معماری پیمانهای یکپارچه تحولی قابل توجه در صنعت هوافضا به وجود آورده است. در این معماری به دلیل کاهش اندازه، وزن، توان مصرفی و هزینه، وظایف با درجه بحرانیت متفاوت بر روی یک سختافزار تجمیع شده و از منابع به صورت مشترك استفاده میکنند. علاقه صنعت به این یکپارچهسازی، من چکیده کامل
معماری پیمانهای یکپارچه تحولی قابل توجه در صنعت هوافضا به وجود آورده است. در این معماری به دلیل کاهش اندازه، وزن، توان مصرفی و هزینه، وظایف با درجه بحرانیت متفاوت بر روی یک سختافزار تجمیع شده و از منابع به صورت مشترك استفاده میکنند. علاقه صنعت به این یکپارچهسازی، منجر به معرفی سیستمهای بحرانی- مختلط شده است. یکی از نیازهای اساسی این سیستمها، بیدرنگی و اطمینان از اجراي به موقع وظایف بحرانی میباشد که البته تجمیع وظایف بحرانی و غیر بحرانی، زمانبندی اجراي وظايف را با مشکلاتی مواجه ميكند. همچنین به دلیل استفاده از باتری در این وسایل، کاهش انرژی مصرفی از دیگر نیازهای مهم میباشد. بنابراین در این مقاله به منظور دستیابی به نیازهای مطرحشده (زمانبندی بیدرنگ و کاهش انرژی مصرفی)، یک روش زمانبندی ابتکاری آگاه به انرژی مصرفی در این سیستمها معرفی میشود. این الگوریتم ضمن تضمین اجرای به موقع وظایف بحرانی، انرژی مصرفی سیستم را با تغییر پویای ولتاژ و فرکانس (DVFS) کاهش خواهد داد. نتایج به دست آمده از شبیهسازیها نشان ميدهد انرژي مصرفي الگوریتم پیشنهادی در مقايسه با روشهاي مشابه تا 14% بهبود مييابد.
پرونده مقاله
محاسبات لبه سیار، تکنولوژی نوینی برای بهبود مشکل تأخیر، ظرفیت و منابع موجود در محیط محاسبات ابری سیار است. هدف اصلی در محاسبات لبه سیار، زمانبندی پویا و بارگذاری بهینه با کمترین هزینه در استفاده از منابع است. ما در این مقاله، از یک مدل سیستم سهسطحی دستگاههای سیار، لب چکیده کامل
محاسبات لبه سیار، تکنولوژی نوینی برای بهبود مشکل تأخیر، ظرفیت و منابع موجود در محیط محاسبات ابری سیار است. هدف اصلی در محاسبات لبه سیار، زمانبندی پویا و بارگذاری بهینه با کمترین هزینه در استفاده از منابع است. ما در این مقاله، از یک مدل سیستم سهسطحی دستگاههای سیار، لبه و ابر استاندارد، استفاده و دو الگوریتم بارگذاری و زمانبندی را پیشنهاد میکنیم. یک الگوریتم تصمیمگیری برای بارگذاری وظایف مبتنی بر الگوریتم کولهپشتی حریصانه در سمت دستگاه سیار است که وظایف با انرژی مصرفی بالا را برای بارگذاری انتخاب میکند و باعث صرفهجویی در انرژی مصرفی دستگاه میشود. همچنین در سمت MEC، یک الگوریتم زمانبندی پویا را با اولویتبندی وظایف مبتنی بر فازی جهت اولویتبندی و زمانبندی وظایف بر اساس دو معیار ارائه میکنیم. نتایج عددی نشان میدهند که کار ارائهشده در مقایسه با سایر روشها باعث کاهش زمان انتظار وظایف برای اجرا، تأخیر و بار سیستم میشود و تعادل سیستم با کمترین تعداد منابع تأمین میگردد و سیستم ارائهشده، مصرف باتری را در دستگاه هوشمند تا حدود 90% کاهش میدهد. نتایج نشان میدهند که بیش از 92% وظایف با موفقیت در محیط لبه اجرا میشوند.
پرونده مقاله
در بستر سیستمهای قدرت هوشمند، تعیین پتانسیل منابع پاسخگویی تقاضا به علت اثرگذاری بر تمامی سیاستهای تصمیمگیری حوزه انرژی حایز اهمیت است. در مقاله حاضر، پتانسیل منابع پاسخگویی تقاضا در حضور تجهیزات سرمایشی و گرمایشی، با استفاده از روش الگوریتم طبقهبندی
k-means به ع چکیده کامل
در بستر سیستمهای قدرت هوشمند، تعیین پتانسیل منابع پاسخگویی تقاضا به علت اثرگذاری بر تمامی سیاستهای تصمیمگیری حوزه انرژی حایز اهمیت است. در مقاله حاضر، پتانسیل منابع پاسخگویی تقاضا در حضور تجهیزات سرمایشی و گرمایشی، با استفاده از روش الگوریتم طبقهبندی
k-means به عنوان یک روش دادهکاوی، تعیین میشود. ابتدا دادههای انرژی مصرفی در ساعات پیک دورههای گرم (بهار و تابستان) و دورههای سرد (پاییز و زمستان)، با توجه به تغییرات قیمت و دما، با استفاده از الگوریتم k-means در خوشههای مختلفی گروهبندی میشوند. خوشههایی با امکان حضور وسایل سرمایشی و گرمایشی، انتخاب میشوند. سپس نمودار بازه اطمینان دادههای انرژی مصرفی در خوشههای منتخب با توجه به تغییرات قیمت انرژی ترسیم میگردد. با توجه به فاصله کمینه و بیشینه در میانگین دادههای موجود در آستانه بالا و آستانه متوسط نمودار بازه اطمینان، پتانسیل نامی منابع پاسخگویی تقاضا (بار انعطافپذیر) به دست میآید. اطلاعات انرژی مصرفی، دما و قیمت انرژی شبکه برق BOSTON در یک افق زمانی ششساله به منظور ارزیابی مدل پیشنهادی استفاده میشود.
پرونده مقاله