Global Geometry of Orthogonal Foliations of Signed-Quadratic Systems
University of Twente（特温特大学）；Sapienza University of Rome（罗马大学）
研究有向二次系统的冗余解决的微分拓扑，通过分析最小冗余情况，建立连续纤维束的全局拓扑结构，并证明其正交分布的可积性及由精确对数势场主导的叶状结构。
2026-04-12 cs.RO cs.SY eess.SY
Fast Distribution Grid Topology Estimation via Subset Sum
本文提出一种基于子集和与分层结构的超快速配电网拓扑识别方法，利用少量智能电表功率测量样本实时推断整体拓扑，并具备抗测量噪声能力。
2025-07-22 cs.SY eess.SY
Robust Hidden Topology Identification in Distribution Systems
Arizona State University（亚利桑那州立大学）；Stanford University（斯坦福大学）；Salt River Project（盐河项目）
本文提出了一种鲁棒的拓扑识别方法，通过估计欧姆定律中的线路参数来识别配电系统拓扑，即使存在隐藏节点，也能够通过递归检测隐藏节点和阻抗计算来实现，同时通过Cholesky白化和处理实际场景中的测量幅值和三相不平衡问题来提高鲁棒性。
2019-02-04 cs.SY eess.SY
Absolute centrality in a signed Friedkin-Johnsen based model: a graphical characterisation of influence
本文针对带符号交互网络中的 FJ 观点演化模型，提出基于信号流图的绝对中心性度量，刻画固执性与对抗性影响下的智能体影响力，适用于任意网络结构。
2024-10-03 cs.SY eess.SY
Bayesian topology identification of linear dynamic networks
Eindhoven University of Technology（埃因霍温理工大学）
本文提出了一种基于贝叶斯模型选择的方法，用于在不估计动态的情况下识别转移函数网络的连接结构，通过高斯过程建模脉冲响应并利用期望最大化算法估计超参数，实验结果验证了该方法的有效性。
2019-03-14 cs.SY eess.SY
Guaranteed Phase & Topology Identification in Three Phase Distribution Grids
提出了一种仅利用电压测量值的三相辐射状不对称网络的联合相位辨识和拓扑恢复方法。通过联合恢复相位和拓扑，我们利用所有三相电压测量，并可以处理网络中的一些总线有一个子集的三相。我们的方法是理论上合理的一种新的线性化配方的不平衡三相潮流，并作出精确定义和合理的假设线路阻抗和负载统计。我们验证了我们的方法在OpenDSS的现实条件下模拟的三个IEEE测试网络，比较我们的性能，以最先进的状态。除了提供一种新的相位和拓扑恢复方法，我们直观的结构化线性化模型将提供一个基础，为今后的工作在这个和其他应用。
2021-02-20 cs.SY eess.SY math.OC
Signed-Perturbed Sums Estimation of ARX Systems: Exact Coverage and Strong Consistency (Extended Version)
本文研究ARX系统的符号扰动和（SPS）方法，证明其置信域在有限数据下具有用户选择的精确覆盖概率，并具备强一致性，同时渐近性能逼近传统置信椭球。
2024-02-18 cs.SY eess.SP eess.SY
Identification of Substation Configurations in Modern Power Systems using Artificial Intelligence
电力系统传输网络拓扑用于能量管理系统应用。变电站配置是传输网络拓扑处理的基础。由于风力和太阳能发电厂的可变性质，由可再生能源组成的现代电力系统需要可靠且快速的网络拓扑处理。目前使用的传输网络拓扑处理是基于通过SCADA通信的中继信号，其可靠性和准确性不高。研究了不同变电站布置方式下的变电站配置识别问题，包括主母线和转换母线布置方式（MTBA）、环形母线布置方式（RBA）和单母线布置方式（SBA）。提出了一种基于同步相量测量的人工智能功能配置方法。该方法改善了FA的监测。给出了MTBA、RBA和SBA变电站配置识别的典型结果。在实时数字仿真器上对一种改进的两区四机电力系统模型进行了仿真研究。基于AI的SCI被证明可以准确地识别出在任何操作条件下三个变电站布置的所有可能的FA。
2022-07-22 cs.SY eess.SY
Topology identification of autonomous quantum dynamical networks
拓扑识别包括通过在固定时间间隔内适当地处理其密度算子的测量来重建量子网络的相互作用哈密顿量。它可以应用于从量子通信到量子计算或传感的多个量子技术环境中。本文给出了自治量子动力学网络拓扑识别问题可解的解析条件。然后，可解性条件被转换成用于量子网络重构的算法，该算法易于在标准计算机设施上实现。所得到的算法进行了测试的基础上的量子行走形式主义的数值例子的哈密顿重建。
2022-05-16 cond-mat.mes-hall cs.SY eess.SY
Robust Topology Identification and Control of LTI Networks
University of Pennsylvania（宾夕法尼亚大学）
本文提出一种鲁棒方案，用于识别和控制线性动态网络的拓扑结构，通过自适应反馈输入和滑模控制结合，实现网络动态渐近跟踪参考动态，并通过仿真验证理论成果。
2014-06-17 cs.SY eess.SY math.DS
Topology Identification under Spatially Correlated Noise
针对空间相关外源噪声下的线性动态网络拓扑辨识问题，本文将相关噪声转化为含隐节点的扩展网络，并基于IPSDM虚部的稀疏加低秩分解恢复相关图。
2023-06-08 cs.SY eess.SY
Data-driven Topology and Parameter Identification in Distribution Systems with limited Measurements
针对测量有限、可观测性不足的多相低压配电网，提出基于问题分解、相关性分析、启发式、二元优化、数据驱动回归及MIQP的拓扑、相位与参数联合辨识方法，并在真实电网上验证其抗数据质量影响的能力。
2023-08-18 cs.SY eess.SY
Structural Sign Herdability in Temporally Switching Networks with Fixed Topology
Indian Institute of Technology Kanpur（坎普尔印度理工学院）
本文研究了在具有固定拓扑的时变网络中的一种特殊类别的时变网络中的结构性从众性，展示了当底层有向图在所有快照中保持不变时，即使存在符号或层扩张，网络也能实现完全SS从众性，这一条件不适用于静态网络。这揭示了时变动态的基本结构优势，并突显了切换如何通过新的机制克服经典从众性的障碍。为了验证这些结论，我们利用了时变网络每个快照内的更宽松的符号匹配形式。此外，我们还表明，当所有快照共享相同的底层拓扑时，时变网络仅在两个快照内即可实现SS从众性，这比结构可控性所需的快照数更少。几个例子用于演示这些结果。
2026-05-18 cs.SY eess.SY
Data-driven identification of a thermal network in multi-zone building
University of Minnesota（明尼苏达大学）；Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）
本文提出了一种可证明的方法，通过温度测量重建建筑热区的交互拓扑结构，展示了该算法在真实条件下对五区办公室建筑的热网络重构能力，填补了先前研究的不足。
2018-10-17 cs.SY eess.SY
A scalable multi-step least squares method for network identification with unknown disturbance topology
动态网络的识别方法通常需要网络和扰动拓扑的先验知识，并且通常依赖于解决可扩展性差的非凸优化问题。虽然用于估计网络拓扑的方法在文献中是可用的，但是较少注意估计干扰拓扑，即，（空间）噪声相关结构和干扰信号的滤波白噪声表示中的噪声秩。在这项工作中，我们提出了一种动态网络的识别方法，其中的扰动拓扑结构的估计之前，识别的完整的动态网络与已知的网络拓扑。为此，我们扩展了多步序贯线性回归和加权线性空间拟合的方法来处理降秩噪声，并使用这些方法来估计的干扰拓扑结构和网络动态的全测量情况。因此，我们提供了一个多步最小二乘算法，并行计算能力，只依赖于明确的解析解，从而避免了通常的非凸优化。因此，我们一致地估计Box Jenkins模型结构的动态网络，同时保持较低的计算负担。我们提供了一个一致性证明，包括基于路径的数据信息性条件分配的激励信号的实验设计。在一个具有降低秩噪声的动态网络上进行的数值模拟清楚地说明了这种方法的潜力。
2022-05-25 cs.SY eess.SY math.DS
Resilient Identification of Distribution Network Topology
University College Dublin（都柏林大学学院）
网络拓扑识别（TI）是分布式能源管理系统（DERMS）组织和运行广泛分布的分布式能源（DER）的基本功能。在本文中，判别分析（DA）部署开发一个网络TI功能，只依赖于可用于DERMS的测量。提出的方法能够识别网络的切换配置，以及保护设备的状态。接着，为了提高TI对通信信道中断的弹性，提出了一种二次规划优化方法来恢复丢失的信号。通过将提出的数据恢复方法和贝叶斯定理结合起来，开发了一个基准测试来识别异常测量。该基准可以使TI功能对网络攻击具有弹性。该方法计算量小，速度快，可用于实时应用。进行敏感性分析以评估不同测量的贡献以及系统负载类型和负载水平对所提出方法性能的影响。
2020-11-16 cs.AI cs.SY eess.SY
Grounded Laplacians of Directed Signed Matrix-Weighted Networks: Spectral Properties and Applications to Non-Trivial Consensus
the College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院）；the School of Mathematics and Statistics, Wuhan University（武汉大学数学与统计学院）；the Faculty of Computer Science and Control Engineering, Shenzhen University of Advanced Technology（深圳先进技术大学计算机与控制工程学院）
本文提出在具有合作与对抗交互的有向矩阵加权网络中实现非平凡共识的方法，通过证明特征值的正实部条件，确保系统全局收敛，并允许任意预设共识状态。
2026-09-16 cs.MA cs.SY eess.SY
Graph Analysis to Fully Automate Fault Location Identification in Power Distribution Systems
针对配电系统故障定位依赖人工、拓扑变化需重编号的问题，提出无需复杂编号、可自动识别拓扑并估算故障位置的图分析方法，经IEEE 34节点系统验证，具备全自动化、可扩展的优势。
2025-10-21 cs.SY eess.SY
A practical method for the consistent identification of a module in a dynamical network
Louvain University（鲁汶大学）；Universidade Federal do Rio Grande do Sul（南里奥格兰德联邦大学）
本文提出了一种简单实用的方法，用于识别嵌入在动态网络中的单个传递函数，该方法仅需了解局部拓扑结构即可，无需依赖整个网络的拓扑信息。
2018-11-05 cs.SY eess.SY
Decentralized Opinion-Integrated Decision making at Unsignalized Intersections via Signed Networks
Free University of Bozen-Bolzano（博尔扎诺自由大学）；Chalmers University of Technology（查尔姆斯理工大学）
本文提出一种闭环意见动态决策模型，利用双重带符号网络实现无信号交叉口的协同决策，避免集中协调器，通过意见状态调节速度优化器权重，实现无碰撞的协调决策。
2026-04-10 cs.MA cs.RO cs.SY
A local direct method for module identification in dynamic networks with correlated noise
在具有已知拓扑结构的动态网络中的局部模块的识别最近已经通过制定用于到达模块动态的一致估计的条件来解决，假设具有在不同节点上不相关的扰动。这些条件通常反映了在MISO识别设置中作为预测器输入的一组节点信号的选择。本文对不同节点信号上的过程噪声可以相互关联的情况进行了扩展，得到了一种辨识装置。在这种情况下，本地模块可能需要嵌入到MIMO识别设置中，以达到具有最大似然特性的一致估计。这需要正确处理混杂变量。结果是一组算法，其基于给定的网络拓扑和干扰相关结构，选择适当的节点信号集合作为MISO或MIMO识别设置中的预测器输入和输出。提出了三种算法，不同的方法选择测量节点信号。可以考虑最大或最小数量的测量节点信号，以及预先选择的一组测量节点。
2020-10-31 cs.SY eess.SY
Topology Identification of Directed Dynamical Networks via Power Spectral Analysis
University of Pennsylvania（宾夕法尼亚大学）
本文提出基于交叉功率谱密度的算法，用于识别未知加权有向网络的拓扑结构，包括链接的存在性和方向，以及恢复网络精确结构和输入噪声功率谱密度。
2013-08-09 cs.SY eess.SY math.DS
Grid Topology Identification using Electricity Prices
Univ. of Minnesota（明尼苏达大学）；Univ. of Texas at Austin（德克萨斯大学奥斯汀分校）
本文研究通过公开市场数据恢复电网拓扑的潜力，提出基于LMP的正则化最大似然估计器，利用低秩和稀疏结构恢复电网拉普拉斯矩阵，通过IEEE 14节点基准数据验证了方法的有效性。
2014-02-14 cs.LG cs.SY eess.SY
Optimal allocation of excitation and measurement for identification of dynamic networks
本文对动态网络辨识中激励和量测的最佳配置问题进行了形式化的阐述和分析。最好的选择将是一个实现最准确的识别与最低成本的实验。通过跟踪参数估计的渐近协方差阵来评估精度，而成本准则是激励和测量的数量。本文给出了两类状态空间形式的动态网络：分支网络和环网络的解析和数值结果。从这些结果中，出现了一些选择的指导方针，这是基于网络的拓扑结构或被识别的模块的相对大小。一个例子来说明，这些准则可以在一定程度上适用于更一般的拓扑结构的网络。
2020-07-17 cs.SY eess.SY math.OC
Local module identification in dynamic networks with correlated noise: the full input case
Eindhoven University of Technology（埃因霍温理工大学）；University of Calgary（卡尔加里大学）
本文研究了动态网络中局部模块识别问题，提出了一种在节点信号过程噪声可能相关的情况下，通过MISO或MIMO识别设置来获得一致估计的方法，解决了混杂变量的处理问题。
2019-03-25 cs.SY eess.SY
Non-trivial consensus on directed signed matrix-weighted networks with compound measurement noises and time-varying topologies
School of Mathematics and Statistics, Wuhan University（武汉大学数学与统计学院）；College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院）
本文研究了在复合测量噪声和时变拓扑下，有向符号矩阵加权网络上的非平凡共识行为，提出了一种动态模型，同时捕捉了跨维度的协作与对抗交互、复合测量噪声和时变网络结构，证明了在均方和几乎确定意义下，所有智能体都能收敛到非零值。
2026-03-14 cs.MA cs.SY eess.SY
Underdetermined Library-aided Impedance Estimation with Terminal Smart Meter Data
University of Applied Sciences and Arts of Southern Switzerland（南方瑞士应用科学与艺术学院）
本文提出一种基于数据和结构驱动的欠定阻抗识别方法，利用商业电缆库优化解决方案，支持无拓扑保证的拓扑识别流程，并在低数据集下实现高识别性能。
2026-03-24 cs.SY eess.SY
Cyber-Resilient System Identification for Power Grid through Bayesian Integration
University at Buffalo（布法罗大学）；Carnegie Mellon University（卡内基梅隆大学）；National University of Singapore（新加坡国立大学）
针对电网在随机和针对性虚假数据下的系统辨识问题，提出贝叶斯集成快照与时间序列模型的方法，显著降低FDIA下估计误差，并能定位异常数据，保持近线性可扩展性。
2025-10-15 cs.AI cs.CR cs.SY
Unbalanced Multi-Phase Distribution Grid Topology Estimation and Bus Phase Identification
Stanford University（斯坦福大学）；Arizona State University（亚利桑那州立大学）
本文提出了一种基于信息论的方法，利用智能电表数据估计配电网的多相拓扑并识别节点相位，通过将不平衡系统转换为对称分量并证明Chow-Liu算法在存在错误节点相位标签时能确定拓扑结构，最终通过Carson方程证明电压测量可正确识别节点相位连接，实验结果表明该方法在强负载不平衡和分布式能源接入条件下具有高准确性。
2019-07-12 cs.LG cs.SY eess.SY
Network Topology Identification using PCA and its Graph Theoretic Interpretations
Indian Institute of Technology Madras（印度理工学院马德拉斯分校）
本文通过PCA估计线性关系，利用f-cut集和f-环路实现网络拓扑识别，展示了从稳态数据中识别网络结构的方法及图论意义。
2016-01-21 cs.DM cs.LG cs.SY
Identification of complex network topologies through delayed mutual information
回顾了延迟互信息和多信息的定义。它示出了如何延迟的互信息可以被用来重建的相互作用拓扑结构，从一些未知的无标度图与其相关的本地动态。延迟互信息也被用来解决社区检测问题。定义在无标度图上的概率选民模型在整个文件中使用作为一个说明性的例子。
2020-03-18 cs.SI cs.SY eess.SY
Learning Connectivity and Higher-order Interactions in Radial Distribution Grids
为了执行任何有意义的优化任务，配电网运营商需要知道其电网的拓扑结构。虽然电网拓扑结构识别和验证最近已经研究，发现总线的子集之间的瞬时相互作用，也被称为高阶的相互作用，在最近的文献中，尚未得到解决。系统操作员可以在实时的重新配置电网时从具有此知识中受益，以最小化功率损耗、平衡负载、减轻故障或进行定期维护。本文将著名的精确配流方程与自驱动图Volterra模型联系起来，提出了一种非线性拓扑辨识算法，该算法既能揭示边连接，又能揭示它们之间的高阶相互作用。初步的数值试验，使用实际数据的47总线配电网展示了所提出的计划相对于现有的替代品的优点。
2019-11-08 cs.IT cs.SY eess.SP
