来促进电池健康。MILP 使用一个快速充电器和六个慢速充电器，而 Qin 改进方法使用四个快速充电器和六个慢速充电器。此外，MILP 全天保持指定的最低 SOC 25%，并在工作日结束时达到所需的最低 SOC 70%，而 Qin 改进方法在没有任何约束的情况下无法将 SOC 保持在 0% 以上。此外，结果表明，在考虑电池动态并最小化充电器数量和消耗成本的同时，时空约束得到满足。
基于条件的飞机机队维护计划优化模型比较研究
摘要：在考虑一组系统的健康预测的同时，在破坏性环境中对飞机机队进行基于条件的维护 (CBM) 调度是一个非常复杂的组合问题，鉴于健康预测中包含的不确定性，该问题变得更具挑战性。此类问题属于不确定条件下资源受限调度问题的大类，通常使用混合整数线性规划 (MILP) 公式来解决。虽然 MILP 框架非常有前景，但问题规模可以随着考虑的飞机数量和考虑的任务数量呈指数级增长，从而导致计算成本显着增加。人工智能的最新进展已经证明了深度强化学习 (DRL) 算法能够缓解这种维数灾难，因为一旦 DRL 代理经过训练，它就可以实现维护计划的实时优化。但是，不能保证最优性。文献中尚未讨论 MILP 和 DRL 公式在飞机机队维护调度问题中的比较优点。本研究是对这一研究空白的回应。我们对 MILP 和 DRL 调度模型进行了比较，这两个模型用于在破坏性环境中为不同规模的飞机机队的各种维护场景得出最佳维护计划，同时考虑健康预测和执行每项任务的可用资源。根据根据实际航空公司实践定义的四个规划目标来评估解决方案的质量。结果表明，DRL 方法在预测驱动任务的调度方面取得了更好的结果，并且需要更少的计算时间，而 MILP 模型可以产生更稳定的维护计划并减少维护地面时间。总体而言，该比较为将健康预测整合到航空公司维护实践中提供了宝贵的见解。
电力拍卖市场中充电站的最佳交易
摘要 - 该论文介绍了一家用于电动和氢车辆的充电站公司（Chargco）。电力盘和盘中拍卖市场的最佳交易被建模为随机混合兼具二次计划（MIQP）。我们提出了一系列的线性化和重新制定技术，以将随机MIQP重新制定为混合成员线性程序（MILP）。为建模随机性，我们利用生成的对抗网络来聚集电力市场价格。此外，还采用了随机森林和线性回归的组合来对Chargco电力与氢负荷之间的关系进行建模。最后，我们提出了一种改进的L形分解（ILSD）算法来解决我们的随机MILP。我们的ILSD算法不仅通过创新方法解决了无限性，而且还结合了温暖的开始，有效的不平等和多生成削减，从而降低了计算复杂性。数值实验说明了使用我们提出的随机MILP及其解决方案算法的Chargco交易。
电池PV系统的联合设计和控制的加固学习 朝着设计基于人类现象的实验协议的游戏
新可再生能源的权力下放和不可预测性需要重新思考我们的能源系统。数据驱动的方法，例如增强学习（RL），已成为操作这些系统的新控制策略，但尚未应用于系统设计。本文旨在通过研究使用基于RL的方法来进行关节设计和控制现实世界PV和电池系统的方法来弥合这一差距。设计问题首先被提出为混合工作者线性编程问题（MILP）。然后使用最佳的MILP解决方案来评估旨在应用现有数据驱动算法的替代环境中训练的RL代理的性能。两种模型之间的主要区别在于它们的优化方法：虽然MILP找到了一种解决方案，但考虑到确定性的历史数据，RL是一种随机方法，可以在历史数据集中的所有周中搜索一周的预期数据。使用一周的数据和案例研究使用一年的数据，将两种方法都应用于玩具示例。在这两种情况下，都发现模型融合到类似的控制解决方案，但其投资决策却有所不同。总的来说，这些结果是最初的一步，说明了将RL用于能量系统的联合设计和控制的挑战。
国际研究出版与评论杂志
早期的负荷调度研究主要利用线性规划和混合整数线性规划 (MILP) 等优化技术。这些方法已被用于解决机组投入和经济调度问题，旨在确保系统可靠性的同时最大限度地降低燃料成本和运营约束。例如，提出了一个 MILP 模型来优化火电和水电的调度，实现发电成本和负荷需求之间的平衡。同样，[作者等，年份] 展示了使用线性规划来最大限度地降低集成可再生能源的微电网中的发电成本。虽然这些方法为明确定义的问题公式提供了精确的解决方案，但它们往往在可扩展性和计算复杂性方面存在困难，尤其是在处理可再生能源的随机性时。
从混合企业线性编程问题到规则...
摘要 - 为了确保经济生存能力和微电网操作的可靠性，必须设计适应能的能源管理系统（EMS）。大多数研究都讨论了基于优化的方法，例如使用混合构成线性编程（MILP）问题，以获取每个微电网设备的最佳操作概况，从而可以实现经济，技术或环境目标。但是，这种EMS需要发电和需求的预测能力以及对不确定性的管理。在某些微电网中，尤其是在工业区域中，无法准确预测发电和负载需求。在这种情况下，只能考虑用于实时能源管理的基于规则的算法。在本文中，提出了一种基于规则的算法，用于使用电力和氢作为能量载体的海港多能微电网进行管理。规则是基于用MILP问题解决的结果设计的，目的是通过考虑动态定价来最大化收入并使用本地能源产生的能量。此外，设计的特定策略是为电解室和氢气罐的管理而设计的，以避免过早衰老。结果表明，拟议的实时算法和规则使经济和充满活力的标准能够达到接近通过MILP问题解决的价值，增长回报期的增加小于2％。
使用离线优化方法实现独立数据中心最佳可再生能源供应
由于数据中心的能源消耗和二氧化碳排放量不断增加，ANR DATAZERO2 项目旨在设计完全依靠本地可再生能源和存储设备运行的自主数据中心，以克服间歇性问题。为了优化可再生能源和存储设备的使用，MILP 求解器通常负责分配要提供给数据中心的电力。但是，为了减少计算时间并使方法可扩展，使用多项式时间算法会更合适。本文旨在展示和证明，通过使用二分搜索方法的确定性算法可以提供最佳功率分布。考虑到初始问题的主要约束，大量实验结果显示出与 MILP 给出的结果相似的结果。这些有希望的结果鼓励我们继续朝这个方向努力，提出一种考虑不确定性的数据中心电源高效管理方法。
系统级别的安全护罩：通过不确定的神经网络动态模型
摘要在许多对照和机器人应用程序中都考虑了神经网络（NN）作为黑框函数近似器。但是，在不确定性存在下验证整体系统安全的困难阻碍了NN模块在安全至关重要的系统中的部署。在本文中，我们利用NNS作为未知染色体系统轨迹跟踪的预测模型。我们在存在固有的不确定性和其他系统模块的不确定性的情况下考虑控制器设计。在这种情况下，我们制定了受约束的传播跟踪问题，并表明可以使用混合智能线性程序（MILP）对其进行求解。在机器人导航和通过模拟避免障碍物中，基于MILP的方法在经验上得到了证明。演示视频可在https://xiaolisean.github.io/publication/2023-11-01-L4DC2024获得。关键字：神经网络，系统级安全，不确定性，轨迹跟踪