XiaoMi-AI文件搜索系统
World File Search SystemScheduling
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。
带有预测的战略防止调度 - 滴
在发起算法机理设计领域的开创性论文中，Nisan and Ronen [27]研究了设计策略性防止机制以在无关机器上安排工作的问题，旨在最小化Makepan。他们提供了一种策略性的机制，可以实现n个应用，并大胆地猜想这是任何确定性的策略性计划调度机制都可以实现的最佳近似值。经过二十多年的努力，N仍然是Christodoulou等人最著名的近似和最近的工作。[11]能够证明所有确定性策略性机制的近似结合。但是，这种强烈的负面结果在很大程度上取决于以下事实：这些机制的性能是使用最坏情况分析评估的。要克服这种过于悲观的，通常是不信息的，最差的界限，最近的工作集中在“学习增强的框架”上，其目标是利用机器学习的预测来获得改善的近似值，同时近距离固定时，即使在近距离近似近似情况下，这些预测也是如此，即在这项工作中，我们使用学习扬声器的框架研究了Nisan和Ronen [27]的经典战略调度问题，并提供了一种确定性的多项式策略性防止机制，该机制是6一致和2 N-brobust。因此，我们实现了“两全其美的最佳”：O（1）的一致性和O（n）鲁棒性，渐近地与最著名的近似值匹配。然后，我们扩展此结果，以提供更一般的最差近似值保证，作为预测误差的函数。最后，我们通过表明任何1一致的确定性策略防抗机制具有无限稳定性来补充积极的结果。
人工智能在电动汽车充放电调度和动态定价中的应用：综述
摘要：如果电动汽车 (EV) 的充电和放电不能得到充分协调，其高普及率将给现有的电力输送基础设施带来负担。动态定价是一种特殊的需求响应形式，可以鼓励电动汽车车主参与调度计划。因此，电动汽车充电和放电调度及其动态定价模型是重要的研究领域。许多研究人员专注于基于人工智能的电动汽车充电需求预测和调度模型，并认为人工智能技术比传统的优化方法（如线性、指数和多项逻辑模型）表现更好。然而，只有少数研究关注电动汽车放电调度（即车辆到电网，V2G），因为电动汽车将电力放电回电网的概念相对较新且不断发展。因此，需要回顾现有的电动汽车充电和放电相关研究，以了解研究差距并在未来的研究中做出一些改进。本文回顾了电动汽车充电和放电相关研究，并将其分为预测、调度和定价机制。本文确定了预测、调度和定价机制之间的联系，并指出了电动汽车放电调度和动态定价模型的研究空白。
水电-风电-太阳能混合系统发电调度：系统综述与展望
摘要：近二十年来，在“绿色复苏”全球目标的推动下，水电、风电、太阳能等清洁能源取得了长足发展，可能成为各国实现低碳能源体系的重要手段。本文对典型水风光互补实践项目——可再生能源发电的发展情况进行综述，并分析了互补系统中大型电站发电规律描述与预测、风险管理、协调运行等一些关键问题。针对这些问题，本文系统总结了水风光互补系统的研究方法与特点，并从风电电站集群出力的预测与描述、大规模可再生能源并网运行带来的风险、集群模式下水风光互补系统的长期与短期协调建模及解决思路等方面阐述了其技术实现过程。最后，基于上述分析，从发电预测、风险管理、集群调度等角度探讨了目前研究的不足，并展望了未来的工作方向。水电、风电、太阳能等能源互补的混合系统正逐渐兴起，成为未来富有成果的研究领域。
使用数值 PDDL 进行紧急物资调度的 AI 规划方法
摘要：应急物资计划调度旨在高效地将应急物资调度到目的地，减少因物资短缺造成的财产损失和人员伤亡。现有研究通常依赖于运输路线的优化，忽略了人力和物力同时参与调度的丰富场景，而且突发事件可能涉及多个物资需求点的供给。针对这些问题，我们提出了一种人工智能规划方法来建模应急物资调度领域，并使用PDDL构建标准规划任务。然后采用最先进的规划器来解决生成的规划任务。实验结果表明，所提出的方法能够贴合紧急情况的实际情况，并为指导应急物资计划调度提供高质量的指导。
EMCS：一种针对基于云雾的物联网应用、使用进化学习方法的节能完工成本感知调度算法
摘要：物联网 (IoT) 的迅猛发展产生了大量的近距和遥感数据，随着可持续环境新解决方案的出现，这些数据还在不断增加。云计算通常用于帮助资源受限的物联网传感设备。然而，云服务器位于核心网络深处，距离物联网很远，引入了大量数据交易。这些交易需要大量电力消耗，并向环境释放有害的二氧化碳。一种位于网络边缘的分布式计算环境，即雾计算，已被推广，以减少云计算对物联网应用的限制。雾计算可以处理实时和延迟敏感的数据，并减少流量，从而最大限度地降低能耗。通过实施节能任务调度，可以减少额外的能耗，该调度根据最小完成时间、成本和能耗来决定在云或雾节点上执行任务。本文提出了一种称为节能完工成本感知调度 (EMCS) 的算法，该算法使用进化策略来优化执行时间、成本和能耗。通过大量模拟对本文工作的性能进行了评估。结果表明，在完工时间方面，EMCS 比成本完工感知调度 (CMaS) 好 67.1%，比异构最早完成时间 (HEFT) 好 58.79%，比蜜蜂生命算法 (BLA) 好 54.68%，比进化任务调度 (ETS) 好 47.81%。比较 EMCS 模型的成本，其成本比 CMaS 低 62.4%，比 BLA 低 26.41%，比 ETS 低 6.7%。在比较能耗时，EMCS 的能耗比 CMaS 低 11.55%，比 BLA 低 4.75%，比 ETS 低 3.19%。结果还表明，随着雾节点和云节点数量的增加，云节点和雾节点之间的平衡在完工时间、成本和能耗方面提供了更好的性能。
电力存储系统和灵活负荷的优化调度
摘要-由于可再生能源的渗透率不断提高，电力系统运行遇到了一些挑战。主要挑战之一是这些资源的间歇性，这会导致电力平衡被破坏。另一方面，有各种分布式能源 (DER) 来补偿对斜坡容量的需求。因此，为了指出这个问题，本文以 DER 聚合器 (DERA) 的形式选择了储能系统和供暖、通风和空调 (HVAC) 负载来参与日前 (DA) 能源和灵活斜坡产品 (FRP) 市场。因此，在两个市场中，都使用了一种共同优化方法来模拟聚合器的决策，即混合整数线性规划 (MILP) 方法。所得结果表明，通过不仅考虑 DERA 在联合能源和 FRP 市场的参与，而且还考虑 HVAC 负载的潜力，DERA 的利润会增加。此外，通过部署概率、客户福利、允许的温度偏差等参数的敏感性分析，研究了模型的准确性。
考虑电动汽车调度、分布式资源和需求响应方案的物联网大型建筑优化能源管理系统
摘要：在能源系统中，各种能源都用于满足大型建筑的能源需求。大型建筑的能源管理非常重要。所提出的系统包括太阳能光伏、储能系统和电动汽车。各种研究都考虑了需求响应 (DR) 方案，但忽略了动态 DR 对运营成本影响的分析。因此，本文考虑了需求响应策略，例如实时定价 (RTP)、临界峰值定价 (CPP) 和使用时间 (ToU)，将可再生能源和存储整合在一起。所提出的系统被映射到线性模型中，并使用线性规划 (LP) 在 MATLAB 中进行了模拟。考虑动态需求响应方案，研究了不同的案例研究。在不同的方案中，基于实时定价（节省 58%）的结果显示与 CPP 和 ToU 相比节省更多。获得的结果降低了运营成本和温室气体 (GHG) 排放，这表明该模型是有效的。
具有每周储能功能的发电机组随机调度：一种混合分解方法
我们提出了一种解决大规模随机机组组合 (SUC) 问题的方法，该问题具有每周调度的储能和显著的天气依赖性随机发电能力。每周储能设施主要在周末充电，在工作日放电，需要每周调度发电机组，这会导致大规模优化问题。该 SUC 问题被表述为两阶段随机模型，我们使用条件风险价值作为风险度量。使用 Benders 框架，提出的解决方法将问题分解为混合整数线性主问题和线性和连续子问题。主问题对应于整个星期的第一阶段决策，包括所有承诺（二进制）变量及其相应的约束。子问题对应于每周对发电机组的实际调度。基于列和约束生成算法在解决稳健优化问题方面的成功经验，我们通过将子问题的原始变量和约束添加到主问题中，改进了标准 Benders 分解中主问题和子问题之间的低通信量，从而提供了更好的补救函数近似值。我们的计算实验使用南卡罗来纳州合成系统实例（在 40 种场景下有 90 个发电机组）证明了所提出的分解方法的有效性。