求解一类二阶段有补偿问题的对偶梯度法

利用对偶理论，本文给出了求解一类具有简单补偿的非线性二阶段问题的新对偶梯度法．在假设目标函数为可分连续可微凸函数的条件下，在每一选代步可将原二阶段有补偿问题转化为几个一维凸规划问题，大大简化了问题的求解．所给算法简单易行，文中还证明了该算法的全局收敛性．

求解一类二阶段有补偿问题的对偶梯度法

1 问题的描述在含有随机变量的复杂决策问题中所产生的二阶段有补偿问题通常具有如下形式这里D={x|Ax=d,x≥0}?Rn为约束区域,A∈Rm×n,d∈Rm（m≤n）,h（x）为x的实函数,Q（x）=EQ（x,ω）,而Q（x,ω）为相应于样本点ω的随机变量并取第二阶段（补偿）问题的最优值.对于问题（1）,已有算法均限于具有简单补偿和随机右端项的随机线性规划问题。

对偶梯度法在图像去噪中的应用

应用了一种加速的对偶梯度法,在原有的算法中加入了一步迭代算法,并对其做了数值仿真和实验,结果显示:该方法比原有的对偶梯度法能达到更好的图像去噪效果。

线性约束严凸可分规划的对偶梯度法

在[1]及[2]中考虑了原目标函数是强凸的情形,本文考虑更一般的情形,即原目标函数是严凸的,给出了其求解的对偶梯度法;对偶问题可分解成n个一维问题,而一维问题的解可直接得到,从而得到原问题的解,并证明了算法的收敛性。

基于交互能源机制的产消者群分布式调度方法研究

随着分布式发电、分布式储能相关技术的发展与用户用电设备可控性的提高,愈来愈多的传统电力能源消费者开始向具有源荷二重性的"产消者"过渡。针对大规模产消者群集中式调度模式下的模型求解困难与用户隐私问题,采用兼顾控制手段与经济手段的交互能源机制对区域内大规模产消者群进行优化调度,构建了考虑多种产用能单元的大规模产消者群分布式优化调度模型,并基于快速对偶近端梯度法,提出了良好契合分布式调度架构的模型求解流程,分布式迭代的过程中仅需交互能源平台与各产消者进行一对多的引导信号与功率方案的交互,有效保护了用户行为隐私,最后通过大量仿真算例验证了所提方法的快速高精度收敛能力。

基于算力-能量全分布式在线共享的5G网络负荷管理策略

5G与边缘计算等信息基础设施海量部署造成运营商用电成本上升,需推动边缘网络与电网的能量互动以节能降本。现有研究重点关注边缘网络参与日前经济调度,未考虑可再生能源和网络流量双重随机性造成的网络能量供需不平衡问题。针对强随机环境下的网络负荷管理问题,提出面向虚拟化边缘网络的能量实时管理策略。首先,以网络用能成本最小化为目标,构建联合网络资源管理、储能充放电与能量共享模型。其次,针对未来网络信息未知无法直接求解的问题,提出基于随机对偶次梯度法的在线管理策略。然后,针对资源共享涉及运营商隐私问题,提出全分布式的计算资源与能量协同共享算法。最后,仿真验证表明,所提在线算法在无需先验知识的前提下有效减少了5G边缘网络的用能成本。

考虑运行约束快速校核的配电网多主体端对端交易机制

随着分布式能源大量接入和电力系统低碳化转型的推进,端对端(P2P)能源交易逐渐成为促进分布式能源消纳的有效解决方案。在此背景下,为解决多主体P2P交易中价格机制不明确、主体信息隐私保护难、配电网网络约束不易校核等问题,文中提出了面向配电网多主体灵活互动的P2P分布式交易机制。对买卖双方的通用效用模型进行精细化建模,并针对交易过程中的隐私保护,提出一种基于原始-对偶梯度法的分布式算法求解各交易主体利益最大的优化模型。在多主体信息交互过程中,各主体依靠市场有限交易信号进行决策,基于局部P2P交易价格的迭代更新实现配电网交易主体全局效用的最优。此外,引入第三方配电网运营商,利用电压灵敏度分析和功率传输分布因子(PTDF)对交易过程节点电压和线路潮流进行快速校验,以保证配电网运行的安全性及交易的时效性。最后,通过算例验证了所提出的P2P交易框架在计算效率、迭代收敛等方面的有效性。

无线供能网络节点吞吐量约束的供能最小化方案

目前无线供能网络的研究主要考虑仅有单个射频能量源和单个汇聚节点的能量供给与数据收集。研究由多个射频能量源和汇聚节点组成的无线供能网络,每个节点有吞吐量需求,通过最优化各能量源的能量发送时长来使得总供能最小化。具体来说,对该供能最小化问题进行建模,并将其分解成主、从两个问题:从问题为能量供给阶段时长给定时满足节点吞吐量需求的各能量源供能时长最优化(即总供能最小化);主问题为最优化能量供给阶段时长。将从问题建模并设计分布式对偶次梯度法获得最优取值;主问题的求解先采用二分法找到满足节点吞吐量要求的一个可行解,然后使用黄金分割法高效地得到最优解。仿真结果表明:相比于基准方法,所提出的最优算法能显著降低能量源的能量发送。

面向分布式光伏状态实时感知的边缘缓存与计算策略

针对分布式光伏部署分散、电力通信网难以支撑光伏业务数据实时接入与处理的问题,提出基于双层边缘计算的分布式光伏数据在线处理策略。首先,构建数据接入、边缘缓存与计算模型,并构建长期网络服务开销最小化的目标函数。其次,针对分布式光伏数据规模随机性强、优化函数难以直接求解问题,提出基于随机对偶次梯度法的在线任务卸载与代码缓存策略,通过将多时隙耦合问题解耦为单时隙独立问题,以在线得到近似最优解。最后,算例验证所提策略的数据处理速率优化性能。

基于GPAD的多变量预测控制及其在PLC上的应用

为了应对工业应用中对模型预测控制算法的时效性要求,提出了基于对偶加速梯度投影法(GPAD)的多变量预测控制算法,通过GPAD算法加速预测控制中优化问题的求解.首先采用CARMA模型递推预测输出,形成QP问题,并通过对偶加速梯度投影法,对带有约束的目标函数进行最优化求解,再在求得对应控制时域的控制率后,取第一个时刻的控制量作为本次采样时刻的控制输入量,然后在下一个时刻重新形成优化问题并进行求解.通过仿真并与内点法形成对比验证算法的有效性及优越性.最后针对双输入双输出的水箱模型在可编程逻辑控制器(PLC)平台上应用,结果显示出算法在PLC平台上应用的有效性,及对约束以及干扰处理能力的高效性.