-
公开(公告)号：CN110826781A
公开(公告)日：2020-02-21
申请号：CN201911020520.8
申请日：2019-10-25
Applicant: 东华大学
Abstract: 本发明公开了一种基于服务质量(QoS)的多智能电网资源协同管理方法。该方法将QoS量化为用户电力中断概率，并综合考虑了具有能量存储装置、热电联产系统以及分布式可再生能源的多智能电网系统。该系统基于李雅普诺夫(Lyapunov)优化技术，在满足电力与热力需求前提下，最小化系统长期平均运营成本并保证QoS。主要包括一下步骤：在每个时隙获取系统输入信息，包括电力市场价格、用户需求信息等；判断能量存储装置充放电操作以及用户电力中断或供应操作；求解优化问题并选择最优策略；更新能量存储装置电力水平以及用户电力中断累计值。本方法通过多智能电网协同调度资源，具有高能源利用率、高经济效益以及高可扩展性。
-
公开(公告)号：CN110826781B
公开(公告)日：2023-10-03
申请号：CN201911020520.8
申请日：2019-10-25
Applicant: 东华大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q10/0637 , G06Q50/06
Abstract: 本发明公开了一种基于服务质量(QoS)的多智能电网资源协同管理方法。该方法将QoS量化为用户电力中断概率，并综合考虑了具有能量存储装置、热电联产系统以及分布式可再生能源的多智能电网系统。该系统基于李雅普诺夫(Lyapunov)优化技术，在满足电力与热力需求前提下，最小化系统长期平均运营成本并保证QoS。主要包括一下步骤：在每个时隙获取系统输入信息，包括电力市场价格、用户需求信息等；判断能量存储装置充放电操作以及用户电力中断或供应操作；求解优化问题并选择最优策略；更新能量存储装置电力水平以及用户电力中断累计值。本方法通过多智能电网协同调度资源，具有高能源利用率、高经济效益以及高可扩展性。
-
公开(公告)号：CN110830560A
公开(公告)日：2020-02-21
申请号：CN201911020449.3
申请日：2019-10-25
Applicant: 东华大学
Abstract: 本发明涉及一种基于强化学习的多用户移动边缘计算迁移方法，包括以下步骤：首先移动设备确定当前工作负载到达率、可再生能源和电池电量等状态；然后通过访问动作状态值矩阵，根据∈-greedy策略决定在本地处理的任务量并采取相应动作；再计算可以反映当前动作好坏的奖赏值并以此更新动作状态值矩阵；最后计算移动设备的总成本(包括延迟成本和计算成本)。本发明将强化学习应用于5G关键技术之一的移动边缘计算技术，并结合Q-learning无模型的优势，制定了移动设备的任务分配策略，显著减少了移动设备的成本。
-
-
Search Results
3
records
(took 0.012 seconds)
