15、分布式智能系统中的任务执行与家电负载曲线推断

分布式智能系统中的任务执行与家电负载曲线推断

1. 分布式系统任务执行方法

在分布式系统的任务执行方面，有一种主动报价广播（PQB）方法。它能达到与集中式方法相近的良好效果。通过对比可以更直观地了解其性能表现，以下是中央 ST 与本地 PQB 的对比表格：
| 基准集 | 最优解 | 中央 ST 平均值 | 本地 PQB 平均值 | 偏差 |
| ---- | ---- | ---- | ---- | ---- |
| c515 - 1 | 336 | 285.0 (标准差:5.88) | 269.7 (标准差:11.55) | 5.37 % |
| c515 - 2 | 327 | 283.9 (标准差:5.37) | 260.3 (标准差:17.69) | 8.31 % |

从表格数据可以看出，PQB 方法虽然与集中式方法存在一定偏差，但差距并不是非常大，说明该方法在分布式系统任务执行中有一定的可行性。

此外，还引入了作业 - 资源模型。这个模型追求个体目标（微观目标），这些目标可能由用户创建，同时也考虑系统范围的目标（宏观目标），比如负载均衡问题。宏观目标的优化对作业是透明的，具体表现为一种所谓的虚拟本地单步优化（VLSO），这是通过 PQB 技术实现的。在这个算法中，微观目标能够共享资源，并且也解释了在资源上对目标进行分组的挑战以及克服该挑战的方法。实验结果显示了 PQB 算法的能力，即它能快速应对干扰，并且能实现目标到资源的最优分配。

2. 智能电网家电负载曲线推断的背景与意义

在智能电网中，良好的需求侧管理不仅依赖于各种家电消耗的能源量，还依赖于消耗的时间特性，也就是家电的负载曲线。具