一种面向电力芯片混合多核系统的任务调度优化方法

    公开(公告)号:CN112667377A

    公开(公告)日:2021-04-16

    申请号:CN202011543797.1

    申请日:2020-12-23

    摘要: 本发明属于电力芯片领域,涉及一种面向电力芯片混合多核系统任务调度优化方法,通过计算应用程序中每个任务的upward值大小并确定任务优先级,使用能耗预分配策略确定每个任务的预分配能耗,按照优先级从大到小的顺序,依次选取一个任务,计算此任务的能耗约束,再将此任务调度到每个处理器核并遍历所有的任务执行频率,找出满足此任务能耗约束且令此任务结束时间最早的处理器核和频率组合并重复操作,直到所有的任务调度完毕,得到任务调度结果,最后找出可做频率再调整的任务,计算找到的任务在最大程度延长运行时间后能够节省出的能耗值,将所述能耗分配给直接影响整体调度长度的任务,以提高运行频率,达到缩短整体调度长度的目的。

    基于多时间尺度多智能体深度强化学习无功电压控制方法

    公开(公告)号:CN113363997A

    公开(公告)日:2021-09-07

    申请号:CN202110597000.4

    申请日:2021-05-28

    IPC分类号: H02J3/16 H02J3/06 G06N3/08

    摘要: 本发明涉及电力系统运行和优化技术,旨在提供一种基于多时间尺度多智能体深度强化学习无功电压控制方法。本发明将光伏、风机和负荷中的有载调压分接头、电容器组和储能均定义为智能体,把基于强化学习的方法应用于无功优化问题中,允许控制器通过与类似系统的仿真模型交互来学习控制策略。将无功调节设备的动作变量与配电网环境进行交互,智能体最终能够实现对于外部环境的最优响应,从而获得最大的回报值。本发明用神经网络方法来分析和拟合智能体的战略函数和动作价值函数,训练过程不依赖于预测数据结果和精确的潮流建模;使用两个时间尺度的无功优化方法,可以使得网损更小、电压平抑效果更佳,对提升配网安全可靠性有更显著的效果。