Estimation from Relative Measurements in Mobile Networks with Markovian Switching Topology: Clock Skew and Offset Estimation for Time Synchronization
University of Florida（佛罗里达大学）
针对移动网络中节点参数估计问题，提出一种基于马尔可夫链建模拓扑变化的分布式算法，在弱假设下证明均方收敛，并给出渐近均值和相关性表达式。
2013-02-19 cs.SY eess.SY
Leveraging Network Topology in a Two-way Competition for Influence in the Friedkin-Johnsen Model
本文研究Friedkin-Johnsen模型中两个固执智能体在强连通网络上的双向影响力竞争，提出仅利用网络拓扑增加首选智能体影响力的充分条件，并证明存在扰动序列可逆转影响力劣势，最后在Sampson's Monastery数据集上验证了结果。
2025-04-04 cs.SY eess.SY
Reaching a Consensus in Networks of High-Order Integral Agents under Switching Directed Topology
State Key Laboratory of Intelligent Control and Management of Complex Systems, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所复杂系统智能控制与管理国家重点实验室）
本文研究了在切换有向拓扑下高阶积分多智能体系统的共识问题，提出两种分布式协议以确保所有智能体状态收敛至同一稳态值，通过巧妙设计增益向量，将高阶积分系统转化为一阶积分系统，并证明其收敛性条件。
2013-04-15 cs.SY eess.SY
Optimal Network Topology of Multi-Agent Systems subject to Computation and Communication Latency (with proofs)
研究受通信延迟影响的网络化控制系统的最小方差反馈控制设计，证明环形编队下可高效求解近最优控制增益，并提出控制驱动的网络拓扑优化方法，揭示集中式架构在通信增加时的次优性。
2025-03-02 cs.SY eess.SY
Model Predictive Control for Multi-Agent Systems under Limited Communication and Time-Varying Network Topology
本文提出基于多轨迹MPC的方法，在有限通信和时变网络拓扑下优化多智能体性能并保证约束满足，实现闭环即插即用操作，并证明递归可行性与稳定性。
2023-04-04 cs.SY eess.SY
PaToPa: A Data-Driven Parameter and Topology Joint Estimation Framework in Distribution Grids
Stanford University（斯坦福大学）；Arizona State University（亚利桑那州立大学）
本文提出PaToPa框架，通过最大似然估计模型联合估计配电网中的线路参数和拓扑结构，解决传统线性回归在噪声下的不足，适用于辐射状和网状网络。
2017-05-24 cs.SY eess.SY
Identifying the Most Influential Driver Nodes for Pinning Control of Multi-Agent Systems with Time-Varying Topology
本文提出在时变拓扑下识别多智能体系统牵制控制中最具影响力驱动节点的方法，给出同步条件、最优节点识别及切换频率阈值估计，仿真验证可行性。
2024-05-29 cs.SY eess.SY
Graph-Theoretic Characterizations of Structural Controllability for Multi-Agent System with Switching Topology
National University of Singapore（新加坡国立大学）；Univ of Notre Dame（圣母大学）
本文利用图论方法，证明了切换拓扑下多智能体系统结构可控的充要条件是通信拓扑的并图连通（单领导者）或领导者-跟随者连通（多领导者）。
2012-03-26 cs.MA 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
Electric Grid Topology and Admittance Estimation: Quantifying Phasor-based Measurement Requirements
该研究利用图刚性理论中的刚性矩阵与电力系统电压系数矩阵的秩等价关系，给出唯一估计电网导纳矩阵和拓扑所需的最小相量测量数。
2025-02-17 cs.SY eess.SY
Joint Estimation of Operational Topology and Outages for Unbalanced Power Distribution Systems
电力分配系统通过系统的分段和联络开关的打开和关闭而在几个不同的径向拓扑中操作。对系统的当前操作拓扑的估计是实现任何最优控制动作（在正常操作期间）或恢复动作（在断电状况期间）的先导。本文提出了一种数学规划的方法来估计运行拓扑的三相不平衡配电系统在停电和正常运行条件下。具体而言，提出了一种最小加权最小绝对值估计器，该估计器使用线路流量测量值、历史/预测负荷数据和ping测量值，并求解混合整数线性规划（MILP）来同时估计运行拓扑和任何停运区段。我们彻底验证所提出的方法使用IEEE 123总线和1069总线的三相多馈线测试系统的帮助下，大量的模拟的准确性。据观察，该方法即使在高百分比的测量误差下也表现良好。
2019-12-10 cs.SY eess.SY
PaToPaEM: A Data-Driven Parameter and Topology Joint Estimation Framework for Time Varying System in Distribution Grids
Stanford University（斯坦福大学）；Arizona State University（亚利桑那州立大学）
本文提出PaToPaEM框架，用于解决配电网中因测量误差和系统状态变化导致的参数和拓扑估计问题，通过引入潜在变量和EM算法实现对多系统状态的联合估计。
2018-12-17 cs.SY eess.SY
Decentralized Control of Large Collaborative Swarms using Random Finite Set Theory
控制机器人代理的大群提出了许多挑战，包括但不限于，由于大量代理的计算复杂性，在群中的每个代理的功能的不确定性，以及在群的配置的不确定性。这项工作的贡献是分散的随机有限集（RFS）控制的大型合作群体控制的个人代理。RFS控制公式假设群控制的拓扑结构是完整的，并以集中的方式使用完整的图。为了以局部或分散的方式推广控制拓扑，稀疏LQR用于稀疏化使用迭代LQR获得的RFS控制增益矩阵。这允许代理使用彼此靠近的代理的信息（局部拓扑）或仅代理自己的信息（分散拓扑）来做出控制决策。分散RFS控制的稀疏性和性能进行了比较，不同程度的本地化反馈控制增益的稳定性和性能相比，集中式控制不显着降低提供RFS控制的大型合作群体。
2020-03-13 cs.SY eess.SY
Convergence Analysis of Asynchronous Consensus in Discrete-time Multi-agent Systems with Fixed Topology
Texas A&M University（德克萨斯农工大学）
本文研究了多智能体系统中异步一致性问题的收敛条件，提出保证异步一致性值收敛于同步值的条件，并通过仿真实验验证了结果的有效性。
2016-06-13 cs.SY eess.SY
Topology-Aware Graph Neural Network-based State Estimation for PMU-Unobservable Power Systems
本文提出一种拓扑感知的定制化图神经网络状态估计方法CGNN-SE，结合图卷积与多头图注意力应对拓扑变化和数据丢失，并在多种扰动及大规模系统中优于传统优化和学习型方法。
2025-06-04 cs.SY eess.SY
Formation Flight Control of Multi-UAV System Using Neighbor-based Trajectory Generation Topology
提出了一种基于主从编队结构的分布式编队飞行控制拓扑。这种拓扑结构首先取决于在线生成的轨迹，该轨迹应该由地层中的代理遵循。每个代理的轨迹在执行过程中根据其邻居进行规划，并考虑到所需的参考轨迹仅提供给领导者。利用MATLAB/SIMULINK对一个四旋翼无人机编队进行了仿真，验证了该方法的有效性。该拓扑在实现编队和跟随参考轨迹方面显示出非常好的结果。
2021-01-01 cs.SY eess.SY
Byzantine-Resilient Distributed Hypothesis Testing With Time-Varying Network Topology
我们研究了在有限的通信和感知范围内的移动代理网络上的分布式假设检验问题，以协同推断真实的假设。特别是，我们考虑的情况下，有一个未知的子集的妥协代理人，可能会故意共享更改信息，以破坏团队的目标。我们提出了两个分布式算法，其中每个代理维护和更新两组信念（即，假设上的概率分布），即局部和实际信念（为了简洁，分别为LB和AB）。在这两种算法中，在每一个时间步，每个代理共享其AB与其他代理在其通信范围内，并作出本地观察更新其LB。在一定条件下，两种算法都可以利用共享信息更新AB。一个要求在每个时刻接收一定数量的共享AB;另一个随着时间的推移累积共享AB，并在共享AB的数量超过规定的阈值后更新。否则，两种算法都依赖于代理的当前LB和AB来更新新的AB。我们证明在温和的假设下，AB为每一个非妥协的代理几乎肯定收敛到真实的假设，而不需要在底层随时间变化的网络拓扑的连接。使用一个模拟的一队无人驾驶飞行器，旨在分类对抗代理之间，我们说明和比较所提出的算法。最后，我们通过实验表明，第二种算法的收敛速度始终优于第一种算法。
2021-07-17 cs.SY eess.SY
Learning with End-Users in Distribution Grids: Topology and Parameter Estimation
National Institute of Standards and Technology（美国国家标准与技术研究院）；KAIST（韩国科学技术院）；Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；University of Arizona（亚利桑那大学）
本文研究了在智能电网时代，由于实时节点和线路计量设备有限，导致配电网络拓扑和相关线路参数估计困难的问题，提出两种精确学习算法，利用用户端测量的平衡电压和注入量来恢复真实的拓扑和参数。
2020-03-01 cs.SY eess.SY
Exact Topology and Parameter Estimation in Distribution Grids with Minimal Observability
KAIST（韩国科学技术院）；LANL（洛斯阿拉莫斯国家实验室）；Skoltech（斯科尔科沃科学技术学院）
本文提出一种新算法，通过仅在终端节点测量电压和注入量来重建配电网络拓扑和线路阻抗，无需额外输入信息，提升电网运行和实时市场参与的准确性。
2018-03-12 cs.SY eess.SY
Topology and Admittance Estimation: Precision Limits and Algorithms
配电网拓扑和导纳信息是系统规划、运行和保护的基础。在许多配电网中，丢失或不准确的拓扑和导纳数据要求有效的估计方法。然而，测量数据可能不足或被大噪声污染，这将对估计精度引入基本限制。这项工作探讨了理论精度限制的拓扑和导纳估计（TAE）的问题，不同的测量设备，噪声水平，和测量的数量。在此基础上，我们提出了一种保守的渐进自适应（CPS）算法来估计的拓扑结构和导纳。IEEE 33和141节点系统的结果验证了所提出的CPS方法可以在各种测量设置下接近理论精度极限。
2021-06-01 cs.IT cs.SY eess.SY
Novel Defense Strategy Against Zero-Dynamics Attack in Multi-Agent Systems
研究了在零动态攻击（ZDA）下，允许攻击开始时刻不是初始时刻的二阶多智能体系统的策略拓扑切换防御策略.我们首先研究了ZDA的可检测性，这是切换拓扑检测攻击的充分必要条件。基于可检测性，提出了一种开关拓扑下的Luenberger观测器来检测隐身攻击。攻击检测算法的主要优点是双重的：（i）在检测ZDA时，该算法允许防御者（系统操作员）不知道攻击开始时间和行为不端的代理（即，受攻击的代理人）;（ii）在无攻击的跟踪系统中，Luenberger观测器对观测器增益的大小和观测输出的数目没有约束，即，只有一个代理的观测输出是足够的。仿真结果验证了策略拓扑切换算法的有效性。
2019-09-16 cs.SY eess.SY
An Adaptive-Importance-Sampling-Enhanced Bayesian Approach for Topology Estimation in an Unbalanced Power Distribution System
配电系统的可靠运行依赖于其拓扑结构和系统状态的良好先验知识。虽然至关重要，但由于缺乏对开关状态的直接监测设备，对于配电系统运营商的实时应用，拓扑信息通常不可用或过时。除了配电系统有限的可观测性之外，其他挑战是模型的非线性、配电系统的复杂、不平衡结构以及系统的规模。为了克服上述挑战，本文提出了一个贝叶斯推理框架，使我们能够同时估计的拓扑结构和状态的三相，不平衡的配电系统。具体而言，通过使用非常有限的数量的测量与预测的负荷数据，我们有效地恢复正常和停电运行条件下的系统拓扑结构的完整贝叶斯后验分布。这是通过一个自适应的重要性抽样程序，大大简化了传统的蒙特卡洛（MC）抽样为基础的方法的计算负担，同时保持良好的估计精度。在IEEE 123节点测试系统和不平衡1282节点系统上的仿真结果表明，该方法具有良好的性能。
2021-10-18 cs.SY eess.SY
Distributed Control-Estimation Synthesis for Stochastic Multi-Agent Systems via Virtual Interaction between Non-neighboring Agents
研究线性随机多智能体系统的最优分布式控制问题。由于MAS网络的分布式特性，单个智能体所能获得的信息仅限于其邻近区域。从整个MAS方面来看，这对控制律施加了结构约束，使得最优控制律在计算上难以处理。本文试图放松这样的结构约束，扩大每个代理的邻近信息，整个MAS，使嵌入在每个代理的分布式估计算法。通过利用估计的信息，每个代理不限于与它的邻居互动，但进一步建立与非相邻代理的“虚拟互动”。然后将最优分布式MAS控制问题转化为一个综合控制估计问题。一个迭代优化过程，以找到控制估计法，最大限度地减少MAS的全局目标成本。
2021-06-13 cs.SY eess.SY
Time-Synchronized State Estimation Using Graph Neural Networks in Presence of Topology Changes
Arizona State University（亚利桑那州立大学）
本文提出基于图神经网络的时同步状态估计方法，在存在非高斯噪声和拓扑变化时优于传统方法。
2023-06-01 cs.SY eess.SY
Event-triggered consensus of multi-agent systems under directed topology based on periodic sampled-data
School of Mathematics and Statistics, Qingdao University（青岛大学数学与统计学院）；College of Automation and Electrical Engineering, Qingdao University（青岛大学自动化与电气工程学院）；School of Control Science and Engineering, Shandong University（山东大学控制科学与工程学院）
本文研究了在定向拓扑下多智能体系统的一致性问题，提出了一种在周期时间点进行事件判断的事件触发一致性算法，允许采样周期任意大，并且对于有时间延迟的系统，只要延迟被采样周期所限制，就能实现一致性。
2018-12-22 cs.MA cs.SY eess.SY
Data Requirements for Electric Grid Topology and Admittance Estimation
The Australian National University（澳大利亚国立大学）；CSIRO（联邦科学与工业研究组织）；The University of Melbourne（墨尔本大学）
本文研究了通过相量测量确定电网拓扑和电导参数的必要条件，提出在存在测量噪声时使用结构化总最小二乘法估计电导矩阵。
2026-09-09 cs.SY eess.SY
Dynamic Quantum Optimal Communication Topology Design for Consensus Control in Linear Multi-Agent Systems
Louisiana State University（路易斯安那州立大学）
本文提出利用量子算法优化动态通信拓扑，用于线性多智能体系统的一致控制，通过量子虚时间演化解决NP难问题，实现高效拓扑生成与一致性能。
2026-02-05 cs.SY eess.SY
Topology Estimation Following Islanding and its Impact on Preventive Control of Cascading Failure
在级联故障期间的电网的拓扑结构的知识是集中式停电预防控制的基本要素，鉴于多个岛屿通常形成，作为级联的进展。此外，关于电网的网络层和物理层之间的相互依赖性的学术研究表明，级联期间的电力故障可能导致通信网络的中断，这逐渐减少了可观察的区域。这些挑战目前的文献线路停电检测，假设电网仍然是一个单一的连接组件。我们提出了一种新的方法来消除这种假设。在孤岛事件之后，首先识别形成所连接的组件的总线，然后检测各个岛内的进一步线路中断。除了电力系统的测量，可观察的断路器状态被集成为我们的拓扑识别算法的约束。误差传播对估计过程的影响，因为依赖于以前的估计不断增长的级联过程中也进行了研究。最后，估计的导纳矩阵用于预防控制的连锁故障，创建一个闭环系统。首次研究了这种相互关联的估计和控制对总负荷的影响。IEEE-118节点系统和2,383节点波兰网络的仿真结果表明了该方法的有效性。
2021-04-13 cs.SY eess.SY
Topology Learning Aided False Data Injection Attack without Prior Topology Information
针对电力系统状态估计的虚假数据注入（FDI）攻击越来越受到运营商的关注，以往的FDI攻击都是在攻击者完全了解系统的情况下进行的，而没有明确的理由。在本文中，我们开发了一种拓扑学习辅助FDI攻击，允许对交流电力系统状态估计的隐形网络攻击，而无需系统信息的先验知识。攻击组合拓扑学习技术，仅基于分支和总线潮流，以及攻击方伪残差评估，以高置信度执行隐身FDI攻击。本文第一次演示了攻击者如何快速地开发网格拓扑和参数的全知识，并验证了以前工作中的全知识假设。
2021-02-24 cs.SY eess.SY
Curriculum Based Reinforcement Learning of Grid Topology Controllers to Prevent Thermal Cascading
本文介绍了如何将电力系统运营商的领域知识集成到强化学习（RL）框架中，以有效地学习控制电网拓扑结构以防止热级联的代理。典型的基于RL的拓扑控制器由于大的搜索/优化空间而不能很好地执行。在这里，我们提出了一个演员批评家为基础的代理，以解决问题的组合性质和训练代理使用RL环境开发的RTE，法国TSO。为了解决大的优化空间的挑战，一个基于奖励调整的方法被纳入到训练过程中，通过修改环境，使用网络物理增强代理学习。此外，在多个场景的并行训练方法，以避免偏置代理到几个场景，并使其强大的网格操作的自然变化。如果没有对训练过程进行这些修改，RL代理在大多数测试场景中都失败了，这说明了正确整合物理系统的领域知识对于现实世界RL学习的重要性。该代理通过了RTE的2019年学习运行电力网络挑战赛的测试，并在准确性方面获得第二名，在速度方面获得第一名。开发的代码是开源的，供公众使用。
2021-12-18 cs.AI cs.SY eess.SY
Joint Estimation of Topology and Injection Statistics in Distribution Grids with Missing Nodes
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）
本文提出了一种理论框架，用于在节点电压测量有限的情况下，联合估计配电网络的运行拓扑和注入统计，证明所提算法能够准确学习所有未观测节点的拓扑和注入统计，只要这些节点不相邻。
2020-01-02 cs.SY eess.SY math.OC
Data-Driven Cooperative Output Regulation of Continuous-Time Multi-Agent Systems with Unknown Network Topology
针对未知网络拓扑的连续时间多智能体系统，提出数据驱动协同输出调节方法，仅用边权界估计拉普拉斯特征值下界，免去状态导数测量，并给出数据信息性条件及噪声误差界，仿真验证有效。
2024-09-19 cs.MA cs.SY eess.SY
Multi-Agent Reinforcement Learning for Power Grid Topology Optimization
Vrije Universiteit（阿姆斯特丹自由大学）
针对可再生能源接入下电网拓扑控制的大动作空间难题，提出利用电网分层结构的分层MARL框架，并验证其相较单智能体RL具有竞争力。
2023-10-04 cs.AI cs.LG cs.SY
Urban MV and LV Distribution Grid Topology Estimation via Group Lasso
Stanford University（斯坦福大学）；Arizona State University（亚利桑那州立大学）；State Grid GEIRI North America（国家电网GEIRI北美）
本文提出一种基于历史智能电表数据的配电网拓扑估计方法，利用概率图模型捕捉电压依赖性，并通过分组Lasso回归解决中压和低压配电网的拓扑估计问题。
2018-09-13 cs.SY eess.SY math.OC
Graphical Models in Meshed Distribution Grids: Topology estimation, change detection and limitations
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；University of Minnesota（明尼苏达大学）
本文研究了非径向配电网络中节点电压图模型的拓扑估计和变化检测方法，揭示了在存在大于三节点的环路时，仅需节点电压即可高效估计拓扑结构，并在噪声环境下提供了系统容忍的最大噪声界限。
2020-02-27 cs.SY eess.SY math.OC
Maximum likelihood estimation of distribution grid topology and parameters from smart meter data
本文定义了一个最大似然估计（MLE）的导纳矩阵估计的配电网，利用电压幅值和功率测量只收集从常见的，非同步测量设备（智能电表）。首先，我们提出了一个模型的电网，以及现有的MLE的电压和电流相量测量的基础上。然后，这个问题的制定调整无相测量使用共同的假设。这些假设的效果进行比较，在各种情况下的初始问题。最后，一个流行的IEEE基准网络的数值实验表明有前途的结果。缺失的数据会极大地扰乱估计方法。不测量电压相位在实际条件下只会给导纳矩阵估计增加30%的误差。此外，对测量噪声的灵敏度在有和没有相位的情况下是相似的。
2022-10-05 cs.SY eess.SY stat.AP
Managing power grids through topology actions: A comparative study between advanced rule-based and reinforcement learning agents
Fraunhofer IEE（弗劳恩霍夫能源经济与能源系统技术研究所）；TenneT TSO BV（Tennet输电公司）；AI Lab, Reseau de Transport d’Electricite (RTE)（法国输电网络集团人工智能实验室）；Kiel University（基尔大学）
针对电网运行复杂度提升的问题，该研究在“学习运行电网”挑战赛框架下，提出N-1策略和拓扑恢复方法改进基于规则与RL两类智能体，使规则智能体性能提升27%，两类智能体性能相近但RL计算优势明显。
2023-04-17 cs.AI cs.LG cs.SY
Perfectly Controllable Multi-Agent Networks
College of Automation and Electrical Engineering, Qingdao University（青岛大学自动化与电气工程学院）；University of Notre Dame（圣母大学）
本文研究如何设计拓扑结构确保多智能体网络在任意领导者选择下的可控性，提出完美可控性概念，并给出必要充分条件及分步设计方法。
2018-07-02 cs.MA cs.SY eess.SY
Imitation Learning for Intra-Day Power Grid Operation through Topology Actions
Radboud University（拉德堡德大学）；TenneT TSO（Tennet输电系统运营商）
针对可再生能源并网下电网运行复杂度提升的问题，研究基于拓扑动作的模仿学习在日前电网运行中的性能，训练FCNN并结合少量仿真构建混合智能体，可在低计算成本下达到专家智能体性能，为L2RPN相关研究提供新思路。
2024-08-18 cs.AI cs.LG cs.SY
Dynamic Topology Adaptation Based on Adaptive Link Selection Algorithms for Distributed Estimation
University of York（约克大学）；CETUC / PUC-Rio（天主教里约热内卢大学研究与应用技术中心）；Princeton University（普林斯顿大学）
本文提出自适应链路选择算法用于分布式估计，并探讨其在无线传感器网络和智能电网中的应用。通过分析算法的稳定性、稳态和跟踪性能及计算复杂度，展示了其在估计精度和收敛速度上的优势，以及网络链路选择能力的提升。
2015-10-18 cs.IT cs.SY eess.SY
Topology Estimation in Bulk Power Grids: Guarantees on Exact Recovery
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；University of Minnesota Twin Cities（明尼苏达大学双城分校）
本文提出了一种基于电压测量的图模型框架，用于估计大规模电力网络拓扑，通过阈值或邻域计数方案提取操作边，并在无三节点环的电网中保证精确恢复。
2017-07-15 cs.SY eess.SY math.OC
Adaptive Consensus and Parameter Estimation of Multi-Agent Systems with An Uncertain Leader
研究了一类具有不确定领导系统的多智能体系统的领导-跟随一致性和参数估计问题。先导系统由一组幅值、频率和相位未知的正弦波组成。为每个智能体建立一个分布式自适应观测器来估计领导者的未知频率。研究表明，如果领导者的信号足够丰富，未知频率的估计误差渐近收敛到零的所有代理。基于所设计的分布式自适应观测器，为每个智能体综合一个分布式自适应控制律，以解决领导者跟随一致性问题。
2020-07-27 cs.SY eess.SY math.OC
Optimal topology of multi-agent systems with two leaders: a zero-sum game perspective
Xidian University（西安电子科技大学）；Max-Planck-Institute for Evolutionary Biology（马普进化生物学研究所）；Peking University（北京大学）
本文从零和博弈角度研究双领导者多智能体系统，探讨领导者间冲突对系统拓扑优化的影响，提出最优拓扑等价于纳什均衡的结论，并通过仿真验证理论结果。
2014-10-26 cs.GT cs.MA cs.SY
