Game Theory Based Model for Predictive Analytics Using Distributed Position Function

This paper presents a game theory-based method for predicting the outcomes of negotiation and group decision-making problems. We propose an extension to the BDM model to address problems where actors’ positions are distributed over a position spectrum. We generalize the concept of position in the model to incorporate continuous positions for the actors, enabling them to have more flexibility in defining their targets. We explore different possible functions to study the role of the position function and discuss appropriate distance measures for computing the distance between the positions of actors. To validate the proposed extension, we demonstrate the trustworthiness of our model’s performance and interpretation by replicating the results based on data used in earlier studies.

Distributed control and optimization of process system networks:A review and perspective

Large-scale and complex process systems are essentially interconnected networks.The automated operation of such process networks requires the solution of control and optimization problems in a distributed manner.In this approach,the network is decomposed into several subsystems,each of which is under the supervision of a corresponding computing agent(controller,optimizer).The agents coordinate their control and optimization decisions based on information communication among them.In recent years,algorithms and methods for distributed control and optimization are undergoing rapid development.In this paper,we provide a comprehensive,up-to-date review with perspectives and discussions on possible future directions.

SUBJECTIVE RADE-OFF RATE METHOD OF MULTIOBJECTIVE DECISION-MAKING

This paper proposes a mathod of subjective trade-off rate which describles decision-maker's preferince in multiobjective decision-making. Decision-maker can arbitrarity determine his subjective trade-off rate,but it is not sure to be effective.The paper finds aft effective upper bound of subjective trade-off rate,which is the KuhnThcker multiplier of some mathematical programming.For the anbjective trade-off rate not being larger than the upper bonnd,the solving method and properties of the optimal solution corresponding tile trade-off rate are discussed.The paper lastly develops the process of solving multiobjective decision-making with the subjective trade-off rate method.

大数据的6种地理学应用范式

随着大数据时代的来临,多源大数据正在兴起,数据驱动研究范式与地理学日益融合。基于个体行为的地理空间大数据可提供对海量个体行为模式的观察,从而实现“由人及地”的社会感知,支持城市管理、交通、公共卫生等不同应用。本文从应用角度,以地理空间大数据为重点,梳理其支持的6种应用范式,按照层次从低到高依次为描述时空分布、识别异常对象、发现普适规律、揭示关联关系、预测未来趋势及优化空间决策。其中,第1个方向是对地理现象和地理要素时空特征的简单刻画;第2~4个方向则注重探寻时空分布特征背后的规律和机理;最后两项,则是在决策层面提供支持。继而,本文指出大数据应用中数据获取、分析方法和应用目标3方面的问题。

基于模糊结构元的新零售末端配送网络优化研究

新零售模式下,高时效性的物流末端配送对提高顾客满意度具有重要作用,而对末端配送中心位置和数量的确定,是优化末端配送网络的关键。首先,综合考虑影响配送中心位置与数量的模糊因素,构建以配送时间最少、配送中心覆盖范围最大以及系统成本最低为目标的模糊多目标规划模型;其次,采用结构元加权序准则法求解模型,生成三角模糊数简化求解过程;最后,以算例检验方法的有效性。结果表明,所提出的模型能够将模糊因素融入模糊决策过程中,且结构元加权序准则法有助于决策者灵活调整方案和决策,从而对新零售末端配送网络布局进行优化。

社会网络下考虑信息补全的物流供应商选择研究

在物流供应商选择过程中,针对分布式评价语言环境下专家评价信息不完整问题,提出社会网络下考虑信息补全的群决策方法。考虑专家接受间接信任关系可能性的大小,提出一种新的信任传递模型来完善专家间的信任值;首次拓展Jensen-Shannon散度到分布式评价语言距离度量上,用于衡量专家之间的相似度;基于K-临近算法,设计改进的残缺评价信息补全方法;对专家信息进行集结并构建共识度量与反馈调节机制,得到群决策矩阵,并运用改进的EDAS(evaluation based on distance from average solution,离平均方案(平均解)距离)方法对方案进行排序;通过物流服务供应商综合评估算例验证该群决策方法的可行性和有效性。

基于分层深度强化学习的分布式能源系统多能协同优化方法

分布式能源系统的多能协同运行对于促进新能源的消纳具有重要意义。然而,分布式能源系统中源荷的不确定性以及异质能源网络的时空差异性,给多能协同优化问题带来巨大挑战。针对这一问题,提出了一种面向分布式能源系统的两阶段多能协同优化模型,通过采用长时间尺度控制和短时间尺度控制两阶段解耦决策方式,实现了对不同时间响应特性的复合空间进行序贯决策。然后,面对高维复合搜索空间和源荷不确定性因素,采用了深度强化学习无模型解决方案,并提出一种全新的分层深度强化学习算法进行求解。通过算例仿真验证了所提模型和求解方法的有效性和优越性。

超大型城市虚拟电厂的数字孪生框架设计及实践

超大型城市能源系统汇集了多种分布式能源资源(distributed energy resources,DER),包括具备不确定性的新能源发电单元(如光伏、风机),具备可调性的柔性用能单元(如空调、蓄冷)以及兼具充放功能的能源产消者(如电动汽车、储能),虚拟电厂(virtual power plant,VPP)已成为重塑上述DER生态关系并对其进行协同管控的有效途径。该文梳理了当前城市级VPP建设的目标与现状,明确了超大型城市VPP工程所面临的挑战,即对于由海量DER所诱发的多主体多目标高不确定性场景缺乏系统性的建模、仿真、推演、分析、决策与校核手段。为应对上述挑战,该文结合城市电网数字化整体架构与建设进程,提出了超大型城市VPP数字孪生技术框架,继而得以对城市能源系统的态势轨迹进行系统性地推演与分析;进一步,聚焦智能决策目标,探究了框架下的技术路径、关键技术、理论工具等。该框架已经助力临港新片区VPP工程示范落地,为城市级VPP建设提供参考。最后,展望了超大型城市下数字孪生VPP的研究方向与应用前景。

基于主从博弈的工业园区运营商与分布式光储用户购售电优化决策

随着分布式光伏大量接入园区用户侧,其随机性与波动性使得工业园区微电网下的能量管理愈发困难,储能为缓解上述问题提供了有效的手段。为实现园区用户侧新能源高效消纳及储能资源合理利用、兼顾多园区用户的利益诉求,提出一种基于主从博弈的工业园区运营商与分布式光储用户购售电优化模型。模型中利用工业园区用能运营商对多用户的能量进行统一管理,利用价格信息引导园区用户调整用电策略,利用分布式储能“低储高发”特性协调运营商与用户间的能量交互;并通过仿真算例验证所提方法的可行性和有效性。结果表明:基于主从博弈的工业园区运营商与分布式光储用户购售电优化决策,能够兼顾园区运营商和用户的经济性,促进新能源与储能的协同发展。

分散决策下分布式光伏储能系统外部性价值量化评估

近年来,随着分布式光伏补贴的逐渐下降和储能技术的日益成熟,分布式光伏储能系统已逐渐成为能源结构转型的关键性环节之一。然而,不同于传统集中式优化规划框架,大规模分布式光伏储能用户分散决策模式下其自利性行为对整体系统运行效率的影响及其外部性价值评估方法仍有待进一步研究。为此,构建了计及分布式光伏储能投资决策的双层模型来模拟需求侧市场成员分散决策行为与系统整体运行的交互关系,以量化分析分布式光伏储能系统的外部性价值。进而,从个体层和系统层两维度设计了市场运营评估指标体系。最后,基于实际系统数据验证了所提模型的有效性。

面向无人机物流的分布式任务调度

为提高无人机物流任务调度系统的实时性、可靠性和扩展性,本文提出一种面向通用航空无人机物流的分布式自主任务调度系统,并阐述了该系统的概念、架构、机制和运行模式;为实现物流任务的高效分配,适用于常规物流及紧急物流任务,结合集中调度及边缘自主两种调度模式。实验证明:该系统可为通用航空无人机物流提供一种有效途径,成为未来无人机物流的主要调度模式之一。

考虑移动电氢资源多区互济的负荷恢复方法

电-氢-交通协同可以提高灵活性并增强能源系统韧性。提出了一种考虑移动电氢资源多区互济的负荷恢复方法。针对分布在多个区域的电-氢耦合系统,提出在停电期间协同利用本地的分布式电源、储氢和移动电氢资源,快速恢复关键用户需求。通过基于交通地图系统的移动电氢资源调度,提出了负荷恢复和移动电氢资源调度集成的故障恢复决策框架。进而构建了移动电氢资源交通调度与负荷恢复的耦合约束,建立了移动电氢资源参与恢复的混合整数二阶锥规划模型,可以进行恢复与交通调度的统一决策。所提方法从时间和空间维度协调和分配电氢资源,最大限度地恢复关键用户的需求。通过构建的多区域电-氢耦合系统和相对应的交通系统,验证了所提协同恢复方法的有效性和优越性。

量子计算技术在新型电力系统决策优化中的应用

新型电力系统的规划、运行和市场运营等决策优化过程呈现变量激增、约束繁杂等特点,而量子计算具有运算并行和状态叠加等特性,为高效解决此类“维数灾难”难题提供了新的技术路径。文中围绕量子计算技术赋能新型电力系统决策优化的原理可行性及实现思路展开探析。首先,梳理分析量子计算应用于新型电力系统决策优化过程的先进性与局限性,构建量子-经典计算混合的变分量子决策优化框架。在此基础上,提炼新型电力系统典型优化问题的共性,推导统一的问题结构,形成可利用量子比特系统描述的能量模型。随后,提出基于量子近似优化算法的求解流程,寻找能量模型的极值,并映射得到原优化问题的最优解。最后,从软硬件、算法框架以及行业发展等角度提出思考与展望。

基于改进证据理论的冲突证据融合方法

为解决证据理论中Dempster组合规则融合高度冲突证据效果不佳的问题,提出一种同时考虑证据重要性与可靠性的综合权重生成方法和基于加权复数基本概率分配函数的证据融合方法。以提高证据融合结果的收敛性能和诊断精度为目标,建立相应的优化证据融合模型。实验结果表明,所提方法能够有效识别并处理证据冲突,克服证据加权融合过程中剩余信度被完全抛弃的问题,获得更好的融合结果和更快的收敛速度,提高诊断精度。

配用电物联网的异构无线网络终端接入策略

论文提出了一种面向配用电物联网(PD-IoT)的异构无线通信网络最佳适配性动态接入策略。首先,引入网络属性效用函数,并基于聚合效用建立量化PD-IoT业务终端与无线网络适配性的评价模型;其次,综合考虑PD-IoT业务通信需求和通信网络性能来完成业务终端对各网络属性的动态定权;再次,引入网络切换控制机制以确保终端与无线网络间可靠的通信连接和通信质量;最后,通过案例仿真验证了论文异构网络接入选择策略的有效性。

基于深度确定性策略梯度算法的配电网最优电压实时控制

随着光伏发电在配电网中的渗透率逐渐增大,在降低系统网损和全社会的碳排放量的同时,也导致了电压出现时段性越限等问题,而电压安全对配电网的稳定运行有重要意义。提出了一种基于深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法的电压控制策略。研究了太阳能光伏逆变器在配电网无功电压优化中的作用;以配电网有功损耗最小化为目标函数,同时考虑到逆变器的无功补偿能力,提出了一种基于深度确定性策略梯度算法的配电网电压控制策略;利用修改后的IEEE33节点算例对所提策略的有效性进行验证,仿真结果表明:DDPG算法学习所得策略可以动态调节各光伏逆变器的无功输出,从而实现控制电压安全的目标,并且与调控前相比系统网络耗损减少了13.5%。

钢铁循环水补水水质及系统运行方案优化

为了进一步探究钢铁行业循环水补充水加药方案,利用主成分分析法分析不同水质类型的时空分布特点,并采用结垢指数法分析5个地区补充水水质类型和不同浓缩倍数下的结垢倾向,从而确定加药方案。主成分分析结果表明:补水为地下水时主要受钙硬、电导率、总碱和氯离子影响,补水为河流水或市政水时主要受总铁与浊度影响;结垢指数法表明:地下水为补充水偏结垢,河流水或市政水为补充水偏腐蚀;建议地下水为补水时浓缩倍数为4~5,河流水或市政水为补水时浓缩倍数为3~4。依据各地区水质类型与浓缩倍数,优化各地区的建议加药方案。

多智能体博弈中的分布式学习:原理与算法

自主智能决策是未来无人系统发展的核心技术,而博弈学习是实现自主智能决策的关键方法之一。围绕多智能体博弈中分布式学习领域,系统地介绍其基本问题、研究背景及意义;针对连续动作空间博弈与离散动作空间博弈两种典型博弈类型,综述多智能体博弈分布式学习算法的构建及收敛性研究进展;给出博弈学习领域尚待突破的挑战性问题。

基于无功就地平衡的风电场内部分散决策式精细化无功电压控制策略

“沙戈荒”大规模汇集系统远离主网,呈现出较强的无功电压敏感特性,风电场整体和内部的无功不平衡在并网送出线路和场内馈线上产生的压差较大,传统的风电场无功电压控制方案难以保证其安全经济运行,为此提出一种风电场内部分散决策式精细化的无功电压控制策略。从无功需求的物理本质出发,详细分析风电场内各元件的无功需求并给出具体计算方法,进而建立风电场分布式多中心无功平衡模型,以非迭代方式直接求解场内各无功电源的无功指令。为衡量场内馈线上不合理无功流动,定义分区无功穿越量的概念,并推导出其计算表达式。算例分析结果表明:风电场内部分散决策式精细化无功电压控制策略能够强化风电场内无功就地平衡,有效改善馈线电压分布,大幅减少馈线上的无功穿越和有功损耗,提高风电场并网运行的安全性与经济性。