动态不确定场景下认知工业物联网的资源分配策略

针对动态不确定场景下认知工业物联网(CIIoT)业务的时延保障难题,提出动态不确定场景下保障业务时延需求的CIIoT资源分配策略.构建基于时延敏感业务的时延模型,推导保障业务时延需求的速率解析解.基于时延模型建立以最大化网络吞吐量为目标的CIIoT资源优化模型,该模型考虑在动态不确定环境下联立基站发射功率约束、设备之间的干扰约束和业务传输时延保障约束.由于该模型存在动态不确定性,导致模型难以求解,采用鲁棒优化理论将不确定参数约束转化为确定性约束问题,提出在动态不确定场景下CIIoT的资源分配策略.仿真结果表明,所提算法在动态不确定环境下有效地保障了业务的时延需求,提高了网络吞吐量.

面向新能源高渗透系统调峰和调频的系统级储能容量需求分析

高渗透新能源的强不确定性及火电机组占比的逐步减小使得系统灵活性资源不足,系统级储能可高效缓解系统的调峰和调频压力。为此,从系统角度提出了一种面向新能源高渗透系统调峰和调频的系统级储能需求容量确定方法。基于分位数回归分析和高斯混合模型聚类,提出了一种刻画净负荷不确定性的场景集生成方法;基于生成的场景集,建立了一种无储能容量约束的常规火电机组与储能联合优化运行模型,以获取最优运行时储能参与调峰和调频的功率;为了同时兼顾储能利用率和系统运行成本,构建了基于储能电量偏离程度、运行成本增长率指标的储能功率修正模型,并确定储能需求功率和容量,进而分析新能源渗透率、储能功率和容量与满足需求的置信度水平三者之间的关系。算例仿真结果表明,所提方法能够有效确定新能源高渗透系统调峰和调频对储能的需求容量。

基于双层随机规划的多时段募集点选址问题

为研究面向地震灾害的多时段下的社会帐篷募集点选址问题,以最小化固定成本和运输成本为目标,考虑不确定的需求与供给,建立双层随机规划模型,确定各时段下社会帐篷募集点选址方案。考虑模型中权重等参数的影响,设计四种实验,并对实验结果进行讨论。考虑从全国31个省份中选择多个省份参与社会帐篷的募集以满足雅安地震期间的帐篷需求,共考虑6个时段,确定每个时段下的募集省份。在雅安地震灾后,每个时段对应不同的需求场景,对于31个省份,每个时段分别对应不同的供应场景,验证模型的实用性。

面向地震灾害的社会帐篷募集点预选址问题

预先优化社会帐篷募集点选址,有助于地震等灾难期间有效征集社会帐篷开展救援工作。研究不同地震场景下社会帐篷募集点预选址问题,以最小化经济成本和时间成本为目标,建立双层随机规划模型,确定社会帐篷募集点选址方案。考虑模型中权重等参数的影响,设计五种实验,并对实验结果进行讨论。通过实际算例,以上海浦东新区为背景,以23个省份作为不同地震场景,验证模型的实用性。最后考虑雅安地震,分析确定场景下参数对结果的影响。

人与AI协同的新型组织学习:基于场景视角的多案例研究

数字经济时代,如何利用数字技术变革组织学习方式,是企业应对瞬时变化和高度复杂环境挑战的核心议题。尽管组织学习理论讨论了人工智能(AI)对组织学习的促进作用,但尚未探析人与AI协同应对瞬时变化和高度复杂环境的学习机制。本文基于4家企业的案例研究,探讨人与AI协同的组织学习过程和机制,提出确定场景利用式学习与不确定场景探索式学习两类新型组织学习:(1)在确定场景利用式学习中,人(算法工程师和管理人员)将场景分析经验转化为AI的分析模型;AI基于有监督学习模型,对确定场景的复杂数据进行即时解析;人与AI实现知识共创,修正人对确定场景的分析偏差。(2)在不确定场景探索式学习中,人将认知经验转化为AI的自学习模型;AI基于无监督学习模型,对不确定场景的即时反馈迭代数据进行策略模拟和预测;人与AI实现知识共创,修正人对不确定场景的认知偏差。据此,提炼出确定场景利用式学习的经验拓展机制和不确定场景探索式学习的认知突破机制,构建与人作为单主体学习逻辑不同的人与AI双主体协同学习逻辑,形成理论创新。本文的研究突破了现有文献隐含的单主体组织学习假设,拓展了数字技术影响组织学习的研究边界,对于数字经济时代适应瞬时变化和高度复杂环境的组织学习创新实践具有启示意义。