住宅需求响应是管理产消者负荷需求的关键支持技术之一。然而,由于涉及动态参数和可再生能源,负荷调度问题变得相当具有挑战性。为了解决这个问题,本研究提出了一种双层负荷调度机制,将动态电价与可再生能源和储能系统相结合。第一层涉及将负荷调度和优化问题制定为最佳停止问题,目标是最小化能源消耗和延迟成本。这个问题涉及实时电价信号、客户负荷调度优先级、基于机器学习 (ML) 的预测负荷需求以及可再生和储能单元配置文件,使用分支定界算法和分支定界算法的数学规划来解决。由于第一层优化问题被制定为停止问题,因此使用一步前瞻规则获得最佳时间段,以调度具有处理不确定性能力的负荷。第二层用于通过动态电价信号进一步建模负荷调度问题。然后使用遗传算法 (GA) 求解成本最小化目标函数,其中输入参数来自第一级优化解决方案。此外,还对时间因素和电价方面的负载优先级影响进行了建模,以允许最终用户控制其负载。使用太阳能家庭电力数据、Ausgrid、AUS 进行分析和模拟结果以验证所提出的模型。结果表明,所提出的模型可以处理负载调度过程中涉及的不确定性,并在成本和不适感降低方面提供具有成本效益的解决方案。此外,双层过程可确保成本最小化,同时使最终用户对动态电价信号感到满意。© 2022 阿尔卡拉大学。由 Elsevier Ltd. 出版。这是一篇根据 CC BY 许可开放获取的文章(http://creativecommons.org/licenses/by/4.0/)。
本文介绍了一种解决离散优化 NP 难问题的新方法,该方法适用于实现硬件量子退火的量子处理器 (QPU,Quantum Processor Unit) 的架构。该方法基于在精确分支定界算法中使用量子退火元启发式算法来计算目标函数的下限和上限。为了确定下限,使用了一种定义对偶问题 (广义离散背包问题) 的拉格朗日函数的新方法,其值在量子机的 QPU 上计算。反过来,为了确定上限,我们以带约束的二元二次规划形式制定了适当的任务。尽管量子机生成的结果是概率性的,但本文提出的混合算法构建方法交替使用 CPU 和 QPU,保证了最佳解决方案。作为案例研究,我们考虑 NP 难单机调度问题,最小化延迟作业的加权数量。进行的计算实验表明,在解决方案树的根部已经获得了最优解,并且下限和上限的值仅相差百分之几。