每个实用程序都有一组代表设备的代理，这些代理可以是普通的，也可以是优化的，并且每个实用程序都有相同数量的优化设备和普通设备。每台设备每天必须运行一次，持续约一小时，并在这段时间内消耗一定的电量[40,61]。每个设备的持续时间和电量略有不同。对于普通电器来说，其开启时间分布在白天，分布反映了需求曲线，因此更多的电器在上午和晚上运行。与之前一样，优化设备可以在RTP下运行，也可以通过公用事业公司处理的文件订单整合到市场中。在模拟过程中，我们按比例改变了正常应用程序或优化应用程序所消耗的功率，因此总体而言，它们将代表约250000个设备，每个设备的功率需求为3kW。如左图A.11所示，结果与我们的主要发现具有可比性，并且可以通过相同的概念来理解。如图A.11右侧所示，RTP下的设备总是试图在中午跳到最早的时间。公用事业公司试图预测他们将移动到哪个小时。然而，正是这一预测进入了市场，因此将改变最便宜的时间。因此，RTP下的电器不断产生额外采购的需求，从而带来更高的成本。这最终会推高系统成本。0 100000 200000弹性。设备0.30.20.10.00.1系统成本增加（/兆瓦时）RTPint。5 10 15 20h10.010.511.011.512.0TWBASERTPFigure A.11：小型灵活负载（如智能洗碗机）的比较，功耗约为3kW，持续约60分钟。在左侧，我们看到了通过EXG和市场整合或RTP协调这些负载的结果。

在右侧，我们可以看到基本负荷曲线和RTP模式下的负荷“跳跃”，所有设备都试图在最便宜的时间运行。在综合体制下，市场可以协调设备何时运行并提前获得所需电力，因此在日前市场之后不会产生额外的电力采购成本。当然，这种设置中的影响比论文中显示的影响小得多，因为设备在峰值负载时间上的影响较小。然而，这表明，如果控制不当，仅25万台智能洗碗机就可能对整个系统产生负面影响。我们想指出的是，需要进一步发展这一研究路径，以便更好地了解不同负荷曲线、不同（组）设备以及更多边界条件对灵活性及其管理的影响。然而，这超出了本文的范围，本文的重点是了解潜在影响和一般问题。附录B.模型描述在下文中，我们给出了所提议模型的伪代码表示。为了简洁起见，必须省略一些实施细节；这些细节可以在源代码中找到，可以在lineat上找到[42]。例如，我们选择排除平衡成本计算的细节，因为这是一个相当长的过程。然而，这只是遵循Nord Pool系统的会计规则。