XiaoMi-AI文件搜索系统
World File Search SystemScheduling
当地市场中社区电池存储的最佳尺寸和计划
不断增加的分布式能源的吸收需要在住宅一级引入当地电力市场。受这些变化不利影响的电动零售商可以通过运营本地交易平台并通过社区级电池存储提供服务来获利。在这项工作中，我们提出了一种基于Stackelberg游戏的方法，用于在多间隔本地市场的运行下进行尺寸尺寸的电池单元。优化被制定为一个双重计划，领导者是负责确定当地价格和电池充电/放电时间表的市场聚合商。此外，双重计划中的追随者是生产者，他们可以在舒适性和电力成本方面改变电力消耗。在获得社区存储的最佳能力后，我们会修改算法以每天有效地操作电池。使用带有屋顶光电系统的住宅伪造者的现实世界数据评估了所提出的模型的适用性，用于两个不同的定价方案，这代表聚合器和制作者之间的利润权衡。结果显示了拟议模型在社区存储安装中的盈利能力，其中可以通过任何一个定价方案实现相对较短的投资回收期。
为常驻人员安排深空雷达运行计划...
随着太空变得越来越拥挤和竞争激烈，竞争对手威胁重要资产和利用该地区获取军事优势的新能力使得美国比以往任何时候都更需要熟练地跟踪和监控太空交通和碎片。然而，目前国防部用于跟踪深空物体的雷达系统的运行方式是劳动密集型、不协调和低效的。在本文中，我们通过自动化和协调雷达调度过程来解决这些问题。我们考虑了几个在异步分布式环境中运行的复杂雷达系统，它们以不同的优先级、时间窗口、到达频率和任务要求为目标空间物体。我们开发了一个混合整数程序，能够智能地分配任务请求并以符合用户目标和系统特征的方式构建雷达转向计划。我们随着时间的推移反复解决优化问题，同时在整个规划过程中接收和整合更新的信息、新任务请求和可用反馈。我们在各种战术军事场景中测试了我们的方法，并表明与基线贪婪算法相比，基于优化的方法使我们能够保管更多空间物体，更好地优先考虑高价值物体，并降低运营成本。我们得出结论，自动、集中的调度方式对于空间态势感知 (SSA) 任务来说是可行且有益的。
执行堆叠服务的电池储能系统优化调度
摘要 — 电网规模电池储能系统 (BESS) 是用于为电网提供稳定性和灵活性的前沿技术。因此，BESS 通过参与辅助服务（例如能源套利和频率调节市场）为其运营商创造了可观的收入。因此，BESS 运营商可以从一个模型中受益，该模型允许他们优化提供服务的竞标过程，同时优化调度，以通过同时堆叠各种电网服务来充分利用每个 BESS 周期。估计最大 BESS 收入对于建立投资者的财务可持续性至关重要。在本文中，提出了一种适用于多种电网应用的 BESS 优化模型，以估计最大日收入，并适当关注保持 BESS 的寿命。该模型旨在通过允许系统同时参与能源套利和频率调节市场来最大化 BESS 产生的收入。在本提案中，使用历史 PJM 市场数据测试了一种新的 BESS 调度方法，该方法用于通过基于能源市场买卖的 PJM 监管市场进行有效和优化的竞标来提高提供辅助服务的收入。该模型采用混合整数线性规划 (MILP) 公式。索引术语 — 电池储能系统 (BESS)、频率调节上/下市场、辅助服务、能源套利、竞标容量、调度优化、BESS 周期。
风能和太阳能光伏系统的联合调度策略，以掌握竞争市场的不平衡成本
摘要：可再生能源与活性热电厂的整合有助于全球绿色环境。要实现可再生 - 热杂交系统的最大可靠性和可持续性，需要考虑大量约束，以最大程度地减少情况，这是由于可再生能源的不可预测性而产生的。在风集成放松管制的系统中，风电场需要在运行日期之前向独立系统操作员（ISO）提交发电场景。基于他们提交的出价，ISO安排了来自不同生成站的发电，包括热和可再生。由于风流的不确定性质，总是有可能不填充风电场的日程安排量。市场中这种违规行为可能会对发电公司施加经济负担（即失衡成本）。太阳能光伏电池可用于减少放松管制系统中不可预测的风饱和度的不利经济影响。本文为太阳能光伏和风电场的混合操作提供了一致，胜任和有效的操作方案，以最大程度地降低不平衡成本，这是由于实际风速和预测风速之间的不匹配而导致的不平衡成本。修改的IEEE 14-BUS和修改IEEE 30总线测试系统已用于检查所提出的方法的有用性。在这项工作中使用了三种优化技术（即，序列二次编程（SQP），智能花优化算法（SFOA），蜂蜜ba算算法（HBA））进行了比较研究。在这里提出了总线加载因子（BLF），以识别系统中最敏感的总线，用于放置风电场。SFOA和HBA优化技术已在这种类型的经济评估问题中第一次使用，这是本文的新颖性。在此处引入了总线加载因子（BLF），以识别系统中最敏感的总线。实施工作后，已经可以看到，太阳能光伏系统的运行减少了不平衡成本对可再生综合失调电源系统的不利影响。
规划和调度 - DOE 指令
在关键决策 (CD)-1 之前，该命令要求制定一份经批准的采购战略，其中包含一份高级主计划。2 该命令要求价值超过 5000 万美元的项目在 CD-2 之前采用符合 EIA-748（合同授予时的当前版本）的挣值管理系统 (EVMS)，除非该项目是根据与 DOE 直接签订的固定价格 (FP) 合同执行的，或者该项目根据 DOE O 413.3B 获得批准的豁免。3 EIA-748 的准则 6 和 7 描述了项目进度表的作用以及剩余工作、哪些资源将执行工作以及项目在批准的 CD-4 日期之前需要完成工作的时间的规划和调度过程。项目 IMS 是资源加载的，并显示关键路径（在 DOE 和 P6 中也称为“最长路径”）。 4 资源加载的 IMS 包含所有成本，包括人员、劳动力、设施、材料和设备（视情况而定）的单价和数量，以完成所需的活动。对于 FP 合同，进度表将包括总合同成本。5
具有高渗透率光伏和电池储能系统的岛屿电网随机发电调度：南安达曼岛案例研究
摘要：由于惯性较低且缺乏与其他电网的互连，孤立电网很脆弱。随着不可调度可再生能源的普及，此类孤立电网的脆弱性进一步增加。印度政府已提出多个项目来提高安达曼和尼科巴群岛电网的光伏系统 (PV) 普及率。本文研究了由柴油和天然气发电机、光伏和电池储能系统 (BESS) 供电的孤立电网的能源和备用发电联合随机调度。所提出的随机调度模型考虑了广泛的概率预测情景，而不是假设单点预测的确定性模型。因此，它为广泛的光伏电力预测情景提供了技术上可行的最佳解决方案。本研究开发的模型的显著特点是纳入了随机约束，这些约束代表 (i) 光伏和 BESS 之间的协调、(ii) 备用约束、(iii) 电池充电/放电限制约束，以及 (iv) 确保调度决策技术可行性的非预期约束。所提出的模型在南安达曼岛的数据集上得到验证。结果揭示了所提出的随机调度模型对不同发电组合场景的适用性和可行性。
使用粒子群优化算法实现并网住宅太阳能发电系统的日前最优能源调度
摘要 本文提出了并网住宅光伏系统的日前优化能源调度技术，以符合电价并优化家庭运营效益。该解决方案被视为优化问题，目标是最大化家庭能源效益，优化变量是电力调度率，即出售给电网的光伏电力与供应负载后的额外光伏能源之比。之后，使用粒子群优化 (PSO) 解决公式化的非线性优化问题。使用位于尼泊尔拉利特布尔的典型并网太阳能供电系统（具有太阳能光伏系统和电池储能系统）进行验证分析。研究结果表明，建议的能源调度策略与启发式优化方法相结合，可成功实现多种能源的优化能源调度，从而在分时电价下实现财务效益最大化。
奇点：人工智能工作负载的行星级、抢占式和弹性调度
通过提高深度学习工作负载的利用率来降低成本是云提供商的关键杠杆。我们推出了 Singularity，这是微软的全球分布式调度服务，可高效可靠地执行深度学习训练和推理工作负载。Singularity 的核心是一种新颖的工作负载感知调度程序，它可以透明地抢占和弹性扩展深度学习工作负载，以提高利用率，而不会影响它们在全球 AI 加速器（如 GPU、FPGA）中的正确性或性能。默认情况下，Singularity 中的所有作业都是可抢占、可迁移和动态调整大小（弹性）的：实时作业可以动态且透明地 (a) 被抢占并迁移到不同的节点、集群、数据中心或区域集，并从抢占点准确恢复执行，以及 (b) 在给定类型的不同加速器集上调整大小（即弹性地扩大/缩小）。我们的机制是透明的，因为它们不需要用户对其代码进行任何更改，也不需要使用任何可能限制灵活性的自定义库。此外，我们的方法显著提高了深度学习工作负载的可靠性。我们表明，使用 Singularity 可以获得效率和可靠性的提升，而对稳态性能的影响可以忽略不计。最后，我们的设计方法与 DNN 架构无关，并且可以处理各种并行策略（例如数据/管道/模型并行）。
智能电网中可再生能源整合的实时能源管理和负荷调度
1 计算机科学项目，图拉巴大学学院，塔伊夫大学，邮政信箱 11099，塔伊夫 21944，沙特阿拉伯；f.alhammdani@tu.edu.sa 2 美国巴基斯坦能源高级研究中心，工程技术大学，白沙瓦 25000，巴基斯坦；engr.sajjad92@gmail.com（SAK）；abdul.basit@uetpeshawar.edu.pk（AB） 3 工程技术大学电气工程系，马尔丹 23200，巴基斯坦；sheraz@uetmardan.edu.pk 4 拉合尔女子大学电气工程系，拉合尔 51000，巴基斯坦；sadia.murawwat@lcwu.edu.pk 5 计算机与信息科学学院，沙特国王大学，利雅得 11543，沙特阿拉伯； Sirtaza@ksu.edu.sa 6 不莱梅大学生产工程学院，28359 不来梅，德国； tho@biba.uni-bremen.de 7 BIBA–Bremer Institut für Produktion und Logistik GmbH, 28359 Bremen, 德国 * 通讯地址：ghulamhafeez393@gmail.com；电话：+92-300-5003574 或 +92-348-8818497
采用动态最优功率流的电池储能系统调度框架
摘要 — 电池储能系统 (BESS) 有助于实现具有更高灵活性的低碳电网，但只有通过适当调度其运行才能实现既定目标。本文开发了一种基于动态最优功率流 (DOPF) 的调度框架，以优化电网规模 BESS 的日前运行，旨在减轻可再生能源发电的预测限制，并平滑传统发电机提供的网络需求。在 DOPF 中，整个网络和整个时间范围内的所有发电机组（包括模拟 BESS 出口和进口的发电机组）都集成到一个网络上。随后，应用 AC-OPF 来调度它们的功率输出以最小化总发电成本，同时满足功率平衡方程，并处理每个时间步骤的单元和网络约束以及与充电状态 (SOC) 相关的跨时间约束。此外，这里开发的 DOPF 需要经常应用的恒定电流-恒定电压充电曲线，该曲线在 SOC 域中表示。考虑到 1 MW BESS 在特定 33 kV 网络上的实际应用，调度框架旨在满足每个周期中 BESS 可用能源容量最佳利用的实际要求，同时每天完成最多一个周期。