一种电网经济调度问题的分布式对偶优化解法

首先导出了经济调度问题的对偶问题,利用分布式次梯度算法求解了该对偶问题,最后通过强对偶条件得到了原经济调度问题的最优解,同时又得到了增量成本的信息。

多无人机编队保持轨迹的对偶优化设计

考虑多无人机编队保持优化模型的设计问题,联合多无人机的运动学方程、性能指标及其约束构成一个约束优化问题。通过对指标函数的某种线性变换达到解耦的效果,引入拉格朗日乘子矢量构造该约束优化问题的拉格朗日函数。对于对偶问题中出现的两类优化变量——基变量和对偶变量,将所有基变量和对偶变量全转化为某一个对偶变量的关系式。对于该对偶变量求解,采用凸算法中的梯度投影策略,通过简单的代入运算可得到其他优化变量的数值。最后用仿真算例验证了该方法的有效性。

基于原对偶优化模型的配电网规划方法研究

将规划模型中的变量分为决策变量和场景参数,不同场景下场景参数的变化会导致规划方案的变化。为获得最优规划方案,采用原对偶优化理论寻找最优的决策变量和场景参数。首先,建立配电网规划的原模型获得初始规划方案;并且建立配电网规划的对偶模型,根据原对偶问题的强对偶性,进行经济性与可靠性的量化分析。其次,通过场景参数的灵敏度分析结果,修改初始规划方案中的场景参数以协调可靠性与经济性,获得最优的规划方案。最后,采用某地区网格规划作为算例,验证了所提方法可在较少的计算次数中有效地改善规划的可靠性和经济性。

基于变密度法的飞机襟翼拓扑优化设计

针对飞机襟翼的薄壁结构,基于可分离凸逼近对偶优化算法,在拓扑优化求解过程中提升优化效率,完成襟翼的轻量化设计目标。利用Fluent对襟翼结构进行动力学分析,得到襟翼在向下旋转最大偏角时的气动载荷,并通过Tecplot进行表面载荷提取,将得到的载荷曲线加载到Hypermesh软件中,还原极限工况的真实载荷。基于变密度法,以最小柔度为目标函数,设计域内材料的密度为设计变量,根据有限元分析方法,将域内材料离散化,采用可分离凸逼近对偶优化算法构建近似函数,求解在应力约束、位移约束以及制造性约束等多种约束下对襟翼肋板的材料最佳分布,实现襟翼质量减少23%,刚度增大的轻量化设计目标,大大减少了计算时间,提高计算效率。

Lagrange对偶结合粒子群优化的无线Mesh网络信道分配方案

针对无线Mesh网络的干扰和吞吐量优化问题,提出了一种Lagrange对偶结合粒子群优化(PSO)的信道分配算法。将多信道WMN优化问题进行公式化,利用基于拉格朗日松弛技术的Lagrange对偶算法,将原优化问题分解为两个子问题:信道分配子问题和路由子问题。然后利用提出的PSO算法对信道分配子问题进行求解,同时融入功率调整算法来均衡能耗和线性规划模型求解路由子问题。最终得到原始WMN优化问题的最优解,实现最大化网络吞吐量和最小化网络干扰。实验结果表明,相比其他几种现有的信道分配算法,提出的算法获得的信道分配方案具有更好的性能。

基于两点累积信息原／倒变量展开的对偶优化方法的收敛性分析

基于两点累积信息原／倒变量展开的对偶优化方法的收敛性分析邢誉峰（北京航空航天大学固体力学研究所）钱令希（大连理工大学工程力学所）ＡＭＡＴＨＥＭＡＴＩＣＡＬＣＯＮＶＥＲＧＥＮＣＥＡＮＡＬＹＳＩＳＯＦＴＨＥＤＵＡＬＭＥＴＨＯＤＢＹＥＸＰＡＮＳＩＯＮＯＦＯ...

考虑多能供电差异的智能电网实时定价

可再生能源和传统能源联合发电是未来电网的发展趋势,不同类型能源发电的定价机制是智能电网研究中的一个重要问题。考虑供电侧同时包含传统能源和可再生能源发电、用户配备电力存储设备,为兼顾供需双方的利益和碳减排,提出了一种基于社会福利最大化模型的实时定价机制。鉴于传统能源和可再生能源的发电方式和发电成本等存在较大差异,在利用拉格朗日对偶算法求解时,引入两个全局拉格朗日乘子作为相应的影子价格,即最优实时电价。数值仿真结果表明,与固定分时定价相比,所提实时定价机制能够有效地削峰填谷、提高社会福利,在经济性方面取得了良好的效果。

两类分布式优化问题关系初探

讨论了两类重要的分布式优化问题之间的关系,给出了这两类分布式优化问题的数学表达,并利用拉格朗日对偶原理得出了它们的关系,即一类问题可以表示为另一类问题的对偶问题。

利用分布式对偶方法求解电力系统经济调度问题的案例分析

对利用分布式对偶算法求解电力系统最优经济调度问题提供一个案例分析。采用文献中常用的一个由四个节点组成的经典电力系统。节点之间的通信网络拓扑满足经典的连通性条件。每个节点的成本函数采用常用的二次函数,而每个成本函数的参数也采用文献中已有的数据。在求解对偶问题时,采用经典的分布式次梯度算法。结果表明,在这个经典案例中,分布式对偶算法可以成功求得电力系统经济调度问题的最优解,而且,所有的节点都可以得到这个最优解。

基于鲁棒优化的含径流式小水电的电力系统安全经济调度

针对径流式小水电出力具有一定的随机波动性,其不确定性致使系统存在安全风险,运用鲁棒优化理论,考虑盒式不确定集合刻画出力的不确定性,在传统安全经济调度模型基础上,建立了一定安全约束下的鲁棒优化安全经济调度模型。为便于求解,采用对偶理论,将安全约束条件中不确定量转化为确定量,得到易求解的计算模型。IEEE-30节点系统仿真,得出了不同波动值下的安全经济调度值,说明了该方法的可行性。

考虑新能源不确定波动的交直流混联电网静态电压稳定裕度区间计算

随着新能源发电技术与直流输电技术在大电网中的广泛应用,需要提出含新能源的交直流混联电网静态电压稳定分析方法。为此,该文针对含常规直流输电和多端柔性直流输电的交直流混联电网,采用区间数描述新能源电站出力的不确定波动,建立了交直流混联电网静态电压稳定裕度(static voltage stability margin,SVSM)区间计算的2个双层最优潮流模型,即计算SVSM区间上界的min-min模型和计算SVSM区间下界的max-min模型。计算区间SVSM上界的min-min双层优化模型可直接合并为单层优化模型求解。计算SVSM区间下界的max-min模型需要先通过二阶锥松弛和凸包络松弛等方法将内层模型转化为凸规划模型,并通过对偶优化理论得到内层凸规划模型的对偶规划模型,进而转化为单层优化模型求解。通过对修改后的IEEE-39节点系统和南方电网2个交直流混联电网算例的计算分析,并与蒙特卡洛抽样法和拉丁超立方抽样法的计算结果比较,验证了所提出方法的正确性与高效性。

基于加权支持向量机的入侵检测系统

目前的入侵检测系统存在先验知识较少的情况下推广能力差的问题,针对各样本重要性的差异,提出了加权支持向量机方法并给出了对偶最优化问题的描述及其SMO训练算法.在入侵检测实验中,训练样本的重要性通过测试样本与该样本的空间距离来表征.实验表明,基于加权支持向量机的入侵检测系统在小样本(先验知识少)的条件下不但提高了入侵检测的精度,而且缩短了入侵检测时间.

多TCP协议多链路端拥塞控制特性研究

当多链路端网络模型中包含有多种TCP协议的数据源端时,不同源端根据不同的反馈信号调整发送速率,无法保证网络平衡点的存在性和唯一性及带宽分配的公平性。针对不同源响应不同反馈价格机制,引入价格映射函数,建立了具有不同价格映射函数的对偶优化模型。证明了在适当假设下该模型平衡点是存在的。提出并证明了保证网络平衡点唯一性的价格映射函数设计条件。同时在期望带宽分配公平性的平衡点下给出了网络允许的最大往返延迟时间。

一种用户速率受限OFDM系统中的联合子载波和功率分配算法

为OFDM下行系统提出一种高性能、低复杂度的无线资源分配算法.该算法在保证各用户最小数据速率限制的情况下,最大化系统的总吞吐量.算法以对偶优化作为理论基础,经过合理简化,消除了以往求解优化问题中所需的迭代运算,提出一种新型的低复杂度无线资源分配算法.仿真结果表明,在各种无线环境中,该算法均提供了很好的系统吞吐量和中断概率性能.

适用于宽带网络波形的基于定价策略的时隙选择

针对宽带网络波形(Wideband Networking Waveform,WNW)的多信道二维时频资源,以减小网络资源浪费为优化目标,提出了一种基于定价策略的时隙选择方法(Pricing Strategy Based Slot Selection,PSSS)。该方法通过接纳控制保障资源分配的公平性,采用对偶优化建模与椭圆搜索法实现最优的时隙选择。理论分析证明该方法能够在多项式级别时间复杂度内搜索到时隙选择的最优解。仿真结果表明,提出的PSSS算法通过较低资源浪费获得了较低的容量冗余度,能够有效地解决WNW多信道网络的时隙选择问题。

基于非近似求导过程的加更新和乘更新分类算法

自从Kivinen和Warmuth提出权衡正确性与保守性的在线学习框架后,此在线学习框架已被广泛引用.但是在Kivinen和Warmuth提出的梯度下降和指数梯度下降算法中,对目标函数中的损失函数求导过程中使用近似步骤会引起在线学习结果恶化.文中,运用对偶最优化理论,提出了非近似的基于平方距离相关熵损失函数分类算法和基于相关熵距离相关熵损失函数分类算法,通过4种不同维数的真实数据集的实验研究,验证了提出算法的分类预测性能.

基于梯度算法的电网台区线损状态自动识别模型

为了减小线损所带来的风险,采用梯度算法,构建电网台区线损状态自动识别模型。架构用于描述电网台区系统的无向连通图,近似描述母线线损率,根据最优化问题的强对偶性,推导出对偶优化问题,完成梯度计算。依据对应台区与电力数据服务器,提取状态异常线损相应台区特征,构建指标体系,经过聚类分析线损状态异常的电网台区,挖掘有效规则,令各类聚类分析输出分群结果与线损状态异常诱因相互对应,更新模型参数后,完成线损状态自动识别模型的建立。实验结果表明,本文构建模型具有较高的有效性与精准度,具有优越的应用性能。

基于正则化的乘更新在线分类算法

大样本集上在线预测算法时间空间复杂度小、预测准确性高,与批处理学习算法相比,有明显的优势。自从Jivinen和M.Warmuth提出权衡正确性与保守性的在线学习框架后,在线学习框架已被广泛引用。但是在Jivinen和M.Warmuth提出的梯度下降和指数梯度下降算法中,对目标函数中的损失函数求导过程中使用近似步骤会引起在线学习结果恶化。运用对偶最优化理论,提出了非近似的基于不同距离和损失函数的乘更新分类算法,一系列的实验显示算法提高了预测准确率。

一种自适应系统规模的联邦深度学习方法

在面向复杂任务协作的环境中,通信带宽和计算资源的限制以及对隐私保护的需求共同构成了该研究领域的主要挑战。为了解决这些问题,研究者提出了联邦学习(Federated Learning,FL)框架作为一种解决方案。FL允许多个设备在不直接交换原始数据的情况下进行协同模型训练,从而降低了通信需求并保护了数据隐私。然而,一些FL方法采用了全客户端参与的策略,即所有客户端在每一轮中更新其本地模型。这种方法不仅增加了通信次数,而且随着客户端规模的增大,也会导致系统性能下降、响应延迟等问题。因此,本文介绍了一种基于原始–对偶优化的新FL协议(Federated Deep Learning Alternating Direction Method of Multipliers,FDLADMM)。FDLADMM算法利用双变量来引导客户端进行本地训练,减少了设备间的通信次数,优化了模型训练速度,并且随着系统规模增大,无需进行超参数调整即可有效适应。通过实验,本文展示了所提出的方法在通信效率和训练速度方面的优势,并且当系统规模不断调整时,无需进行超参数调整即可有效适应。这一创新的方法为应对复杂任务协作中的挑战提供了一种可行且高效的解决方案,并有望在未来的研究和实践中得到广泛应用。

复杂智能电网大数据环境下基于需求响应的电力调度策略

在复杂智能电网大数据环境下,基于价格的需求响应研究分布式电力调度策略。考虑多个发电厂供电的情形,对用户配有的智能电器进行分类,针对不同的发电厂制定不同电价,利用社会福利最大化方法,建立一个多时段的电力调度模型。基于对偶理论,通过求解模型的对偶问题获得所建模型的最优解。在求解对偶问题时,采用次梯度算法,通过供需两侧数据信息的交互,提出了一个分布式调度算法。该算法可以获得各时段所有用户的最优用电量和所有发电厂的最优供电量,还可以得到所有发电厂各时段的最优电价,为智能电网提供了最优日前电力调度策略。求解过程中不需要向其他用户和供电侧发送自己的具体用电信息数据,保护了用户的数据信息,减少大数据传输及处理的难度。数值仿真验证了调度模型合理性以及提出的分布式算法的有效性。