基于统计预测的Cloudlet调度机制研究

Cloudlet利用虚拟机来灵活处理来自不同移动设备的云应用服务访问请求,避免了移动设备直接访问云应用服务过程中的广域网延迟和带宽限制问题.但是基于虚拟机实现的Cloudlet,存在合成虚拟机耗时长的问题,对于用户体验影响很大.针对这个问题,本文提出一种基于统计预测的调度机制,该机制使用了两种预测模型,分别是基于Cloudlet切换统计模型和基于关键位置的统计预测模型,来预测移动中的用户将会使用的Cloudlet.然后,根据预测信息实现Cloudlet上应用服务虚拟机预先调度合成,以降低用户请求等待时间.实验表明,与其它方法相比,基于本文预测机制的方法可以有效降低用户的请求等待时间,提高用户体验.

数据挖掘算法在作业车间调度问题中的应用

为了从与日俱增的车间生产数据中提取调度规则来指导生产调度任务,提出一种基于数据挖掘的调度算法。将最小化最大完工时间设置为性能指标,从作业车间的离线生产数据中建立合适的调度样本集;将建立的调度样本集按合适的比例分为训练集和测试集;用数据挖掘算法中的分类回归树(CART)从训练集中获取有效的调度知识,形成CART树状调度规则库;为了验证所得调度规则的有效性,将调度规则与遗传算法结合,设计了一种基于数据挖掘和调度规则的遗传算法作为调度算法来求解作业车间调度问题。通过对不同作业车间经典算例进行仿真与测试,验证了所提调度规则和调度算法的有效性与优越性。

基于新能源-负荷相似性的源荷储协调调峰优化调度

合理利用可调节负荷的响应特性来实现源荷储的协调调度,可有效缓解新能源、负荷的不确定性所带来的调峰压力。基于新能源-负荷(NER-L)相似性,建立可调节负荷响应目标。基于相关系数,建立能准确刻画负荷对新能源出力跟踪匹配程度的NER-L相似性指标,并将指标引入所建源荷储协调调峰的双阶段优化调度模型。第一阶段模型以NER-L相关系数最大为目标,确定可调节负荷在各时段的响应功率并获得最优电网负荷;第二阶段模型以弃风弃光量最小、调峰运行成本最低为目标,优化火电机组及储能出力。以IEEE 30节点系统为例,对NER-L相似性、净负荷峰谷差、系统调峰运行经济性及新能源弃电功率进行计算分析,结果验证了所提模型的有效性。

耦合水文情势及鱼类繁殖的江垭水库生态调度需求研究

为了修复河流水文情势、维持河流生态系统健康,通过环境DNA采样、IHA水文指标变动分析和文献资料总结等方法,开展了江垭水库坝下水文情势及鱼类繁殖需求关系研究,提出了水库生态调度需求与建议。结果显示,2021年9月在溇水干支流综合调查获得鱼类55种,与20世纪90年代相比,流水性种类在干流江段显著减少了51.35%;按照生态调度优先等级评估原则,确定江垭水库生态调度的主要目标物种为产漂流性卵的银鲴(Xenocypris argentea)、银鮈(Squalidus argentatus)、贝氏䱗(Hemiculter bleekeri)和产粘沉性卵的鲤(Cyprinus carpio)、鲫(Carassius auratus);江垭建坝前后下游水文情势变化较大,发生高度改变且对鱼类洄游产卵及鱼卵发育有重要作用的水文指标包括年最大1日、3日平均流量指标、年出现高流量脉冲事件的次数和持续时间以及连续日流量上涨率。研究表明,以促进坝下不同产卵类型的鱼类繁殖为目标,生态调度需要一定的高流量脉冲次数和历时,还需要控制下游水位的日降幅,通过泄放合理的生态流量来维持下游鱼类的生物多样性。

基于改进深度Q网络的虚拟电厂实时优化调度

深度强化学习算法以数据为驱动,且不依赖具体模型,能有效应对虚拟电厂运营中的复杂性问题。然而,现有算法难以严格执行操作约束,在实际系统中的应用受到限制。为了克服这一问题,提出了一种基于深度强化学习的改进深度Q网络(improved deep Q-network,MDQN)算法。该算法将深度神经网络表达为混合整数规划公式,以确保在动作空间内严格执行所有操作约束,从而保证了所制定的调度在实际运行中的可行性。此外,还进行了敏感性分析,以灵活地调整超参数,为算法的优化提供了更大的灵活性。最后,通过对比实验验证了MDQN算法的优越性能。该算法为应对虚拟电厂运营中的复杂性问题提供了一种有效的解决方案。

基于MOMA的可重入混合流水车间调度问题研究

针对可重入制造系统多具有多品种、大规模、混流生产等特点,构建带批处理机的可重入混合流水车间调度问题(reentrant hybrid flow shop scheduling problem with batch processors,BPRHFSP)模型,提出一种改进的多目标蜉蝣算法(multi-objective mayfly algorithm,MOMA)进行求解。提出了单件加工阶段和批处理阶段的解码规则;设计了基于Logistic混沌映射的反向学习初始化策略、改进的蜉蝣交配和变异策略,提高了算法初始解的质量和局部搜索能力;根据编码规则设计了基于变邻域下降搜索的蜉蝣运动策略,优化了种群方向。通过对不同规模大量测试算例的仿真实验,验证了MOMA相比传统算法求解BP-RHFSP更具有效性和优越性。所提出的模型能够反映生产的基础特征,达到减少最大完工时间、机器负载和碳排放的目的。

考虑质量传导的项目调度与人员配置集成优化

研究表明,质量问题是项目返工的主要原因之一,而人员技能水平是影响项目活动完成质量的关键因素。基于一般性的多技能资源受限项目调度问题,综合考虑人员技能水平以及活动间质量传导作用对活动完成质量的影响,进一步数学表达级联作用下的返工子网以及重构的项目网络,并结合一个大型船舶制造项目案例进行实验分析。对比实验结果表明:所提出的模型可有效平衡有限人力资源在不同活动间的分配,有利于减少返工风险的级联,缩短项目总工期。进一步,通过质量评估区间和人员技能水平参数波动的随机实验,验证模型对两类参数波动具有一定的鲁棒性。

计及分布式储能的微电网群经济调度

为提高微电网群调度效率、减少微电网运行成本,首先构建了计及分布式储能的微电网群优化调度模型。该模型以包含风、光、储的3个子微网和网侧储能所构成的交流微电网作为调度对象。在满足功率平衡等约束条件下,对负荷侧储能充放电次数和单位时间内充放电功率进行限制;在考虑主网分时电价、系统发电成本,网侧储能放电成本条件下,采用遗传算法进行求解,得到计及分布式储能的微电网群经济调度方案,最终得到优化后的经济成本。算例计算结果表明,该运行调度模型可有效提高微电网群经济效益,从而验证了该模型的有效性。

基于改进NSGA-Ⅱ算法的梯级水库多目标优化调度

针对在时间步长较小、计算时段数目较多时,传统智能优化算法在求解梯级水库联合优化调度问题上效率低甚至无可行解的问题,提出了一种改进NSGA-Ⅱ算法。该算法基于NSGA-Ⅱ算法框架,引入参考目标值、潜力目标值、偏移度以及变异引导算子来优化种群进化过程,强化迭代中的种群质量,使获得的解集更加接近真实的Pareto前沿。福建省金溪流域梯级水库多目标优化调度实例验证结果表明,改进NSGA-Ⅱ算法相对其他算法运算效率更高,优化结果更好,具有较好的实用性。

含碳捕集电厂与氢能多元利用的综合能源系统低碳经济调度

随着中国“碳达峰·碳中和”战略的不断推进,综合能源系统的绿色低碳转型迫在眉睫。针对传统碳捕集电厂灵活性较差、风电并网难以消纳等问题,提出一种含碳捕集电厂与氢能多元利用的综合能源系统低碳经济调度模型。首先,引入储液罐对传统碳捕集电厂进行改造,提高电厂应对风电波动的运行灵活性;其次,构建含两段式电转气、氢燃料电池、储氢罐和掺氢热电联产在内的氢能多元利用结构,以充分挖掘氢能利用与碳捕集电厂的协同运行潜力。在此基础上,引入阶梯碳交易机制,建立以碳交易、碳封存、燃煤及购气成本之和最小为优化目标的低碳经济调度模型。算例结果表明,文中模型能够有效提高系统的风电消纳水平和能源利用效率,具有显著的低碳经济效益。此外,碳交易基准价格的合理设定能够引导系统提高碳捕集水平。

新能源电力系统不确定优化调度方法研究现状及展望

风电场和光伏电站出力的不确定性给电力系统优化调度带来很大技术挑战。文中主要介绍了考虑新能源不确定性的电力系统优化调度方法的研究现状及后续研究方向展望。首先,重点论述了各种不确定优化调度(UOD)方法,包括随机优化方法、鲁棒优化方法、随机鲁棒优化结合方法和基于人工智能技术的方法。其中,随机优化方法包括场景法、机会约束规划法和近似动态规划法;鲁棒优化方法包括传统鲁棒优化法和分布鲁棒优化法;随机鲁棒优化结合方法包括采样鲁棒优化法和分布鲁棒机会约束规划法。然后,介绍了每一种方法的优化模型形式、模型的转化和求解原理及其优缺点。最后,对UOD的后续重点研究方向进行展望,包括兼顾多个目标的UOD问题及多目标不确定优化方法、输配系统UOD问题及分布式不确定优化方法、考虑稳定性约束的UOD问题及含常微分方程约束的不确定优化方法、考虑管道传输动态的综合能源系统UOD问题及含偏微分方程约束的不确定优化方法。

考虑优化调度的微电网频率恢复分布式预测控制策略

为了解决快速频率恢复和缓慢实际功率调度之间的时间尺度分离问题,提出一种考虑优化调度的微电网频率恢复分布式预测控制策略。引入的一致性策略能够在同一时间尺度上处理优化调度和频率恢复,另外提出的实际功率调度方案分布式模型预测控制解决了通信延迟、通信中断和即插即用情景,并且将下垂、实际功率传输和相位角方程作为等式约束,从而预测每个微电网的行为。此外,终端值和不等式约束有助于确定可行解空间的界,从而减少优化时间。在4种测试情景下对控制器的动态性能进行实验评估,结果证明该控制器对负载变化和通信问题具有较强的鲁棒性,并且保证了频率快速回复与高效功率调度。

风光制氢合成氨系统的多时段可调度域分析

为直观描述风光发电制氢合成氨(power-to-ammonia,P2A)系统的柔性负荷调节潜力,计及制氢、合成氨化工过程的负载调控特性,基于动态规划思想和计算几何理论,提出其多时段可调度域(multi-stagedispatchableregion,MSDR)的刻画方法。所提方法将多时段间相互耦合的鲁棒约束变换为“氢缓冲罐贮量–合成氨产率”状态空间中的确定性多面体约束,使得对于可调度域内的任意系统状态,均存在满足完整调度过程安全约束的“制氢流量–氨产率爬坡速率”控制序列,从而实现P2A系统可调度能力的可视化。所提MSDR模型可进一步用于构造多时段鲁棒优化调度,在保证可行性的前提下优化P2A系统的经济收益。最后,基于内蒙古自治区某在建示范工程构造算例,验证所提方法的有效性。

基于大语言模型的水工程调度知识图谱的构建与应用

随着水利事业的发展和信息化需求的增加,处理和表示海量水利数据变得复杂而繁琐。特别是调度文本数据通常以自然语言的形式存在,缺乏明确的结构和规范,并且处理和应用这些多样性的数据需要具备广泛的领域知识和专业背景。为此,提出了基于大语言模型的水工程调度知识图谱的构建方法。通过数据层的调度规则数据收集与预处理,再利用大语言模型挖掘和抽取数据中蕴藏的知识,完成概念层本体构建和实例层“三步法”提示策略抽取。在数据层、概念层、实例层的相互作用下,实现了规则文本的高性能抽取,完成了数据集和知识图谱的构建。实验结果表明,大语言模型抽取方法F1值达到85.5%,且通过消融实验验证了模型各模块的有效性和合理性。构建的水工程调度知识图谱整合了分散的水利规则信息,有效处理非结构化文本数据,并提供可视化查询和功能追溯功能。这有助于领域从业人员判断来水情况并选择适当的调度方案,为水利决策和智能推荐等提供了重要支持。

基于DQN的自动化集装箱码头自动引导车多目标调度优化

以自动引导车利用率最大和能源消耗量最小为目标,建立AGV调度优化数学模型,设计7种不同调度策略作为可变调度策略空间,提炼自动引导车调度问题的状态特征和奖励函数,提出一种基于深度Q学习网络算法(deep Q-network,DQN)的可变调度策略的调度算法。算例分析结果表明:与GA算法和Q-learning算法相比,采用基于DQN的调度优化方法求得的调度方案可使自动引导车的利用率分别提高14.76%和19.92%;能源消耗方面,采用DQN算法求得的调度方案平均能耗与GA算法和Q-learning算法相比分别降低16.88%和10.77%。通过与固定调度策略相比,平均利用率提升12.39%,平均能耗降低7.58%。可见本文方法的求解质量更高,同时与固定策略相比验证了所提出可变策略的有效性。

考虑灵活资源及模数驱动方法的电力系统调度方法综述

可再生能源及负荷种类的增多给电力系统运行带来更大不确定性,也给电力系统经济调度带来挑战。深入分析总结灵活资源特性并对不确定性的准确建模是评估电力系统灵活性和实现经济调度的基础。基于模型或数据驱动的调度建模方法面临诸多挑战,将模型与数据驱动方式相结合,并充分发挥二者优势是电力系统优化调度的发展方向。该文从灵活资源分类及特性、系统灵活性评估方法及优化调度的模型与数据驱动建模3个方面进行了归纳整理。首先,从电网侧、供应侧及需求侧3个方面介绍了系统中的灵活资源,并总结了其调节特性。其次,介绍了权重分配、数理统计及包络区间3种常用电力系统灵活性评价指标,并总结了不同方法的适用性。然后,总结了模型驱动或数据驱动的应用现状及其各自优缺点,并对模型数据交互驱动的研究现状进行了概述。最后,对考虑灵活资源的电力系统调度方案研究进行了展望。

考虑多重不确定性与电碳耦合交易的多微网合作博弈优化调度

双碳背景下,构建低碳运行的能源系统是实现“双碳”目标的重要方向与实施路径。为了促进多微网系统内部能源的本地消纳以及低碳经济运行,该文对不确定性环境下多微网系统的合作运行及电碳耦合交易展开研究。首先,对于每个微网,构建了电转气碳捕集系统相耦合的热电联产运行模式,基于地方碳交易市场和阶梯碳交易机制,提出了多能源微网的低碳运行模型;其次,考虑到新能源发电和电力市场电价都存在不确定性的实际情况,采用机会约束和鲁棒优化的方法,以降低不确定性影响;再次,基于纳什谈判理论,建立了多个微网电碳耦合的合作博弈模型,各微网主体可同时参与到上级能源市场和地方能源市场中进行电能和碳排放配额的交易;最后,将非凸的合作博弈问题分解为两个线性可求解的子问题,进一步采用交替方向乘子法对问题进行求解。通过算例验证,该文所提方法可以有效提升各微网经济效益并减少碳排放。

融入概率学习的混合差分进化算法求解绿色分布式可重入作业车间调度

本文针对绿色分布式可重入作业车间调度问题(GDRJSSP),提出一种融入概率学习的混合差分进化算法(HDE PL),以实现最大完工时间和总能耗最小.根据GDRJSSP的问题特点,设计编码和解码规则,并采用差分进化算法执行全局搜索来发现优质解区域.为能更明确地引导全局搜索方向,设计基于贝叶斯网络结构的多维概率模型合理学习和积累优质解(即当前种群中的较优解)的模式信息.结合问题解的结构特征,提出基于关键路径的4种邻域结构来构造局部搜索,并设计基于非关键路径的节能策略来提升算法获取低能耗非劣解的能力.仿真实验和算法对比验证了HDE PL可有效求解GDRJSSP.

分布式装配置换流水车间调度问题研究综述

近几十年来,现代制造业发展迅速,一种趋势是在分布式生产工厂进行工件的加工,待完成后到装配工厂集中装配成最终产品。该模式在带来诸多好处的同时,对资源调度提出了新的挑战。针对分布式装配置换流水车间调度问题(distributed assembly permutation flowshop scheduling problem,DAPFSP),介绍了DAPFSP的背景和存在的主要困难,进而对以最小化最大完工时间为优化目标的DAPFSP,从数学模型、编解码策略、全局和局部搜索算法角度进行探讨,分别综述了以最小化总流程时间等为优化目标,具有零等待等约束,以及考虑准备时间等因素的DAPFSP研究成果。最后,对有待进一步开展的研究工作进行展望。

储液式CCS耦合P2G的综合能源系统低碳经济调度

为应对电转气P2G(power-to-gas)和碳捕集系统CCS(carbon capture system)在可再生能源出力不足时耦合失效的问题,考虑对常规CCS引入CO_(2)储液罐以加强P2G和CCS的耦合。首先,构建储液式CCS和P2G的耦合模型,利用储液罐将CCS捕集的CO_(2)时移至可再生能源富足时段,供P2G再利用;其次,构建储液式CCS与P2G耦合的电热气综合能源系统日前优化调度模型;最后,以北方某工业园区为例进行仿真。结果证明所提模型可以充分利用CCS捕集的CO_(2),从而获得更好的经济和环境效益。