CN108777713B - 一种分布式需求响应的负荷调节方法及装置 - Google Patents
一种分布式需求响应的负荷调节方法及装置 Download PDFInfo
- Publication number
- CN108777713B CN108777713B CN201810559198.5A CN201810559198A CN108777713B CN 108777713 B CN108777713 B CN 108777713B CN 201810559198 A CN201810559198 A CN 201810559198A CN 108777713 B CN108777713 B CN 108777713B
- Authority
- CN
- China
- Prior art keywords
- load
- node
- network
- local
- iteration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000004044 response Effects 0.000 title claims abstract description 48
- 230000008569 process Effects 0.000 claims abstract description 36
- 230000001960 triggered effect Effects 0.000 claims description 24
- 238000012804 iterative process Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000006854 communication Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012885 constant function Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1029—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers using data related to the state of servers by a load balancer
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明实施例公开了一种分布式需求响应的负荷调节方法及装置。本发明的分布式需求响应的负荷调节方法中，增设了伴随变量，并针对伴随变量设置了预置公式内的迭代方式，根据迭代公式的表达式可知，迭代到收敛时，各个节点的负荷量皆趋于平均值，伴随变量趋于0，且迭代过程不要求分布式网络为平衡网络，即不要求分布式网络中各个节点的出度与入度相等，适用范围广，解决了当前分布式架构的负荷调整过程中，传统的广播留言算法应用范围窄，无法应用于不平衡网络的技术问题。
Description
技术领域
本发明涉及电力技术领域，尤其涉及一种分布式需求响应的负荷调节方法及装置。
背景技术
随着电能需求不断增长以及可再生能源的接入，仅通过发电侧来保证智能电网供需平衡的难度将极大地增加，为此，人们提出了需求响应(Demand Response，DR)的方式来解决这个问题。
当前大规模用户侧需求响应服务架构主要分为集中式架构和分布式架构两种，前者可看作传统的“客户机-服务器”服务体系，即由负荷聚合商(Load Aggregator，LA)收集所有用户的相关信息并产生利润最大化的控制策略，再将相应的控制命令发布给所有参与调度的用户或电器，但是，这种集中式架构最大的缺点在于，当有大量用户和电器接入情况下，会造成中心服务器的计算及通信负担过大，存在单点故障问题的隐患。
分布式架构由于具备参与对象之间的互动协调能力，因此比集中式架构更加灵活和可靠，是一种极具前景的大规模用户侧需求响应服务架构。在分布式架构中，需要知道整个分布式架构中的总体的可控负荷和不可控负荷，然后根据当前总体的可控负荷和不可控负荷与目标负荷的差距进行调整。当前主要通过流言算法求分布式架构中的总可控负荷和总不可控负荷，但是传统的广播流言算法仅适用于节点入度和出度相等的网络，而无法应用于不平衡网络。
因此，导致了当前分布式架构的负荷调整过程中，传统的广播留言算法应用范围窄，无法应用于不平衡网络的技术问题。
发明内容
本发明提供了一种分布式需求响应的负荷调节方法及装置，解决了当前分布式架构的负荷调整过程中，传统的广播留言算法应用范围窄，无法应用于不平衡网络的技术问题。
本发明提供了一种分布式需求响应的负荷调节方法，包括：
S1：在分布式负荷网络的每个节点设置伴随变量和独立时钟，各个节点的伴随变量初始化为0，每一个预置单位时间长度内每个节点触发的概率为1/N，其中N为分布式负荷网络的节点数；
S2：分别将各个节点的本地可控负荷量和本地不可控负荷量代入各个节点的本地迭代负荷量，通过预置迭代过程计算网络平均可控负荷量和网络平均不可控负荷量，预置迭代过程为：当节点被触发时则作为广播节点，广播节点将本地迭代负荷量、伴随变量和出度广播至订阅节点并将本节点的伴随变量清零，订阅节点的本地迭代负荷量和伴随变量通过预置公式迭代更新，并在更新后判断是否达到迭代终止条件，若是，则停止迭代，取分布式负荷网络的一个节点的本地迭代负荷量作为输出量，若否，则触发下一个广播节点，其中，预置公式如下：
其中，τ为预设时间长度的时段，k为常数0,1,2…，Lj α+1(kτ)为订阅节点更新后的本地迭代负荷量，
为订阅节点更新后的伴随变量，Lj α(kτ)为订阅节点更新前的本地迭代负荷量，
为订阅节点更新前的伴随变量，Li α(kτ)为广播节点广播的本地迭代负荷量，
为广播节点广播的伴随变量，|Ei -|为广播节点的出度；
S3：将网络平均可控负荷量和网络平均不可控负荷量乘以N得到网络总可控负荷量和网络总不可控负荷量，根据网络目标负荷量、网络总不可控负荷量和网络总可控负荷量计算负荷调整系数，通过负荷调整系数调节各个节点的本地可控负荷量。
优选地，步骤S3具体包括：
S31：将网络平均可控负荷量和网络平均不可控负荷量乘以N得到网络总可控负荷量和网络总不可控负荷量；
S32：将网络目标负荷量与网络总不可控负荷量的差值除以网络总可控负荷量得到负荷调整系数；
S33：将负荷调整系数乘以各个节点的本地可控负荷量得到各个节点新的本地可控负荷量。
优选地，迭代终止条件为分布式负荷网络迭代的次数达到预置次数。
优选地，迭代终止条件为各个订阅节点迭代更新后本地目标负荷量与更新前的本地目标负荷量的差值的绝对值均小于预置阈值。
优选地，步骤S1之前还包括：S0；
S0：获取分布式负荷网络的节点数。
本发明提供了一种分布式需求响应的负荷调节装置，包括：
时钟变量单元，用于在分布式负荷网络的每个节点设置伴随变量和独立时钟，各个节点的伴随变量初始化为0，每一个预置单位时间长度内每个节点触发的概率为1/N，其中N为分布式负荷网络的节点数；
迭代计算单元，用于分别将各个节点的本地可控负荷量和本地不可控负荷量代入各个节点的本地迭代负荷量，通过预置迭代过程计算网络平均可控负荷量和网络平均不可控负荷量，预置迭代过程为：当节点被触发时则作为广播节点，广播节点将本地迭代负荷量、伴随变量和出度广播至订阅节点并将本节点的伴随变量清零，订阅节点的本地迭代负荷量和伴随变量通过预置公式迭代更新，并在更新后判断是否达到迭代终止条件，若是，则停止迭代，取分布式负荷网络的一个节点的本地迭代负荷量作为输出量，若否，则触发下一个广播节点，其中，预置公式如下：
其中，τ为预设时间长度的时段，k为常数0,1,2…，Lj α+1(kτ)为订阅节点更新后的本地迭代负荷量，
为订阅节点更新后的伴随变量，Lj α(kτ)为订阅节点更新前的本地迭代负荷量，
为订阅节点更新前的伴随变量，Li α(kτ)为广播节点广播的本地迭代负荷量，
为广播节点广播的伴随变量，|Ei -|为广播节点的出度；
负荷调节单元，用于将网络平均可控负荷量和网络平均不可控负荷量乘以N得到网络总可控负荷量和网络总不可控负荷量，根据网络目标负荷量、网络总不可控负荷量和网络总可控负荷量计算负荷调整系数，通过负荷调整系数调节各个节点的本地可控负荷量。
优选地，负荷调节单元具体包括：
总量子单元，用于将网络平均可控负荷量和网络平均不可控负荷量乘以N得到网络总可控负荷量和网络总不可控负荷量；
系数子单元，用于将网络目标负荷量与网络总不可控负荷量的差值除以网络总可控负荷量得到负荷调整系数；
更新子单元，用于将负荷调整系数乘以各个节点的本地可控负荷量得到各个节点新的本地可控负荷量。
优选地，迭代终止条件为分布式负荷网络迭代的次数达到预置次数。
优选地，迭代终止条件为各个订阅节点迭代更新后本地目标负荷量与更新前的本地目标负荷量的差值的绝对值均小于预置阈值。
优选地，还包括：网络节点单元；
网络节点单元，用于获取分布式负荷网络的节点数。
从以上技术方案可以看出，本发明具有以下优点：
本发明提供了一种分布式需求响应的负荷调节方法，包括：S1：在分布式负荷网络的每个节点设置伴随变量和独立时钟，各个节点的伴随变量初始化为0，每一个预置单位时间长度内每个节点触发的概率为1/N，其中N为分布式负荷网络的节点数；S2：分别将各个节点的本地可控负荷量和本地不可控负荷量代入各个节点的本地迭代负荷量，通过预置迭代过程计算网络平均可控负荷量和网络平均不可控负荷量；S3：将网络平均可控负荷量和网络平均不可控负荷量乘以N得到网络总可控负荷量和网络总不可控负荷量，根据网络目标负荷量、网络总不可控负荷量和网络总可控负荷量计算负荷调整系数，通过负荷调整系数调节各个节点的本地可控负荷量。
本发明的分布式需求响应的负荷调节方法中，增设了伴随变量，并针对伴随变量设置了预置公式内的迭代方式，根据迭代公式的表达式可知，迭代到收敛时，各个节点的负荷量皆趋于平均值，伴随变量趋于0，且迭代过程不要求分布式网络为平衡网络，即不要求分布式网络中各个节点的出度与入度相等，适用范围广，解决了当前分布式架构的负荷调整过程中，传统的广播留言算法应用范围窄，无法应用于不平衡网络的技术问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种分布式需求响应的负荷调节方法的一个实施例的流程示意图；
图2为本发明实施例提供的一种分布式需求响应的负荷调节方法的另一个实施例的流程示意图；
图3为本发明实施例提供的一种分布式需求响应的负荷调节装置的一个实施例的结构示意图；
图4为为本发明实施例提供的一种广播机制的有向图。
具体实施方式
本发明实施例提供了一种分布式需求响应的负荷调节方法及装置，解决了当前分布式架构的负荷调整过程中，传统的广播留言算法应用范围窄，无法应用于不平衡网络的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，本发明实施例提供了一种分布式需求响应的负荷调节方法的一个实施例，包括：
步骤101：在分布式负荷网络的每个节点设置伴随变量和独立时钟，各个节点的伴随变量初始化为0，每一个预置单位时间长度内每个节点触发的概率为1/N，其中N为分布式负荷网络的节点数；
需要说明的是，需求响应(Demand Response)是需求侧管理的重要技术手段，是指用户对价格或激励做出响应并改变原有电力消费模式，从而实现用电优化和系统资源的综合优化配置。
对于各个单独的用户，可通过负荷聚集商(Load Aggregator)进行整合管理，负荷聚集商(Load Aggregator)是需求响应资源的整合者，通过专业技术评估用户的需求响应潜力，整合分散的需求响应资源来参与电力系统运营。
负荷聚集商通过构建用户负荷网络获取用户的负荷信息以及对用户的负荷进行调整，用户负荷网络的构架主要分为集中式和分布式两种。
集中式构架可看作传统的“客户机-服务器”服务体系，即由负荷聚合商(LoadAggregator，LA)收集所有用户的相关信息并产生利润最大化的控制策略，再将相应的控制命令发布给所有参与调度的用户或电器，但集中式构架容易出现单点故障(Single-pointFault)，单点故障是单个点发生故障的时候会波及到整个系统或者网络，从而导致整个系统或者网络的瘫痪，而分布式架构比集中式体系更加灵活且可靠，可避免出现单点故障的情况。
分布式架构网络为对等网络(Peer-to-Peer Network，PPN)，在P2P网络环境中，彼此连接的多台计算机之间都处于对等的地位，各台计算机有相同的功能，无主从之分，一台计算机既可作为服务器，设定共享资源供网络中其他计算机所使用，又可以作为工作站，整个网络一般来说不依赖专用的集中服务器，也没有专用的工作站。
在调节用户负荷之前需要先统计用户实际总负荷和电网目标负荷之间的差额，如果在节点的出度和入度保证相等的平衡网络中，可通过传统的广播流言算法进行计算，传统的广播流言算法(Gossip Algorithm)是通过网络中相邻节点之间互通信息，计算双方信息的均值以更新节点本地原有信息，最终实现全网域内节点信息一致性的算法，进行迭代更新时是简单地求相邻节点的平均值，因此要求分布式负荷网络为平衡网络，即每个节点的出度和入度相等，才可以使用传统的广播流言算法，这限制了分布式负荷网络的结构。
本实施例公开的分布式需求响应的负荷调节方法中设置了伴随变量，利用伴随变量进行下一步迭代，并非求相邻节点的平均值，无平衡网络的限制。
每一个预置单位时间长度中，每一个节点被触发迭代的概率为1/N，则该节点是服从参数为1/N的泊松分布，且每一个节点的独立之中可以将整个分布式负荷网络的时间模型等价为一个全局时钟，每一个预置单位时间长度的时间段江北统一且独立地安排给一个节点，整体服从参数为1的泊松过程。
步骤102：分别将各个节点的本地可控负荷量和本地不可控负荷量代入各个节点的本地迭代负荷量，通过预置迭代过程计算网络平均可控负荷量和网络平均不可控负荷量，预置迭代过程为：当节点被触发时则作为广播节点，广播节点将本地迭代负荷量、伴随变量和出度广播至订阅节点并将本节点的伴随变量清零，订阅节点的本地迭代负荷量和伴随变量通过预置公式迭代更新，并在更新后判断是否达到迭代终止条件，若是，则停止迭代，取分布式负荷网络的一个节点的本地迭代负荷量作为输出量，若否，则触发下一个广播节点，其中，预置公式如下：
其中，τ为预设时间长度的时段，k为常数0,1,2…，Lj α+1(kτ)为订阅节点更新后的本地迭代负荷量，
为订阅节点更新后的伴随变量，Lj α(kτ)为订阅节点更新前的本地迭代负荷量，
为订阅节点更新前的伴随变量，Li α(kτ)为广播节点广播的本地迭代负荷量，
为广播节点广播的伴随变量，|Ei -|为广播节点的出度；
需要说明的是，通过广播流言算法计算整个分布式负荷网络的网络平均可控负荷量和网络平均不可控负荷量的方式一样，都是只要将各个节点的本地可控负荷量和本地不可控负荷量代入预置迭代过程中各个节点的本地迭代负荷量即可，当代入本地可控负荷量时，则输出量为网络平均可控负荷量，当代入本地不可控负荷量时，则输出量为网络平均不可控负荷量。
预置迭代过程中，每一个预置单位时间长度中都随机触发一个节点，被触发的节点将成为广播节点，将本节点的信息广播至订阅了该节点信息的订阅节点，并在广播之后广播节点的伴随变量清零，节点信息包括本地迭代负荷量和伴随变量。
各个订阅节点接收到广播节点广播的节点信息之后会进行一次本节点信息的迭代更新，通过预置公式进行迭代，从预置公式中可知，迭代过程中订阅节点的节点信息不会对广播节点的节点信息造成影响，只是广播节点的节点信息单向对订阅节点的节点信息造成影响，在平衡网络和非平衡网络中都可以实现，而传统的广播流言算法的迭代过程中求广播节点和订阅节点的节点信息平均值，因此广播节点和订阅节点的节点信息会相互影响，只能应用于平衡网络。
每触发一次广播节点，订阅节点更新一次节点信息，更新后判断是否达到了预置的迭代终止条件，如果是，则停止继续触发下一个广播节点，停止迭代，此时可认为分布式负荷网络中各个节点的负荷量相等，任意去其中一个节点的本地迭代负荷量即可作为输出量，得到网络平均可控负荷量和网络平均不可控负荷量。
出度和入度属于图论算法中重要的概念，出度(out-degree)是指以某顶点为弧尾，起始于该顶点的弧的数目，入度指有向图中某点作为图中边的终点的次数之和。
步骤103：将网络平均可控负荷量和网络平均不可控负荷量乘以N得到网络总可控负荷量和网络总不可控负荷量，根据网络目标负荷量、网络总不可控负荷量和网络总可控负荷量计算负荷调整系数，通过负荷调整系数调节各个节点的本地可控负荷量。
需要说明的是，将网络平均可控负荷量和网络平均不可控负荷量乘以N得到网络总可控负荷量和网络总不可控负荷量；
根据网络目标负荷量、网络总不可控负荷量和网络总可控负荷量计算负荷调整系数，通过负荷调整系数调节各个节点的本地可控负荷量，从而实现在非平衡网络采用广播留言算法进行负荷调整计算。
本实施例的分布式需求响应的负荷调节方法中，增设了伴随变量，并针对伴随变量设置了预置公式内的迭代方式，根据迭代公式的表达式可知，迭代到收敛时，各个节点的负荷量皆趋于平均值，伴随变量趋于0，且迭代过程不要求分布式网络为平衡网络，即不要求分布式网络中各个节点的出度与入度相等，适用范围广，解决了当前分布式架构的负荷调整过程中，传统的广播留言算法应用范围窄，无法应用于不平衡网络的技术问题。
以上为本发明实施例提供的一种分布式需求响应的负荷调节方法的一个实施例，以下为以上为本发明实施例提供的一种分布式需求响应的负荷调节方法的另一个实施例。
请参阅图2和图4，本发明实施例提供了一种分布式需求响应的负荷调节方法的另一个实施例，包括：
步骤201：获取分布式负荷网络的节点数；
需要说明的是，负荷聚集商管理N个用户(节点)的电能供应，每个用户具有位移的ID的能量信息网关进行代理，分布式负荷网络的节点数以及各个节点用电数据都可以通过能量信息网关进行获取，实时获取用户电器的用电数据，进而能够实时计算对应用户在t时刻的实际负荷。
由于每个网络的用户数量信息(节点数)较为稳定，可以直接预置在能量信息网关中，也可以通过步骤203的预置迭代过程，将某一节点的本地迭代负荷量初始化为一个预先定义值(例如1)，其他所有节点的本地迭代负荷量均初始化为0，迭代计算得到节点数，这两种方法都具有可行性，且只用计算一次，不会给网络带来太多通信和计算开销。
步骤202：在分布式负荷网络的每个节点设置伴随变量和独立时钟，各个节点的伴随变量初始化为0，每一个预置单位时间长度内每个节点触发的概率为1/N，其中N为分布式负荷网络的节点数；
需要说明的是，传统的广播流言算法中，进行迭代更新时是简单地求相邻节点的平均值，因此要求分布式负荷网络为平衡网络，即每个节点的出度和入度相等，才可以使用传统的广播流言算法。
本实施例公开的分布式需求响应的负荷调节方法中设置了伴随变量，利用伴随变量进行下一步迭代，并非求相邻节点的平均值，无平衡网络的限制。
在由N个节点组成的网络G中，节点i具有独立运行的时钟，其触发器{ui(t),t≥0}是服从参数为λi(λi≥0)的泊松过程，在每一个时段，触发器通过将本节点的节点信息广播到订阅节点的方式来进行流言算法更新。
由于节点i的相邻时间间隔序列是一个服从参数为λi的独立指数随机变量，从而网络的时间模型可等价为一个全局时钟，其每个时段将被统一地、独立地安排给一个节点，并在整体上服从参数为
的泊松过程。不失一般性，可定义λi＝1/N，则全局时钟对应的泊松参数为1，并设变量α∈{1,2,3,…}代表全局泊松时钟的触发器，每一次触发相当于流言算法的一次迭代。
对于整个建模过程，可以存在假设：1、在网络维护期间，发布者可能长期处于空闲状态，此时它将向其出邻节点传递一个固定间隔的信号来表明它的存在；2、存在一个全局标准时钟为所有节点提供唯一时间参考，能使得所有节点独立时钟保持同步；3、负荷聚集商负责网络安全及需求响应服务信息保护，需求响应服务中的所有设备和消息都是可靠且可信的。
步骤203：分别将各个节点的本地可控负荷量和本地不可控负荷量代入各个节点的本地迭代负荷量，通过预置迭代过程计算网络平均可控负荷量和网络平均不可控负荷量，预置迭代过程为：当节点被触发时则作为广播节点，广播节点将本地迭代负荷量、伴随变量和出度广播至订阅节点并将本节点的伴随变量清零，订阅节点的本地迭代负荷量和伴随变量通过预置公式迭代更新，并在更新后判断是否达到迭代终止条件，若是，则停止迭代，取分布式负荷网络的一个节点的本地迭代负荷量作为输出量，若否，则触发下一个广播节点，其中，预置公式如下：
其中，τ为预设时间长度的时段，k为常数0,1,2…，Lj α+1(kτ)为订阅节点更新后的本地迭代负荷量，
为订阅节点更新后的伴随变量，Lj α(kτ)为订阅节点更新前的本地迭代负荷量，
为订阅节点更新前的伴随变量，Li α(kτ)为广播节点广播的本地迭代负荷量，
为广播节点广播的伴随变量，|Ei -|为广播节点的出度；
需要说明的是，各个节点(用户)的负荷可以分为本地可控负荷量和本地不可控负荷量，负荷调节的目标是保证负荷聚集商的目标负荷和用户侧的实际负荷的实施平衡，可表示为：
其中，
是网络目标负荷量，D(t)是用户实际负荷量，li(t)是第i个节点的本地可控负荷量，
是第i个节点的本地不可控负荷量。
不失一般性，将时间分割成时段，记为τ，用户的实际负荷在时段τ开始时进行采样和计算，并假设
和D(t)在时段τ内为常数。因此，上述目标可视为一个分段常值函数，并且在时段τ内施加的约束完全相同，从而式(1)也可看作一个离散时间状态，即：
在基于发布/订阅机制的网络建立过程中，新节点在连接完成后将订阅其他某些节点的功耗信息，被订阅节点(广播节点)在一定条件下可向订阅者(订阅节点)发布其负荷信息(节点信息)。
此时，虽然任何一对节点在物理意义上都具有双向通信能力，但是某节点的负荷信息只会发布给其订阅者，而该订阅者则不会发送自身的负荷信息给该节点(除非该节点也订阅了此订阅者的负荷信息)。
为了进一步阐述该不平衡网络，我们基于图论对该网络进行建模分析。我们将表示为有向图(如图4)，并将其连接关系表示为：
G＝(V,E) (3)
其中，V＝{1,2,…N}表示网络中所有节点组成的集合，
表示节点间的有向逻辑通路组成的集合，其中有向边(i,j)∈E代表节点i订阅并接收节点j的信息。
假设G中不存在自环(即对于任意i∈V，都有
)，则可令Ei +＝{j∈V:(i,j)∈E}和Ei -＝{h∈V:(h,i)∈E}分别表示节点i的入邻节点集和出邻节点集，并用|Ei +|和|Ei -|分别表示节点i的入度和出度。
如果每个节点都保持一个固定的本地订阅者列表，那么每个节点总是知道它自己的出度，根据前文提到的发布/订阅机制的特点可知，|Ei +|不一定等于|Ei +|，从而导致传统流言算法不再适用。
通过广播流言算法计算整个分布式负荷网络的网络平均可控负荷量和网络平均不可控负荷量的方式一样，都是只要将各个节点的本地可控负荷量和本地不可控负荷量代入预置迭代过程中各个节点的本地迭代负荷量即可，当代入本地可控负荷量时，则输出量为网络平均可控负荷量，当代入本地不可控负荷量时，则输出量为网络平均不可控负荷量，以下通过本地可控负荷量进行说明。
各个节点初始时本地可控负荷量和伴随变量可以表示为：
预置迭代过程中，每一个预置单位时间长度中都随机触发一个节点，被触发的节点将成为广播节点，将本节点的信息广播至订阅了该节点信息的订阅节点，并在广播之后广播节点的伴随变量清零，节点信息包括本地迭代负荷量、伴随变量和出度。
随机选择节点i作为广播节点发布第α次迭代的本地可控负荷量li α(kτ)、第α次迭代的伴随变量
以及第α次迭代的出度|Ei +|，然后节点i将本节点的伴随变量清零：
各个订阅节点接收到广播节点广播的节点信息之后会进行一次本节点信息的迭代更新，通过预置公式进行迭代，如节点j为订阅节点，本地迭代负荷量为本地可控负荷量，则预置公式可表示为：
其中，τ为预设时间长度的时段，k为常数0,1,2…，lj α(kτ)为订阅节点第α次迭代的本地可控负荷量，lj α+1(kτ)为订阅节点第α+1次迭代的本地可控负荷量，
为订阅节点第α次迭代的伴随变量，
为订阅节点第α+1次迭代的伴随变量。
未订阅广播节点的其余节点的本地迭代负荷量和伴随变量将保持不变：
lh α(kτ)为非订阅节点第α次迭代的本地可控负荷量，lh α+1(kτ)为非订阅节点第α+1次迭代的本地可控负荷量，
为非订阅节点第α次迭代的伴随变量，
为非订阅节点第α+1次迭代的伴随变量。
从预置公式中可知，迭代过程中订阅节点的节点信息不会对广播节点的节点信息造成影响，只是广播节点的节点信息单向对订阅节点的节点信息造成影响，在平衡网络和非平衡网络中都可以实现，而传统的广播流言算法的迭代过程中求广播节点和订阅节点的节点信息平均值，因此广播节点和订阅节点的节点信息会相互影响，只能应用于平衡网络。
每触发一次广播节点，订阅节点更新一次节点信息，更新后判断是否达到了预置的迭代终止条件，如果是，则停止继续触发下一个广播节点，停止迭代，此时可认为分布式负荷网络中各个节点的负荷量相等，任意去其中一个节点的本地迭代负荷量即可作为输出量，得到网络平均可控负荷量和网络平均不可控负荷量。
出度和入度属于图论算法中重要的概念，出度(out-degree)是指以某顶点为弧尾，起始于该顶点的弧的数目，入度指有向图中某点作为图中边的终点的次数之和。
步骤204：将网络平均可控负荷量和网络平均不可控负荷量乘以N得到网络总可控负荷量和网络总不可控负荷量；
需要说明的是，通过广播流言算法计算整个分布式负荷网络的网络平均可控负荷量和网络平均不可控负荷量的方式一样，都是只要将各个节点的本地可控负荷量和本地不可控负荷量代入预置迭代过程中各个节点的本地迭代负荷量即可，当代入本地可控负荷量时，则输出量为网络平均可控负荷量，当代入本地不可控负荷量时，则输出量为网络平均不可控负荷量。
预置迭代过程中，每一个预置单位时间长度中都随机触发一个节点，被触发的节点将成为广播节点，将本节点的信息广播至订阅了该节点信息的订阅节点，并在广播之后广播节点的伴随变量清零，节点信息包括本地迭代负荷量和伴随变量。
各个订阅节点接收到广播节点广播的节点信息之后会进行一次本节点信息的迭代更新，通过预置公式进行迭代，从预置公式中可知，迭代过程中订阅节点的节点信息不会对广播节点的节点信息造成影响，只是广播节点的节点信息单向对订阅节点的节点信息造成影响，在平衡网络和非平衡网络中都可以实现，而传统的广播流言算法的迭代过程中求广播节点和订阅节点的节点信息平均值，因此广播节点和订阅节点的节点信息会相互影响，只能应用于平衡网络。
每触发一次广播节点，订阅节点更新一次节点信息，更新后判断是否达到了预置的迭代终止条件，如果是，则停止继续触发下一个广播节点，停止迭代，此时可认为分布式负荷网络中各个节点的负荷量相等，任意去其中一个节点的本地迭代负荷量即可作为输出量，得到网络平均可控负荷量和网络平均不可控负荷量。
步骤205：将网络目标负荷量与网络总不可控负荷量的差值除以网络总可控负荷量得到负荷调整系数；
需要说明的是，负荷调整系数的计算公式可表示为：
其中，ηkτ为负荷调整系数，
为网络总不可控负荷量，
为网络总可控负荷量。
步骤206：将负荷调整系数乘以各个节点的本地可控负荷量得到各个节点新的本地可控负荷量。
需要说明的是，计算出负荷调整系数之后，为了使得网络总功耗负荷等于网络目标负荷量，每个节点需要根据负荷调整系数调节本地可控负荷量，调节过程可表示为：
li′(kτ)＝ηkτli(kτ) (9)
通过全局统一的调整系数ηkτ使得预期聚集负荷的调度优化分解到每一个用户上，只要各个用户节点能够按照该负荷调整系数调整本地负荷，那么网络总功耗负荷可以等于网络目标负荷量，由于本地负荷调整量只取决于用户能够提供的需求响应资源，因此可认为需求目标分配方案是公平的。
进一步地，迭代终止条件为分布式负荷网络迭代的次数达到预置次数。
需要说明的是，迭代终止条件可以为分布式负荷网络迭代的次数达到预置次数，预置次数可以根据实际网络规模进行选择，如10万次。
进一步地，迭代终止条件为各个订阅节点迭代更新后本地目标负荷量与更新前的本地目标负荷量的差值的绝对值均小于预置阈值。
需要说明的是，迭代终止条件也可以为各个订阅节点迭代更新后本地目标负荷量与更新前的本地目标负荷量的差值的绝对值均小于预置阈值，如各个订阅节点迭代更新后本地目标负荷量与更新前的本地目标负荷量的差值的绝对值均小于0.1，那么就认为已经迭代至收敛。
本实施例的分布式需求响应的负荷调节方法中，在负荷调节过程中，负荷分配公平透明，每个节点(终端用户)收到的信号是公开和统一的，因而保证了所有参与者享有相同的服务，且各用户的负荷调整量皆是根据本地可控负荷来确定，保证了各个用户参与需求响应的公平性；
负荷分配具有隐私性和非侵入性，节点(终端用户)可根据接收到的信号独立做出决策，具体哪个电器参与响应则是根据需求响应的信号量和用户的设定，外界无法得知；
在算法层面，由于在流言算法中每个参与者(包括负荷聚集商)只能与其邻节点通信，因此网络中所有参与者的地位是平等的，从而可以避免通信堵塞、延迟及单点故障等问题；
采用了广播的通信机制，不需要订阅节点作出专门的确认或响应，因此该方法可以实现更小的网络开销及更简单的通信方案，从而大大降低了对通信架构和协议的复杂度；
最关键的是，增设了伴随变量，并针对伴随变量设置了预置公式内的迭代方式，根据迭代公式的表达式可知，迭代到收敛时，各个节点的负荷量皆趋于平均值，伴随变量趋于0，且迭代过程广播节点和订阅节点为单向信息传递的关系，不要求分布式网络为平衡网络，即不要求分布式网络中各个节点的出度与入度相等，适用范围广，可适用于任何网络架构(包括平衡和不平衡网络)，大大降低了分布式需求响应对网络架构的要求；
综上所述，本实施例的分布式需求响应的负荷调节方法解决了当前分布式架构的负荷调整过程中，传统的广播留言算法应用范围窄，无法应用于不平衡网络的技术问题。
以上为本发明实施例提供的一种分布式需求响应的负荷调节方法的另一个实施例，以下为以上为本发明实施例提供的一种分布式需求响应的负荷调节装置的一个实施例。
请参阅图3，本发明实施例提供的一种分布式需求响应的负荷调节装置的一个实施例，包括：
时钟变量单元301，用于在分布式负荷网络的每个节点设置伴随变量和独立时钟，各个节点的伴随变量初始化为0，每一个预置单位时间长度内每个节点触发的概率为1/N，其中N为分布式负荷网络的节点数；
迭代计算单元302，用于分别将各个节点的本地可控负荷量和本地不可控负荷量代入各个节点的本地迭代负荷量，通过预置迭代过程计算网络平均可控负荷量和网络平均不可控负荷量，预置迭代过程为：当节点被触发时则作为广播节点，广播节点将本地迭代负荷量、伴随变量和出度广播至订阅节点并将本节点的伴随变量清零，订阅节点的本地迭代负荷量和伴随变量通过预置公式迭代更新，并在更新后判断是否达到迭代终止条件，若是，则停止迭代，取分布式负荷网络的一个节点的本地迭代负荷量作为输出量，若否，则触发下一个广播节点，其中，预置公式如下：
其中，τ为预设时间长度的时段，k为常数0,1,2…，Lj α+1(kτ)为订阅节点更新后的本地迭代负荷量，
为订阅节点更新后的伴随变量，Lj α(kτ)为订阅节点更新前的本地迭代负荷量，
为订阅节点更新前的伴随变量，Li α(kτ)为广播节点广播的本地迭代负荷量，
为广播节点广播的伴随变量，|Ei -|为广播节点的出度；
负荷调节单元303，用于将网络平均可控负荷量和网络平均不可控负荷量乘以N得到网络总可控负荷量和网络总不可控负荷量，根据网络目标负荷量、网络总不可控负荷量和网络总可控负荷量计算负荷调整系数，通过负荷调整系数调节各个节点的本地可控负荷量。
进一步地，负荷调节单元303具体包括：
总量子单元3031，用于将网络平均可控负荷量和网络平均不可控负荷量乘以N得到网络总可控负荷量和网络总不可控负荷量；
系数子单元3032，用于将网络目标负荷量与网络总不可控负荷量的差值除以网络总可控负荷量得到负荷调整系数；
更新子单元3033，用于将负荷调整系数乘以各个节点的本地可控负荷量得到各个节点新的本地可控负荷量。
进一步地，迭代终止条件为分布式负荷网络迭代的次数达到预置次数。
进一步地，迭代终止条件为各个订阅节点迭代更新后本地目标负荷量与更新前的本地目标负荷量的差值的绝对值均小于预置阈值。
进一步地，还包括：网络节点单元300；
网络节点单元300，用于获取分布式负荷网络的节点数。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种分布式需求响应的负荷调节方法，其特征在于，包括：
S1：在分布式负荷网络的每个节点设置伴随变量和独立时钟，各个节点的伴随变量初始化为0，每一个预置单位时间长度内每个节点触发的概率为1/N，其中N为分布式负荷网络的节点数；
S2：分别将各个节点的本地可控负荷量和本地不可控负荷量代入各个节点的本地迭代负荷量，通过预置迭代过程计算网络平均可控负荷量和网络平均不可控负荷量，预置迭代过程为：当节点被触发时则作为广播节点，广播节点将本地迭代负荷量、伴随变量和出度广播至订阅节点并将本节点的伴随变量清零，订阅节点的本地迭代负荷量和伴随变量通过预置公式迭代更新，并在更新后判断是否达到迭代终止条件，若是，则停止迭代，取分布式负荷网络的一个节点的本地迭代负荷量作为输出量，若否，则触发下一个广播节点，其中，预置公式如下：
其中，τ为预设时间长度的时段，k为常数0,1,2…，Lj α+1(kτ)为订阅节点更新后的本地迭代负荷量，
为订阅节点更新后的伴随变量，Lj α(kτ)为订阅节点更新前的本地迭代负荷量，
为订阅节点更新前的伴随变量，Li α(kτ)为广播节点广播的本地迭代负荷量，
为广播节点广播的伴随变量，|Ei -|为广播节点的出度；
S3：将网络平均可控负荷量和网络平均不可控负荷量乘以N得到网络总可控负荷量和网络总不可控负荷量，根据网络目标负荷量、网络总不可控负荷量和网络总可控负荷量计算负荷调整系数，通过负荷调整系数调节各个节点的本地可控负荷量。
2.根据权利要求1所述的一种分布式需求响应的负荷调节方法，其特征在于，步骤S3具体包括：
S31：将网络平均可控负荷量和网络平均不可控负荷量乘以N得到网络总可控负荷量和网络总不可控负荷量；
S32：将网络目标负荷量与网络总不可控负荷量的差值除以网络总可控负荷量得到负荷调整系数；
S33：将负荷调整系数乘以各个节点的本地可控负荷量得到各个节点新的本地可控负荷量。
3.根据权利要求1所述的一种分布式需求响应的负荷调节方法，其特征在于，迭代终止条件为分布式负荷网络迭代的次数达到预置次数。
4.根据权利要求1所述的一种分布式需求响应的负荷调节方法，其特征在于，迭代终止条件为各个订阅节点迭代更新后本地目标负荷量与更新前的本地目标负荷量的差值的绝对值均小于预置阈值。
5.根据权利要求1所述的一种分布式需求响应的负荷调节方法，其特征在于，步骤S1之前还包括：S0；
S0：获取分布式负荷网络的节点数。
6.一种分布式需求响应的负荷调节装置，其特征在于，包括：
时钟变量单元，用于在分布式负荷网络的每个节点设置伴随变量和独立时钟，各个节点的伴随变量初始化为0，每一个预置单位时间长度内每个节点触发的概率为1/N，其中N为分布式负荷网络的节点数；
迭代计算单元，用于分别将各个节点的本地可控负荷量和本地不可控负荷量代入各个节点的本地迭代负荷量，通过预置迭代过程计算网络平均可控负荷量和网络平均不可控负荷量，预置迭代过程为：当节点被触发时则作为广播节点，广播节点将本地迭代负荷量、伴随变量和出度广播至订阅节点并将本节点的伴随变量清零，订阅节点的本地迭代负荷量和伴随变量通过预置公式迭代更新，并在更新后判断是否达到迭代终止条件，若是，则停止迭代，取分布式负荷网络的一个节点的本地迭代负荷量作为输出量，若否，则触发下一个广播节点，其中，预置公式如下：
其中，τ为预设时间长度的时段，k为常数0,1,2…，Lj α+1(kτ)为订阅节点更新后的本地迭代负荷量，
为订阅节点更新后的伴随变量，Lj α(kτ)为订阅节点更新前的本地迭代负荷量，
为订阅节点更新前的伴随变量，Li α(kτ)为广播节点广播的本地迭代负荷量，
为广播节点广播的伴随变量，|Ei -|为广播节点的出度；
负荷调节单元，用于将网络平均可控负荷量和网络平均不可控负荷量乘以N得到网络总可控负荷量和网络总不可控负荷量，根据网络目标负荷量、网络总不可控负荷量和网络总可控负荷量计算负荷调整系数，通过负荷调整系数调节各个节点的本地可控负荷量。
7.根据权利要求6所述的一种分布式需求响应的负荷调节装置，其特征在于，负荷调节单元具体包括：
总量子单元，用于将网络平均可控负荷量和网络平均不可控负荷量乘以N得到网络总可控负荷量和网络总不可控负荷量；
系数子单元，用于将网络目标负荷量与网络总不可控负荷量的差值除以网络总可控负荷量得到负荷调整系数；
更新子单元，用于将负荷调整系数乘以各个节点的本地可控负荷量得到各个节点新的本地可控负荷量。
8.根据权利要求6所述的一种分布式需求响应的负荷调节装置，其特征在于，迭代终止条件为分布式负荷网络迭代的次数达到预置次数。
9.根据权利要求6所述的一种分布式需求响应的负荷调节装置，其特征在于，迭代终止条件为各个订阅节点迭代更新后本地目标负荷量与更新前的本地目标负荷量的差值的绝对值均小于预置阈值。
10.根据权利要求6所述的一种分布式需求响应的负荷调节装置，其特征在于，还包括：网络节点单元；
网络节点单元，用于获取分布式负荷网络的节点数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810559198.5A CN108777713B (zh) | 2018-06-01 | 2018-06-01 | 一种分布式需求响应的负荷调节方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810559198.5A CN108777713B (zh) | 2018-06-01 | 2018-06-01 | 一种分布式需求响应的负荷调节方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108777713A CN108777713A (zh) | 2018-11-09 |
| CN108777713B true CN108777713B (zh) | 2020-12-25 |
Family
ID=64026639
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810559198.5A Active CN108777713B (zh) | 2018-06-01 | 2018-06-01 | 一种分布式需求响应的负荷调节方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108777713B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012044946A2 (en) * | 2010-10-01 | 2012-04-05 | Drexel University | Dynamic load modeling of a building's energy consumption for demand response applications |
| CN103152817A (zh) * | 2013-03-27 | 2013-06-12 | 哈尔滨工业大学 | 基于广播Gossip算法的分布式时钟同步方法 |
| CN104268652A (zh) * | 2014-09-28 | 2015-01-07 | 南方电网科学研究院有限责任公司 | 一种考虑实时电价与可控负荷的微电网运行优化方法 |
| JP2015056977A (ja) * | 2013-09-12 | 2015-03-23 | パナソニック株式会社 | 機器動作解析システムおよび情報通信システム |
| CN107609675A (zh) * | 2017-08-17 | 2018-01-19 | 上海大学 | 一种基于多智能体系统趋同控制的经济调度运行方法 |
| CN107919985A (zh) * | 2017-11-08 | 2018-04-17 | 南京邮电大学 | 一种复杂网络级联失效容量负载架构的应用 |
| CN107958300A (zh) * | 2017-08-21 | 2018-04-24 | 浙江工业大学 | 一种考虑互动响应的多微网互联运行协调调度优化方法 |
-
2018
- 2018-06-01 CN CN201810559198.5A patent/CN108777713B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012044946A2 (en) * | 2010-10-01 | 2012-04-05 | Drexel University | Dynamic load modeling of a building's energy consumption for demand response applications |
| CN103152817A (zh) * | 2013-03-27 | 2013-06-12 | 哈尔滨工业大学 | 基于广播Gossip算法的分布式时钟同步方法 |
| JP2015056977A (ja) * | 2013-09-12 | 2015-03-23 | パナソニック株式会社 | 機器動作解析システムおよび情報通信システム |
| CN104268652A (zh) * | 2014-09-28 | 2015-01-07 | 南方电网科学研究院有限责任公司 | 一种考虑实时电价与可控负荷的微电网运行优化方法 |
| CN107609675A (zh) * | 2017-08-17 | 2018-01-19 | 上海大学 | 一种基于多智能体系统趋同控制的经济调度运行方法 |
| CN107958300A (zh) * | 2017-08-21 | 2018-04-24 | 浙江工业大学 | 一种考虑互动响应的多微网互联运行协调调度优化方法 |
| CN107919985A (zh) * | 2017-11-08 | 2018-04-17 | 南京邮电大学 | 一种复杂网络级联失效容量负载架构的应用 |
Non-Patent Citations (1)
| Title |
|---|
| Cooperation-Driven Distributed Control Scheme for Large-Scale Wind Farm Active Power Regulation;Xiaodan Gao等;《IEEE Transactions on Energy Conversion》;20170523;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108777713A (zh) | 2018-11-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108063830B (zh) | 一种基于mdp的网络切片动态资源分配方法 | |
| Zhou et al. | QoE-driven power scheduling in smart grid: Architecture, strategy, and methodology | |
| Long et al. | Non-cooperative power control for wireless ad hoc networks with repeated games | |
| Ibars et al. | Distributed demand management in smart grid with a congestion game | |
| Tang et al. | A real-time dynamic pricing algorithm for smart grid with unstable energy providers and malicious users | |
| Carli et al. | A distributed control algorithm for waterfilling of networked control systems via consensus | |
| Xu et al. | A general and practical datacenter selection framework for cloud services | |
| Maity et al. | Optimal LQG control under delay-dependent costly information | |
| US9361655B2 (en) | Method for computer-aided control of the electrical power consumption of a plurality of power consumers in an electrical power grid | |
| Zhu et al. | A multi-resolution large population game framework for smart grid demand response management | |
| Indrawati et al. | Internet pricing on bandwidth function diminished with increasing bandwidth utility function | |
| Tian et al. | Mechanism design for dynamic P2P streaming | |
| CN108777713B (zh) | 一种分布式需求响应的负荷调节方法及装置 | |
| Yu et al. | Adaptive resource scheduling in permissionless sharded-blockchains: A decentralized multiagent deep reinforcement learning approach | |
| Mostafavi et al. | A stochastic approximation resource allocation approach for HD live streaming | |
| Chang et al. | Effective utilization of user resources in PA-VoD systems with channel heterogeneity | |
| Jia et al. | Social-aware learning-based online energy scheduling for 5G integrated smart distribution power grid | |
| Tian et al. | Optimal bandwidth allocation for hybrid video-on-demand streaming with a distributed max flow algorithm | |
| Deng et al. | Rl-based radio resource slicing strategy for software-defined satellite networks | |
| Ayepah-Mensah et al. | Blockchain-enabled federated learning-based resource allocation and trading for network slicing in 5G | |
| Hu et al. | Efficient and incentive-compatible resource allocation mechanism for P2P-assisted content delivery systems | |
| Chen et al. | The contract net based task allocation algorithm for wireless sensor network | |
| Analoui et al. | Microeconomics-based resource allocation in overlay networks by using non-strategic behavior modeling | |
| CN115955578A (zh) | 直播流调度方法及装置 | |
| Esposito et al. | On the impact of seed scheduling in peer-to-peer networks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200115 Address after: 510000 room 501-503, annex building, Huaye building, No.1-3, Chumo new street, Xihua Road, Yuexiu District, Guangzhou City, Guangdong Province Applicant after: Guangdong Electric Power Research Institute of energy technology limited liability company Address before: 510080 Dongfeng East Road, Dongfeng, Guangdong, Guangzhou, Zhejiang Province, No. 8 Applicant before: ELECTRIC POWER RESEARCH INSTITUTE, GUANGDONG POWER GRID CO., LTD. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Room 501-503, annex building, Huaye building, No.1-3 Chuimao new street, Xihua Road, Yuexiu District, Guangzhou City, Guangdong Province 510000 Patentee after: China Southern Power Grid Power Technology Co.,Ltd. Address before: Room 501-503, annex building, Huaye building, No.1-3 Chuimao new street, Xihua Road, Yuexiu District, Guangzhou City, Guangdong Province 510000 Patentee before: GUANGDONG ELECTRIC POWER SCIENCE RESEARCH INSTITUTE ENERGY TECHNOLOGY Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |