Optimal Distributed Energy Resource Coordination: A Decomposition Method Based on Distribution Locational Marginal Costs
在本文中，我们考虑了一个径向配电网络托管分布式能源（DER），包括屋顶太阳能和存储类负载，如电动汽车的前一天的运营规划问题。我们提出了一种新的分解方法，是基于一个集中式的交流最优潮流（AC OPF）的问题相互作用迭代自调度DER问题，以适应实际和无功配电网的边际成本。我们说明了所提出的方法在实际配电馈线的适用性和易处理性，同时建模时空DER能力和偏好的全部复杂性，并考虑到非精确AC OPF凸松弛的实例。我们表明，所提出的方法实现了最佳的网格DER协调，通过连续改进可行的AC OPF解决方案，并发现时空变化的边际成本在配电网中，是通过建模损失，载流量和电压拥塞，最重要的是，动态资产退化的优化DER调度的关键。
2021-10-24 math.OC
Distributed event-triggered coordination for average consensus on weight-balanced digraphs
本文提出了一种新的分布式事件触发算法的解决方案的多智能体的平均一致性问题的网络的通信拓扑结构描述的重量平衡，强连通有向图。所提出的事件触发的通信和控制策略不依赖于个别代理具有连续或定期访问有关其邻居的状态的信息。此外，它不需要代理有任何全局参数的先验知识。我们表明，根据拟议的法律，事件不能在任何有限的时间内被触发无限次（即，没有芝诺行为），并且由此产生的网络执行可证明地以指数速度收敛到初始代理状态的平均值。我们还提供了较弱的条件下，保证收敛时的通信拓扑结构切换的连接。模拟结果说明了我们的结果。
2015-07-08 math.OC
Transactive Energy System: Market-Based Coordination of Distributed Energy Resources
分布式能源（DER）为现代电网中的可再生能源集成提供了重要价值。然而，释放这一价值需要复杂的设计和协调。本文重点研究了新兴的{ \em transactive energy systems}，它从经济学中提取工具和原理来设计DERs的协调策略。交互能量系统的概念广泛地涵盖了大量的文献，其中许多文献密切相关，但根本不同。这就产生了以下问题：如何正式比较不同的transactive能源系统和他们提出的方法？如何选择正确的能量系统来解决给定的问题？文献中有哪些工具可用于每类交互能量系统？在本文中，我们回答这些问题，通过合成一个统一的框架，在文献中研究的一大类问题。该框架由偏好、控制决策、信息结构和解决方案概念组成。这些要素在识别和区分文献中的各种交互能量系统方面是重要的。我们采用所提出的框架来分析几个重要的类的transactive能源系统。他们的连接和差异进行了讨论，并为每一类问题的可用工具进行了调查。
2019-08-09 math.OC
Adaptive Coordination of Distributed Energy Resources in Lossy Power Distribution Systems
本文研究了在有耗配电系统中协调一组分布式能源为大电网提供频率调节服务的问题。为此，我们制定的问题作为一个最优化问题，其目标是最小化一些费用函数的约束条件。该配方需要增量总系统损耗的知识，我们近似使用所谓的损耗因子（LF），明确捕获有功和无功功率注入对系统损耗的影响。使用功率注入测量递归地估计LF，因此，它们适应于影响电力系统操作的各种现象。对33节点配电试验馈线的数值模拟验证了该框架的有效性。
2018-02-27 math.OC
Resilient Coordination of Networked Multiagent Systems Based on Distributed State Emulators
本文研究了存在行为不端的代理时网络多代理系统的弹性协调，即，代理人受到对手建模为外源干扰。除了现有的相关文献，作出具体的假设图的拓扑结构和/或部分行为不端的代理，我们提出了一个适应控制架构的基础上分布式状态仿真器，并表明，标称网络多智能体系统的行为可以检索，即使所有的代理行为不端。
2014-03-16 math.DS math.OC
Distributed convex optimization via continuous-time coordination algorithms with discrete-time communication
针对网络最优化问题，提出了一类新的分布式连续时间协调算法，其代价函数是与个体Agent相关的局部费用函数之和。我们建立了所提出的算法的指数收敛下（i）强连接和重量平衡的有向图拓扑的局部成本是强凸的全局Lipschitz梯度，和（ii）连通图拓扑的局部成本是强凸的局部Lipschitz梯度。当局部费用函数是凸的，全局费用函数是严格凸的时，我们在连通图拓扑下证明了算法的渐近收敛。我们还描述了算法的正确性下的时变交互拓扑结构，并研究其隐私保护性能。出于实际考虑，我们分析了离散时间通信的算法实现。我们提供了一个上界的步长，保证指数收敛的连通图的实现与定期通信。在此基础上，我们设计了一个可证明正确的集中式事件触发通信方案，是免费的芝诺行为。最后，我们开发了一个分布式的，异步的事件触发的通信方案，也是免费的芝诺渐近收敛保证。几个模拟说明了我们的结果。
2014-08-22 math.OC
Initialization-free distributed coordination for economic dispatch under varying loads and generator commitment
研究了在强连通、权平衡有向图上通信的发电机组网络的经济调度问题。集体目标是满足电力需求，同时尊重个体发电机约束和最小化总发电成本。我们设计了一个由两个相互关联的动力系统组成的分布式协调算法。一个块使用动态平均共识来估计给定单元的发电水平的负载满意度的演变失配。另一个块基于优化目标和负载失配的估计来调整发电水平。我们的收敛性分析表明，由此产生的策略可证明收敛到从任何初始功率分配开始的调度问题的解决方案，因此不需要任何特定的初始化程序。我们还描述了算法的鲁棒性属性对添加和删除的单位（捕获的情况下，间歇性发电）和其跟踪随时间变化的负载的能力。我们的技术方法采用了一种新的细化拉萨尔不变原理的微分包含，我们也建立和独立的利益。几个模拟说明了我们的结果。
2014-09-15 math.OC
Distributed coordination of DERs with storage for dynamic economic dispatch
本文研究了一组分布式能源（DER）的动态经济调度问题，这些分布式能源通过一个权重平衡的强连通有向图进行通信。其目标是在有限的时间范围内共同满足一定的负载配置文件，同时最大限度地减少总成本。在每个时隙，每个DER决定所产生的电力的量、发送到存储单元/从存储单元提取的量以及注入电网以满足负载的量。附加约束包括对所生成的功率的量的界限、对跨连续时隙的发电差异的斜坡约束、以及对存储中的功率的量的界限。我们合成了一个可证明正确的分布式算法，解决了从任何初始条件开始的有限时域最优化问题。我们的设计包括两个关联系统，一个估计在每个时隙的注入和总负荷之间的失配，和另一个使用此估计，以减少失配和优化的总发电成本，同时满足约束条件。
2016-05-03 math.OC
Coordination and geometric optimization via distributed dynamical systems
本文讨论了圆盘覆盖和球填充问题的动力系统。我们提出了设施的位置函数的几何优化和刻画其可微性质。我们设计和分析了一组与非光滑梯度系统相关的分布式控制律。由此产生的动力系统的承诺将用于网络机器人的协调问题，在这种设置中的分布式控制律对应于本地机器人之间的相互作用。该技术方法依赖于计算几何、非光滑分析和算法的动力系统方法的概念。
2003-05-29 math.DS math.OC
Hierarchical Control Framework for Integrated Coordination between DERs and Demand Response
需求响应是一种重要但尚未开发的资源，可以大大提高电力系统的灵活性和可靠性。本文提出了一个递阶控制框架，以促进分布式能源和需求响应之间的综合协调。该框架由协调层和设备层组成。在协调层中，以分布式方式优化协调各种资源聚合，以实现系统级目标。在设备层中，实时控制各个资源以遵循从协调层接收的最优功率调度信号。在实际应用中，提出了一种方法来确定的效用函数的可控负荷占实时负荷动态和个人客户的喜好。详细的仿真研究验证了所提出的框架的有效性。
2017-01-08 math.OC
Distributed Collision-Free Motion Coordination on a Sphere: A Conic Control Barrier Function Approach
本文研究了球面上一组刚体的分布式避碰控制问题。首先建立了一个由多个约束在球面上的刚体和一个互连拓扑组成的刚体网络。在这个公式中，它表明，在一个球体上的运动协调是等价的三维特殊正交组的姿态协调。然后，提出了一种基于角度的控制障碍函数，它可以处理球面上的测地线距离约束。提出的控制障碍函数，然后扩展到一个相对运动的情况下，并适用于碰撞避免问题的刚体网络上的球体。每个刚体通过求解分布式优化问题来选择其控制输入，以实现名义上的分布式运动协调策略，同时满足避碰约束。通过仿真验证了所提出的无碰撞运动协调规律的有效性。
2020-06-23 cs.SY eess.SY math.OC
Implicit Coordination in Two-Agent Team Problems; Application to Distributed Power Allocation
本文的中心结果是分析的一个最优化问题，它允许一个评估的两个代理人谁协调他们的行动的团队的限制性能。一个代理完全了解过去和未来实现的随机状态，影响共同的收益的代理，而其他代理没有知识的状态。被告知的代理人只能通过他的行动与其他代理人交换他的知识。该结果被应用于两个发射机$M-$频带互扰信道$M\geq 1$中的分布式功率分配问题，其中发射机（谁是代理）希望在两个接收机处的单用户解码假设下最大化和速率;在这样一个新的环境中，随机状态由全局信道状态给出，并且被通知的发射机所使用的功率矢量序列是将关于信道的信息传送给另一个发射机的码发送器
2014-09-05 math.OC
Real-Time Coordination of Integrated Transmission and Distribution Systems: Flexibility Modeling and Distributed NMPC Scheduling
本文提出一种基于功率-能量包络和分布式非线性MPC的输配电一体化系统实时协调架构，通过聚合配电灵活性并消除冗余信息交换，实现多TSO经济调度，并在德国夏日场景中验证了其有效性与鲁棒性。
2024-02-20 math.OC
Distributed coordination for seeking the optimal Nash equilibrium of aggregative games
针对具有层次结构的多智能体判定问题，设计了一种分布式协调算法。主要目标是寻找一个非合作对策的纳什均衡，使得每个局中人在其私人目标下都没有偏离均衡的动机。同时，代理人可以协调优化的纳什均衡的基础游戏的集合内的社会成本。这样的最优纳什均衡问题可以建模为一个带有变分不等式约束的分布式最优化问题。我们考虑的情况下，潜在的游戏和社会成本最优化问题的目标函数有一个特殊的聚合结构。由于每个参与者只能访问其局部目标，而不能知道所有参与者的决策，因此分布式算法是非常可取的。利用Tikhonov正则化和动态平均跟踪技术，在基于梯度的Nash均衡搜索的基础上引入激励项，提出了一种分布式协调算法，以干预参与者的决策，提高系统效率.通过仿真研究，证明了该算法收敛于单调对策的最优纳什均衡。
2022-05-14 cs.GT math.OC
Distributed Submodular Minimization And Motion Coordination Over Discrete State Space
我们开发了一个分布式最小化次模函数的框架。次模函数是凸函数的一种离散模拟，广泛应用于大规模组合最优化问题中。虽然凸优化问题的分布式公式已经引起了很大的兴趣，但次模函数的分布式最小化却受到了相对较少的关注。我们的框架依赖于一个等价的凸重构的子模块最小化问题，这是有效的计算。然后，我们使用这种松弛来开发凸函数的分布式优化方法。所提出的框架是适用于次模集函数以及更广泛的一类次模函数定义在某些格。提出了一种基于次模函数极小化的离散状态空间分布式运动协调问题的求解方法。我们建立通过一个具有挑战性的设置捕获的旗帜游戏，子模块功能的格子可以用来设计人工势场离散状态空间中的代理人被吸引到他们的目标，并从障碍物和彼此避免碰撞。
2018-01-21 math.CO math.OC
Distributed Optimization for Energy Grids: A Tutorial on ADMM and ALADIN
本文以教程形式系统介绍了面向高比例可再生能源电网的ADMM和ALADIN两种分布式优化算法，并展示了它们在交流最优潮流和能源管理中的应用。
2024-04-05 math.OC
Distributed Multi-agent Coordination over Cellular Sheaves
本文提出基于元胞层和非线性层拉普拉斯算子的统一框架，用于异构多智能体协调，并利用乘子交替方向法推导分布式优化算法求解非线性同调规划。
2025-04-04 cs.MA math.AT math.OC
White Phase Intersection Control through Distributed Coordination: A Mobile Controller Paradigm in a Mixed Traffic Stream
提出了一种车辆级分布式协调策略，用于控制通过信号交叉口的连接自动驾驶车辆（CAV）和连接人类驾驶车辆（CHV）的混合交通流。在新引入的白色阶段，我们使用CAV作为移动交通控制器，在此期间，CAV将协商路权，以领导一组CHV，而CHV必须跟随他们的直接前方车辆。在CAV穿透率较低的情况下，白色阶段不会被激活，车辆必须等待绿色信号。我们制定了这个问题作为一个分布式的混合整数非线性规划，并制定了一种方法，以形成一个协议，所有车辆的轨迹和信号定时参数。通过迭代过程达成轨迹协议，其中CAV基于其他车辆的共享轨迹更新其轨迹，以避免碰撞并与其他车辆共享其轨迹。此外，通过投票过程形成关于信号定时参数的协议，其中选择投票最多的可行信号定时参数。数值实验表明，所提出的方法可以有效地控制车辆运动在信号交叉口不同的CAV市场份额。在不同的CAV市场份额下，与协同轨迹和信号优化相比，白相位的引入减少了3.2%到94.06%的总延迟。此外，我们的数值结果表明，所提出的技术产生减少总延迟，从40.2% -98.9%，相比，从一个国家的实践交通信号优化软件获得的全驱动信号控制。
2022-12-12 math.OC
Data-driven Coordination of Distributed Energy Resources for Active Power Provision
在本文中，我们提出了一个框架，用于协调分布式能源（DER）连接到配电系统，其中的模型是不完全已知的，使他们共同提供了一个指定量的有功功率的散装电力系统量化的两个系统之间的功率交换在总线互连它们，同时尊重配电线路容量限制。所提出的框架包括：（i）线性时变输入输出（IO）系统模型，该模型表示DER有功功率注入（输入）与配电系统和大容量电力系统之间交换的总有功功率（输出）之间的关系;（ii）旨在估计IO模型参数的估计器，以及（iii）控制器，其确定最优DER有功功率注入，使得在两个系统之间交换的功率等于以最小发电成本的指定量。我们制定的估计问题作为一个二次规划框约束和解决它使用投影梯度下降算法。为了解决潜在的问题，共线性的测量所使用的估计，我们引入随机扰动DER有功功率注入在估计过程中。利用估计的IO模型，最优DER协调控制器要解决的问题，可以制定为一个凸优化问题，可以很容易地解决。通过IEEE 123节点配电试验馈线的数值模拟验证了该框架的有效性。
2019-02-14 math.OC
Distributed Multi-Building Coordination for Demand Response
针对多建筑协调控制中的最优控制问题，提出了一种分布式优化算法。由电网运营商协调的建筑物，加入需求响应程序，通过使用能量成本定义的标准来平衡电压浪涌。为了模拟建筑网络的层次结构，我们制定了一个分布式凸优化问题，可分离的目标和耦合仿射等式约束。一个变种的增广拉格朗日为基础的交替方向不精确牛顿（ALADIN）方法解决所考虑的一类问题，然后提出了一个收敛保证。为了说明所提出的方法的有效性，我们比较它的交替方向法的乘法器（ADMM）运行ALADIN和ADMM基于模型预测控制器的基准案例研究。
2021-01-13 cs.SY eess.SY math.OC
A Semi-Distributed Interior Point Algorithm for Optimal Coordination of Automated Vehicles at Intersections
在本文中，我们考虑的最优协调自动车辆在交叉口下固定的交叉顺序。我们制定的问题，使用直接最优控制和利用的结构，构建一个半分布式的原始-对偶邻域点算法来解决它的并行化大部分的计算。与标准的分布式优化算法不同，其中优化问题是分裂的，在我们的方法中，我们分裂了线性代数步骤，使得算法采取与完全集中式算法相同的步骤，同时仍然以分布式方式执行计算。我们分析了该算法的通信需求，并提出了一个近似方案，可以显着减少数据交换。我们证明了该算法的有效性，在硬，但现实的情况下，这表明，近似导致减少通信数据的几乎99%的确切配方，在小于1%的次优性为代价。
2021-11-19 cs.SY eess.SY math.OC
Team-triggered coordination for real-time control of networked cyber-physical systems
本文研究了分布式控制器在网络化信息物理系统中的实时实现。我们建立在事件和自我触发控制的优势，以综合一个统一的方法，称为团队触发，代理人对彼此的未来状态作出承诺，并负责警告对方，如果他们后来决定打破他们。这些承诺提供的信息允许个体代理在未来自主地调度信息请求，并为以较低的实现成本保持期望的性能水平奠定基础。我们建立可证明的正确的保证，从所提出的方法产生的分布式策略，并检查其对延迟，丢包和通信噪声的鲁棒性。仿真结果表明，多智能体编队控制问题。
2015-07-08 math.OC
Distributed Cooperative Multi-Agent Reinforcement Learning with Directed Coordination Graph
North Carolina State University（北卡罗来纳州立大学）；Oklahoma State University（俄克拉荷马州立大学）；DEVCOM U.S. Army Research Laboratory（美国陆军作战能力发展司令部陆军研究实验室）
现有的分布式协作多智能体强化学习（MARL）框架通常假设无向协调图和通信图，同时通过共识算法估计全局奖励进行策略评估。这样的框架可能会导致昂贵的通信成本，并表现出较差的可扩展性，由于全球共识的要求。在这项工作中，我们研究了MARL与有向协调图，并提出了一个分布式RL算法的本地政策评估是基于本地价值函数。每个Agent的局部价值函数通过有向学习诱导的通信图与其邻居进行局部通信来获得，而不使用任何共识算法。采用基于参数摄动的零阶优化（ZOO）方法实现梯度估计。通过与现有的基于ZOO的RL算法的比较，我们表明，我们提出的分布式RL算法保证了高的可扩展性。一个分布式资源分配的例子来说明我们的算法的有效性。
2022-01-10 cs.AI cs.LG cs.MA
Distributed Coordination for a Class of Nonlinear Multi-agent Systems with Regulation Constraints
Beijing University of Posts and Telecommunications（北京邮电大学）；University of Toronto（多伦多大学）
本文研究了一类非线性系统中具有稳态调节约束的多智能体协调问题，提出基于局部目标函数和邻居信息的分布式算法，有效应对噪声数据观测的全局约束，通过仿真验证算法在实际问题中的有效性。
2017-08-14 cs.SY eess.SY math.OC
Distributed Model Predictive Control based on Goal Coordination for Multi zone Building Temperature Control
Virginia Commonwealth University（弗吉尼亚联邦大学）
本文提出了一种用于有扰动多区建筑的分布式模型预测控制策略，旨在以最小化HVAC系统的成本维持各区域温度在指定水平。该方法引入了稳定性证明和扰动预测，这些在先前相关工作中未被考虑。与集中式MPC相比，所提出的分布式MPC在计算时间减少了48%，能耗减少了25.42%，跟踪误差也更小。
2019-02-26 cs.SY eess.SY math.OC
Distributed Feedback Optimisation for Robotic Coordination
反馈优化是一种新兴的技术，其目的是针对给定的目标函数将系统引导到最优稳态。我们表明，它是可能的，采用这种控制策略，以分布式的方式。此外，我们证明了渐近收敛的最佳配置集。在这个范围内，我们表明，指数稳定性只需要为影响目标函数的状态的一部分。这是通过在保持目标编队的同时驾驶一群代理朝向目标位置来展示的。最后，我们提供了一个充分条件的拓扑结构的指定编队，以保证收敛的群体信息的形成周围的目标位置。
2022-02-27 cs.SY eess.SY math.OC
Asynchronous Distributed Learning with Quantized Finite-Time Coordination
针对对等网络分布式学习中量化通信、异步性、随机梯度的挑战，提出结合有限时间量化协调与分布式梯度下降的算法，支持异步操作与随机梯度，还给出渐进细化量化变体，分析收敛性并与现有最优方案对比。
2024-08-30 cs.SY eess.SY math.OC
Distributed Optimization and Learning for Automated Stepsize Selection with Finite Time Coordination
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；The Hong Kong University of Science and Technology（香港科技大学）；KTH Royal Institute of Technology（皇家理工学院）；University of Cyprus（塞浦路斯大学）；Aalto University（阿尔托大学）
本文提出了一种分布式学习算法，通过有限时间协调算法消除步长异质性，提升收敛速度和准确性。
2025-08-07 cs.SY eess.SY math.OC
Distributed Coordination of Charging Stations Considering Aggregate EV Power Flexibility
近年来，电动汽车（EV）充电站迅速增长。然而，由于个人电动汽车所有者的隐私问题，不同站点的竞争利益以及耦合的配电网络约束，充电站的有效管理是具有挑战性的。为了应对这一挑战，本文提出了一个两阶段的计划。在第一阶段中，总EV功率灵活性区域是通过求解优化问题而得到的。我们证明，在所获得的区域内的任何轨迹对应于至少一个可行的EV调度策略。通过向充电站运营商提交该灵活性区域而不是详细的EV数据，可以保护EV所有者的隐私并且可以减少计算负担。在第二阶段，一个分布式的协调机制，具有明确的物理解释开发与交流潮流的约束考虑。我们证明了所提出的机制是保证收敛到集中式最优。案例研究验证了理论分析结果。综合性能进行比较，以证明所提出的方案的优势。
2022-06-14 cs.SY eess.SY math.OC
Hierarchical-distributed optimized coordination of intersection traffic
University of California, San Diego（加利福尼亚大学圣地亚哥分校）
本文提出一种分层分布式方法，通过中央交叉口管理者与车辆通信并分组，优化交叉口及分支的通行调度，平衡计算复杂度与系统最优性，同时确保交通安全。
2017-01-16 cs.SY eess.SY math.OC
Online Distributed Learning with Quantized Finite-Time Coordination
Digital Futures, KTH Royal Institute of Technology（KTH皇家理工学院数字未来中心）
本文针对无中央服务器的在线分布式学习场景，提出一种基于量化有限时间协调协议的分布式算法，支持本地随机梯度训练，并从与在线解的平均距离角度分析性能，通过逻辑回归实验验证其有效性。
2023-08-31 cs.DC cs.LG math.OC
Distributed Online Submodular Maximization under Communication Delays: A Simultaneous Decision-Making Approach
University of Michigan（密歇根大学）
本文提出分布式在线贪心算法DOG，解决通信延迟下的子模优化问题，通过结合对抗性带宽学习与延迟反馈，在任意网络拓扑中实现同时决策，分析协调性能与收敛时间的权衡。
2026-08-14 cs.LG cs.MA cs.SY
Distributed Online Aggregative Optimization for Dynamic Multi-robot Coordination
本文研究动态多机器人协调中的分布式在线聚合优化问题，提出常数步长的 Projected Aggregative Tracking 算法，证明动态遗憾有界且静态情形下线性收敛，数值实验验证其有效性。
2023-09-12 cs.SY eess.SY math.OC
Performance-Aware Self-Configurable Multi-Agent Networks: A Distributed Submodular Approach for Simultaneous Coordination and Network Design
University of Michigan（密歇根大学）
本文提出 Anaconda 算法，使多智能体网络在带宽约束下自配置通信拓扑，以平衡可扩展性与最优性，并通过分布式子模方法实现近最优协调，决策速度比现有方法快一个数量级。
2024-09-02 cs.AI cs.MA cs.RO
Asynchronous Distributed Event-Triggered Coordination for Multi-Agent Coverage Control
本文重新访问多代理部署问题，代理被限制从其他代理请求信息，以及在收到信息时发送回档。这些通信约束放宽了即时通信和代理同步动作（请求和响应动作）的假设。在本文中，我们提出了一个完全异步通信意识的解决方案，使用事件触发的广播策略的多代理部署问题。与所有现有的触发解决方案不同，我们的事件触发广播算法依赖于代理来决定何时向网络中的其他人广播（推送）信息，而不需要其他代理的响应。此外，拟议战略还确定了在没有最新信息且无法要求提供最新信息时如何采取最佳行动。该算法是能够实现类似的性能水平的连续或周期性的策略。我们的解决方案被证明可以实现渐近收敛和仿真结果表明，所提出的事件触发广播算法可以达到足够的通信约束下的性能水平。
2019-10-23 cs.SY eess.SY math.OC
Simulation-based Distributed Coordination Maximization over Networks
King’s College London（伦敦国王学院）；Korea Advanced Institute of Science and Technology（韩国科学技术院）
本文提出三种基于模拟的分布式算法，通过马尔可夫链模拟实现收敛，解决网络协调优化问题，展示收敛性、最优性和效率与收敛速度的权衡。
2018-09-13 cs.GT cs.SY eess.SY
Distributed Coordination of Grid-Forming and Grid-Following Inverters for Optimal Frequency Control in Power Systems
Texas A&M University（德克萨斯农工大学）
本文研究了电网形成和电网跟随逆变器的分布式协调控制，以实现可扩展的最优频率控制。提出了一种基于投影对偶梯度方法的完全分布式最优频率控制算法，通过利用底层物理系统动态结构，实现恢复名义系统频率、最小化总控制成本并满足逆变器功率容量限制和线路热约束。
2026-05-01 cs.SY eess.SY math.OC
Multi-agent Distributed Model Predictive Control with Connectivity Constraint
在协作多智能体机器人系统中，为了完成给定的任务，协调是必要的。重要的例子包括搜索和救援、危险环境中的行动和环境监测。协调，反过来，需要同时满足安全的关键约束，在状态和输入约束的形式，以及连接性约束，以确保在每一个时刻存在的通信路径之间的每一对代理在网络中。在这项工作中，我们提出了一个模型预测控制器，解决了执行多智能体协调的问题，同时满足安全关键和连通性约束。前者以状态和输入约束的形式制定，后者作为对相关通信图拉普拉斯矩阵的第二小特征值（也称为Fiedler特征值）的约束，其强制通信网络的连通性。我们提出了一个序列二次规划公式来解决相关的优化问题，这是适合分布式优化，使所提出的解决方案适合依赖于本地计算的多智能体机器人系统的控制。最后通过数值仿真验证了算法的有效性。
2023-03-13 cs.MA math.OC
Self-Configurable Mesh-Networks for Scalable Distributed Submodular Bandit Optimization
Department of Aerospace Engineering, University of Michigan（航空航天工程系，密歇根大学）
本文提出了一种可自我配置的网格网络方法，通过限制信息中继和消息大小，实现分布式子模带提优化的可扩展性和接近最优性。
2026-08-19 cs.MA cs.RO cs.SY
Decomposition of non-convex optimization via bi-level distributed ALADIN
Institute for Automation and Applied Informatics, Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院自动化与应用信息研究所）；School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院）
本文提出了一种通过双层分布式ALADIN算法进行去中心化非凸优化的框架，解决了约束非凸优化中现有算法性能有限或缺乏收敛保证的问题，通过在内层使用去中心化共轭梯度或ADMM方案来求解简化后的凸协调QP，并通过电力系统和机器人案例验证了该框架的性能。
2019-03-27 cs.DC cs.SY eess.SY
Coordination in distributed networks via coded actions with application to power control
本文研究了多个代理人通过他们的行动进行协调的问题。虽然该方法适用于一般情况下，目前的工作重点是一个不对称的观察结构，只涉及两个代理的情况。更准确地说，其中一个智能体知道一个状态的过去、现在和未来的实现（系统状态）影响代理人的共同支付函数;相反，第二代理被假定为知道系统状态的过去实现或者不知道它。在这两种情况下，第二代理可以访问第一代理的动作的一些严格因果观察，这使得两个代理能够协调。这些场景被应用到分布式功率控制的问题，关键的想法是，一个发射机可以嵌入到其发射功率电平的无线信道状态的信息，使这些水平的观察，例如信号干扰加噪声比，允许其他发射机协调其功率电平。本文的主要贡献是双重的。首先，我们提供了一个可行的平均收益集的特征时，代理反复采取长序列的行动和实现的系统状态是\acs{iid}。其次，我们利用这些结果的背景下，分布式功率控制和编码功率控制的概念。我们进行了广泛的数值分析的好处，编码功率控制替代功率控制策略，并突出了一个简单而又不平凡的功率控制代码的例子。
2017-08-14 cs.IT math.IT math.OC
