XiaoMi-AI文件搜索系统
World File Search SystemStochastic
随机最优控制指导自适应癌症治疗
图 2：从初始状态 ( q 0 , p 0 ) = (0 . 26 , 0 . 665)（洋红色点）开始的具有确定性最优策略的随机驱动系统：(a) 确定性驱动系统 (2.2) 找到的最优轨迹，成本为 5 . 13；(b) 在确定性最优策略下生成的两个代表性样本路径，但受到随机适应度扰动的影响（较亮的一个成本为 3 . 09，而另一个成本为 6 . 06）；(c) 使用 10 5 随机模拟近似的累积成本 J 的 CDF。在 (a) 和 (b) 中，轨迹/路径的绿色部分表示不开药，轨迹/路径的红色部分表示以 MTD 速率开药。确定性情况下的价值函数的水平集以浅蓝色显示。在 (c) 中，蓝色实线是使用确定性最优策略生成的 CDF。其中位数（蓝色虚线）为 4.94，而成功条件下的平均值是 4.90。绿色实线是使用阈值感知策略生成的 CDF，其中 ¯ s = 4.50；红色实线是使用阈值感知策略生成的 CDF，其中 ¯ s = 4.94。
Hasselmann的范式用于基于随机谎言传输的随机气候建模
为随机气候模型开发了一种通用的方法，该方法是为Ide alive-allized大气模型的示例开发的，该模型基于Hasselmann的随机气候模型。也就是说，通过随机谎言传输方式将随机性纳入了理想化耦合模型的快速大气成分中，而缓慢移动的海洋模型仍然确定性。更具体地说，通过将随机转运引入开尔文的结合定理中的材料环中，可以构建随机模型盐（随机对流）。所产生的随机模型以及基本的确定性气候模型也可以保留循环。在本文中引入了一种称为La-salt的盐（La-salt）（拉格朗日平均盐）。在LA-SALT中，我们用其预期值代替随机矢量场的漂移速度。La-salt的显着特性是其较高矩的演变受线性确定性方程的控制。我们的建模方法是通过确定局部存在的结果，首先是确定性气候模型，该结果将可压缩的大气方程耦合到不可压缩的海洋方程，其次，对于两个随机盐和LA-SALT模型而言。
随机优化技术在机组组合问题中的应用——综述
摘要 — 由于现有的能源生产方式加剧了气候危机，可再生能源将取代相当一部分煤炭或核电站，以防止温室气体或有毒废物进入大气。这种相对快速的能源生产转变主要是受日益增加的政治和经济压力推动的，需要能源供应商付出巨大努力来平衡生产波动。因此，在电网和微电网的随机机组组合 (UC) 关键领域进行了大量研究。机组组合一词包括多种优化技术，在本文中，我们将回顾该领域的最新发展。我们首先概述不同的问题定义和随机优化程序，然后评估最近对该主题的贡献。因此，我们比较了几篇论文的提案和案例研究。索引术语 — 机组组合、随机优化、微电网、能源生产规划、不确定性
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。
含可再生能源发电和储能的微电网运行随机优化
摘要 — 在电力系统中，可变可再生能源 (VRES) 和 ESS 必须有助于确保供应，因此储能系统 (ESS) 的运行可视为对稀缺性的套利。即时使用储能的价值必须与其潜在的未来价值和未来的稀缺风险相平衡。本文提出了一种多阶段随机规划模型，用于运行带有 VRES、ESS 和火力发电机的微电网，该模型分为短期和长期模型。短期模型利用每六小时更新一次的预测信息，而长期模型则考虑预测期以外的储能价值。该模型使用随机对偶动态规划和马尔可夫链求解，结果表明，对于可变可再生能源发电和 ESS 程度高且可调度发电容量有限的系统，考虑短期和长期不确定性的重要性增加。
使用随机下降法对异步传感器配电网络进行状态估计：预印本
摘要 —本文研究了带有异步传感器的配电网的状态估计问题，该配电网由具有多种采样和报告率的智能电表和相量测量单元 (PMU) 组成。我们考虑了两种独立的状态估计和跟踪场景，状态为电压或电流。利用这两组数据，我们研究了 (a) 完整数据（假设所有测量值均可用）和 (b) 有限数据（采用在线算法方法通过在可用时处理测量值来估计可能随时间变化的状态）下的估计。所提出的算法受到经典随机梯度下降 (SGD) 方法的启发，根据先前的估计和新获得的测量值更新状态。最后，我们通过 IEEE-37 测试网络上的数值模拟证明了估计和跟踪的有效性，同时还强调了以电流为状态的估计如何导致更快的收敛。
考虑荷电状态自调节的储能系统配置随机优化方法
摘要：近年来光伏发电发展迅速，由于其波动性和间歇性，光伏发电对电力系统的电能质量和运行产生影响。为了减轻光伏发电对电网的影响，储能系统被应用于光伏电站，基于随机优化方法的容量配置与控制策略成为重要的研究课题。然而概率分布模型精度不足，随机优化方法在控制策略中应用较少。本文提出一种考虑电池荷电状态（SoC）自调节的储能系统（ESS）配置随机优化方法。首先，为减小光伏发电典型场景发电时的抽样误差，建立光伏发电超短期预测误差的分时概率分布模型。在此基础上，针对SoC频繁达到阈值的问题，建立了基于多场景的SoC自调节模型，根据滚动的光伏功率预测对SoC进行调节；构建了储能系统随机优化配置模型，可以降低光伏不确定性对配置结果的影响。最后对提出的随机优化方法进行了验证，分时概率分布模型的拟合误差比t分布的拟合误差降低了15.61%，本文最优配置的预期收益比采用固定概率分布模型的方案高8.86%，比不考虑随机优化方法的方案高16.87%。
采用随机模型预测控制方法的储能系统两阶段能量管理
工业消费者越来越倾向于投资光伏 (PV) 和储能系统 (ESS) 来满足其电力需求。然而，负载需求和光伏输出的不确定性给 ESS 的运行带来了巨大的挑战。本文提出了一种基于随机模型预测控制 (MPC) 方法的 ESS 能量管理策略。采用嵌入时间序列相关性的非参数概率预测方法来描述负载需求和光伏输出的不确定性。然后，提出了一个以最小化总运营成本为目标的两阶段能量管理模型。上级可以为 ESS 生成每小时运行策略，而下级则侧重于更详细的分钟级运行策略。每小时运行策略也被用作指导下级 ESS 运行的基础。此外，引入机会约束以实现光伏用电量和电价之间的双赢解决方案，而 ESS 容量的终值约束可以更好地应对预测时间窗口之外的不确定性。最后，数值结果表明所提出的方法可以实现有效的ESS能量管理策略。
神经形态应用的随机计算 - NSF-PAR
超过了现成的 CPU（例如 Cerebras 的 400,000 核 CS-1 晶圆级引擎 [2]）和用于资源受限系统的小型 NN 解决方案，其主要优势是面积和功耗效率。本期特刊致力于基于随机计算 (SC) 范式的 NN 硬件实现 [3]，[4]。虽然本质上是数字化的，但 SC 提供了模拟计算所具有的几个优势：某些原语的实现非常紧凑且节能——包括 NN 中普遍存在的乘法器和加法器——并且与传感器和执行器具有天然兼容性。此外，SC 没有位有效性的概念，因此相对而言具有容错性。机器学习和模式识别是 20 世纪 60 年代 SC 最初发展的主要驱动力 [3]，但当时的研究人员未能实现可扩展性和大规模采用。
需求响应的随机优化调度-...
在能源生产向清洁、可持续方向转变的背景下，微电网成为解决环境污染和能源危机问题的有效途径。随着可再生能源的渗透率不断提高，如何协调需求响应和可再生能源发电是微电网调度领域的关键和挑战性问题。为此，本文提出了一种考虑多利益相关方的孤立微电网双层调度模型，其中下层模型和上层模型分别以实时电价环境下用户成本和微电网运行成本最小化为目标。为了求解该模型，本研究结合Jaya算法和内点法（IPM），开发了一种混合分析-启发式求解方法（称为Jaya-IPM），其中下层和上层分别由IPM和Jaya解决，并通过两层之间的迭代获得调度方案。之后上层模型更新的实时电价和下层模型确定的用电计划通过实时定价机制在上下层之间交替迭代，直至得到最优调度计划。试验结果表明，所提方法能够协调可再生能源发电的不确定性和需求响应策略，实现微网和用户的利益平衡；并且利用需求响应可以充分利用负荷侧的灵活性，在保持供需平衡的同时实现调峰。此外，实验证明Jaya-IPM算法在优化结果和计算效率方面优于传统的混合智能算法（HIA）和CPLEX求解器。与HIA和CPLEX相比，所提方法使微网净收益分别提升10.9%和11.9%，用户成本降低6.1%和7.7%；计算时间分别减少约90%和60%。