针对微电网分布式电源和负荷增多的问题,提出将人工智能算法和纳什均衡博弈策略用于微电网运行和交易优化。该方法以循环神经网络RNN(recurrent neural network)和长短期记忆LSTM(long-short term memory)的方式实现对微电网行为的准确...针对微电网分布式电源和负荷增多的问题,提出将人工智能算法和纳什均衡博弈策略用于微电网运行和交易优化。该方法以循环神经网络RNN(recurrent neural network)和长短期记忆LSTM(long-short term memory)的方式实现对微电网行为的准确时空预测;同时,纳什均衡博弈被应用于多目标优化的快速、准确求解。仿真模型结果表明,所提微电网行为优化策略能促进新能源消纳,提升微电网利润达30.79%,降低了用户用能成本。多个微电网案例验证了所提方法的有效性和稳定性。展开更多
针对多域网络中的切片存在域间时延不均的问题,提出了一种基于域间时延博弈的端到端动态协同切片方法(interdomain dynamic game algorithm,IDGA)。采用博弈论方法将端到端时延约束分配到不同的网络域,通过在域内部署切片来获得相应的...针对多域网络中的切片存在域间时延不均的问题,提出了一种基于域间时延博弈的端到端动态协同切片方法(interdomain dynamic game algorithm,IDGA)。采用博弈论方法将端到端时延约束分配到不同的网络域,通过在域内部署切片来获得相应的博弈收益,采用DDPG算法不断更新博弈策略,最终得到最佳的时延分配比例和切片部署方案。实验表明,该算法与传统的静态分配算法对比有明显优势,与经验迭代的DSDP方法以及DQN-SNAF算法相比,IDGA算法在100个切片请求下,切片部署成功率分别提高了8%和3%左右,同时节点资源利用率提高了5.75%和1.96%左右,在降低部署成本方面也有显著优势。展开更多
文摘针对微电网分布式电源和负荷增多的问题,提出将人工智能算法和纳什均衡博弈策略用于微电网运行和交易优化。该方法以循环神经网络RNN(recurrent neural network)和长短期记忆LSTM(long-short term memory)的方式实现对微电网行为的准确时空预测;同时,纳什均衡博弈被应用于多目标优化的快速、准确求解。仿真模型结果表明,所提微电网行为优化策略能促进新能源消纳,提升微电网利润达30.79%,降低了用户用能成本。多个微电网案例验证了所提方法的有效性和稳定性。
文摘针对多域网络中的切片存在域间时延不均的问题,提出了一种基于域间时延博弈的端到端动态协同切片方法(interdomain dynamic game algorithm,IDGA)。采用博弈论方法将端到端时延约束分配到不同的网络域,通过在域内部署切片来获得相应的博弈收益,采用DDPG算法不断更新博弈策略,最终得到最佳的时延分配比例和切片部署方案。实验表明,该算法与传统的静态分配算法对比有明显优势,与经验迭代的DSDP方法以及DQN-SNAF算法相比,IDGA算法在100个切片请求下,切片部署成功率分别提高了8%和3%左右,同时节点资源利用率提高了5.75%和1.96%左右,在降低部署成本方面也有显著优势。