XiaoMi-AI文件搜索系统
World File Search SystemScheduling
通过空间和时间调度卫星通信
摘要 地球观测低地球轨道 (LEO) 卫星收集大量数据，这些数据需要先传输到地面站，然后再传输到云端进行存储和处理。如今，卫星会贪婪地向地面站传输数据，每次接触期间都会充分利用带宽。我们表明，由于地面站的布局和轨道特性，这种方法会使某些地面站超载而其他地面站负载不足，从而导致吞吐量损失和图像的端到端延迟较大。我们提出了一种名为 Umbra 的新型端到端调度系统，该系统通过考虑空间和时间因素（即轨道动态、带宽限制和队列大小）来规划从大型卫星星座通过地面站到云端的传输。Umbra 的核心是一类称为保留调度的新型调度算法，其中发送方（即卫星）有选择地未充分利用一些与地面站的链路。我们表明，Umbra 的反直觉方法可将吞吐量提高 13-31% 并将 P90 延迟降低 3-6 倍。
通过能源套利实现运营约束下收益叠加的最佳电池充电调度
摘要 — 随着可变可再生能源在电力结构中的份额不断增加，需要新的解决方案来构建灵活可靠的电网。电池存储系统的能源套利通过转移需求和提高电力生产系统的整体利用率来支持可再生能源融入电网。在本文中，我们提出了一种用于日前市场能源套利的混合整数线性规划模型，该模型考虑了希望从其存储资产中获得额外收入来源的资产所有者的运营和可用性约束。该方法以最佳方式安排与最有利可图的交易策略相关的充电和放电操作，并使用包括德国、法国、意大利、丹麦和西班牙在内的多个欧洲国家的电价，在一年的时间范围内实现了最高可获得利润的 80% 至 90%。
现代电网运行机组组合与备用电源调度联合优化
摘要 — 现代电网将传统发电机与分布式能源 (DER) 发电机相结合，以应对气候变化和长期能源安全的担忧。由于 DER 的间歇性，必须安装不同类型的储能设备 (ESD)，以尽量减少机组投入问题并适应旋转备用电力。ESD 具有操作和资源限制，例如充电和放电率或最大和最小充电状态 (SoC)。本文提出了一个线性规划 (LP) 优化框架，以最大化特定电网特定最佳旋转备用电力的机组投入功率。使用此优化框架，我们还使用 DER 和 ESD 资源约束确定总可调度电力、不可调度电力、旋转备用电力和套利电力。为了描述 ESD 和 DER 约束，本文评估了几个因素：可用性、可调度性、不可调度性、旋转备用和套利因子。这些因素被用作此 LP 优化中的约束，以确定现有 DER 的总最佳备用电力。所提出的优化框架最大化了可调度与不可调度功率的比率，以最小化每个 DER 设定的特定旋转备用功率范围内的机组承诺问题。该优化框架在改进的 IEEE 34 总线配电系统中实施，在十个不同的总线中添加十个 DER 以验证其有效性。索引术语 — 分布式能源资源、机组承诺、运行和非运行备用、配电系统
减少风电弃风和实现能源套利的优化储能调度：一种深度强化学习方法
摘要 — 风能作为应对气候变化的一种手段，正迅速普及。然而，风力发电的多变性会破坏系统的可靠性并导致风力发电量减少，给风力发电商造成巨大的经济损失。作为现场备用电源的电池储能系统 (BESS) 是缓解风力发电量减少的解决方案之一。然而，BESS 的这种辅助作用可能会严重削弱其经济可行性。本文通过提出联合减少风力发电量和 BESS 能源套利来解决这个问题。我们将共置风力电池系统的市场参与分离，并为风电场和 BESS 开发联合竞价框架。由于能源价格和风力发电的随机性，优化联合竞价具有挑战性。因此，我们利用深度强化学习来最大化现货市场的总收入，同时释放 BESS 在同时减少风力发电量减少和进行能源套利方面的潜力。我们利用真实的风电场数据验证了所提出的策略，并证明我们的联合竞价策略对风电削减的响应更好，并且比基于优化的基准产生更高的收入。我们的模拟还表明，过去被削减的额外风力发电可以成为为 BESS 充电的有效电源，从而产生额外的财务回报。索引术语 — 深度强化学习、能源套利、现货市场、风电电池系统、风电削减。
多时间尺度协调的最佳调度技术，用于多源互补的功率生成系统，源负载中具有不确定性
摘要：提出了一种考虑到源 - 负载不确定性的多源互补发电系统的最佳调度策略，以解决大规模间歇性可再生能源消耗和电力负荷不稳定性对电网调度的影响。不确定性问题首先转化为常见的研究情况，例如负载功率预测，太阳能和风能。向后的场景减少和拉丁超立方体抽样技术用于创建这些常见情况。基于此，提出了一个多源互补的发电系统的多时间尺度协调的最佳调度控制方法，其中提出了需求响应，并检查了风– Pv-pv-thermal-pump-pump-pump Pump Pump Pump的最佳操作。使用时间的电力价格优化了日期定价模式的电气负载，并且在日期安排中选择了两种需求响应负载。第二，最低的系统运营成本以及每个源的日期和日期调整最少，作为多次量度互补系统的多次协调调度模型的日期和日内阶段的优化目标。该示例研究表明，调度策略可能会增加消耗的可再生能源的量，最大程度地减少载荷频率，提高系统稳定性并进一步降低运营费用，从而证明建议策略的可行性和效率。
引用发布版本（APA）：Wang，Q.，Wang，Y。，＆Chen，Z。（2022）。电力的日期经济优化计划模型 - Hydroge
本文介绍了一个日常的经济优化调度模型，用于区域电力 - 氢化能源系统（REHIE），具有可再生能源的高渗透率。电力 - 氢耦合设备是用储能单元和不敏感的电负荷（ISEL）建模的。所提出的目标函数能够从经济利益方面捕获Rehies的最大收益，并且可以总结为二次编程（QP）问题。模拟验证由MATLAB/CPLEX求解器执行。模拟结果表明，提出的优化模型通过在电力和氢之间的灵活协作来适应市场需求。此外，ISEL的翻译特性可以实施更高的经济利润和更有效的可再生能源利用。©2022作者。由Elsevier Ltd.这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章。
基于随机多目标优化模型的多能源微电网日前调度
摘要：处理多目标问题有几个有趣的好处，其中之一是它为决策者提供了有关帕累托前沿的完整信息，以及对问题所涉及的各种权衡的清晰概述。选择这样的代表性集合本身就是一个多目标问题，必须考虑选择的数量以显示表示的均匀性和/或表示的覆盖范围，以确保解决方案的质量。在本研究中，由于包含诸如多能源多微电网 (MMG) 的运营成本和配电公司 (DISCO) 的利润等目标，日前调度已转变为多目标优化问题。所提出的系统的目的是确定热电联产 (CHP) 装置、燃气锅炉、储能和需求响应计划以及电力和天然气 (NG) 交易的最佳日前运行。电力和天然气由 MG 与 DISCO 以动态和固定价格进行交易。通过场景生成和概率密度函数，考虑了风速、太阳辐射、电力和热量需求的不确定性。通过使用混合整数线性规划 (MILP) 进行场景缩减，生成的场景数量显著减少。使用 ε 约束方法并将其作为混合整数非线性规划 (MINLP) 进行求解，以获得满足这两个非线性目标函数需求的解决方案。
在...
无服务器计算近年来对云服务提供商及其客户群都引起了极大的兴趣。该模型需要将用户应用程序资源管理的整个问题转移到服务提供商。在无服务器系统中，鉴于涉及的颗粒计费模块，提供商具有高度动力，可以实现其基础架构的经济高效使用。但是，由于无服务器工作负载和系统的动态和多租户性质，在维护功能性能的同时实现有效的资源管理是一项艰巨的任务。应用程序的需求水平的快速变化导致函数实例的实际资源使用模式变化。由于资源争议，这会导致共同确定的功能的性能变化，这些功能竞争类似的资源。大多数现有的无服务器调度工作提供了用于功能调度的启发式技术，这些技术无法捕获由多租赁和不同用户请求模式引起的这些系统中的真实动态。此外，他们很少考虑实现提供商资源效率以及应用程序绩效的双重目标。在本文中，我们提出了一种新颖的技术，其中包含了深度强化学习（DRL），以克服在具有异构计算资源的高度动态无服务器计算环境中功能调度的上述挑战。我们在实用的环境中训练和评估我们的模型，该设置合并了kubeless，这是一个开源的无服务器框架，该框架部署在23节点的kubernetes群集设置上。©2023 Elsevier B.V.保留所有权利。与基线技术相比，在该测试床环境中进行的广泛实验显示出令人鼓舞的结果，分别提高了24％和34％的成本。
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。
考虑随机多属性决策方法的氢能能源中心优化调度
摘要：如今，多能源载体的整合是智能能源系统中最关键的问题之一，目的是满足可持续能源发展指标。氢被认为是未来能源行业的主要能源载体之一，但将其整合到能源系统中面临着不同的开放挑战，这些挑战尚未得到全面研究。本文提出了一种基于随机多属性决策方法的新型日前调度方法，以实现氢基能源枢纽的最佳运行。通过这种方式，首先通过提供电转氢 (P2H) 设施的详细模型来开发能源枢纽模型。然后，通过考虑产消者在所提出的能源枢纽模型中的作用以及综合需求响应计划 (IDRP)，给出了一个新的多目标问题。所提出的模型引入了一种从历史数据分析到最终决策的综合方法，旨在最大限度地降低系统运行成本和碳排放。此外，为了应对系统的不确定性，采用基于场景的方法来模拟可再生能源资源波动。所提出的问题被定义为混合整数非线性规划 (MINLP)，为了解决这个问题，采用了一种简单的增强 e 约束 (SAUGMECON) 方法。最后，对所提出的模型进行了案例研究的仿真，所得结果证明了所提方案的有效性和优势。