Stratégies d'ordonnancement de consommation d'énergie en présence d'information imparfaite de prévision

Mauricio Gonzalez (1) , Olivier Beaude (2) , Patricia Bouyer (1) , Samson Lasaulce (2) , Nicolas Markey (1, 3)

1 LSV - Laboratoire Spécification et Vérification [Cachan]
2 L2S - Laboratoire des signaux et systèmes
3 SUMO - SUpervision of large MOdular and distributed systems

– Les problèmes de consommation d'énergie (comme la recharge de véhicules électriques) sont très liés aux problèmes de communication. L'algorithme de « water-filling » peut être utilisé, mais il n'est pas robuste au bruit de prévision de la consommation « non-flexible », c.-à-d. non contrôlable. Nous proposons un algorithme robuste utilisant PRISM, un outil de vérification probabiliste, exploitant la discrétisation de l'action de consommation (comme pour une modulation à petite constellation) et la structure dynamique du problème en un processus de décision de Markov. Abstract – Energy consumption problems (e.g., electric vehicles charging) are very related to communication problems. The " water-filling " algorithm can be used, but it is not robust w.r.t. the noise of the " non-flexible " , i.e. not controllable, energy consumption forecasting. We propose a robust algorithm using the probabilistic model checker PRISM, to exploit the idea of discretizing the consumption action (as for a modulation to small constellation) and the dynamic structure of the problem in a Markov decision process model.

Domaines: Théorie de l'information [cs.IT]; Réseaux et télécommunications [cs.NI]; Informatique et langage [cs.CL]; Traitement du signal et de l'image [eess.SP]

Mauricio Gonzalez, Olivier Beaude, Patricia Bouyer, Samson Lasaulce, Nicolas Markey. Stratégies d'ordonnancement de consommation d'énergie en présence d'information imparfaite de prévision. 26eme Colloque GRETSI Traitement du Signal & des Images, GRETSI 2017, Sep 2017, Juan-les-Pins, France. ⟨hal-01745594⟩