A bi-linear optimization model for collaborative energy management in smart grid
Notice bibliographique
Résumé
This paper addresses the residential energy cost optimization problem in smart grid. More precisely, it proposes an approximate optimization model and evaluates its performance with an exact model. Previously, we developed an exact model which considers energy trading between the households in the microgrid. In the proposed approach, all households determine the microgrid energy price and quantity in collaboration with others. The complexity of the model was further increased when the unfair cost distribution problem among the households was addressed. The final model is a multi-objective non-convex Mixed Integer Non-Linear Programming (MINLP) problem. Its complexity is NP-hard which means that using the resulting solution is not practical because the solution times increase exponentially according to the increase in the problem size. To tackle this issue, this paper proposes an approximate model by using bi-linear optimization to reduce the computational complexity. The bilinear model breaks down the MINLP model into multiple Mixed Integer Linear Programming (MILP) modules and iteratively solves these modules until it meets the terminating criterion. Results show that solution times of the bi-linear model are very low compared to the exact model. Moreover, 97% of the solutions generated by the bi-linear model are optimal solutions. The proposed model maintains Pareto optimality which means that no households will be worse off to improve the cost of others. The final solution minimizes the total cost of the households in the microgrid.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».