多智能体最优合作调控及其在电力系统中应用

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61573096
  • 项目类别:
    面上项目
  • 资助金额:
    66.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0301.控制理论与技术
  • 结题年份:
    2019
  • 批准年份:
    2015
  • 项目状态:
    已结题
  • 起止时间:
    2016-01-01 至2019-12-31

项目摘要

Coordination control of Multi-agent systems (MASs) has been a hot research topic in recent years, while the optimal cooperative regulation of MASs, which is based on distributed control under the guidance of the objective information, is of great significance in the actual engineering applications. This project is focused on the distributed optimal regulation of MASs and its applications in power systems. Specifically, we consider the distributed optimal pinning control of MASs in terms of two aspects, on the one hand, the design of the optimal pinning communication protocol (i.e., the optimal pinning communication topology) based on the characteristics of the single agent and the minimal pinned nodes under the pre-determined communication structure; on the other hand, the distributed optimal control of MASs with the operation constraints of the MASs, such as state, input and output constraints subjected to the minimal operation cost. According to the distributed robust optimization or distributed model predictive control (MPC), the optimal control input can be computed distributed. Furthermore, the application of theoretical research results to the frequency regulation of power systems under different time scales are carried out, which can achieve the optimal economic dispatch for power resources and demand-side resources with long time-scale and distributed automatic generation control (AGC) with short time-scale and distributed management of multiple heating, ventilating and air-conditioning (HVAC) devices in demand-side.
多智能体系统的协调控制一直是近十年的热门研究课题,而最优合作调控是基于目标信息的分布式诱导控制,在实际工程中具有广泛的研究意义。本课题以多智能体系统的分布式最优调控为主要研究内容,分为两部分:首先,考虑基于全局目标信息的分布式最优牵制控制,依据智能个体特征给出最优牵制拓扑设计方案,给定通信拓扑给出牵制节点侯选集与最小数目牵制节点;另一方面,考虑系统存在运行约束的情况下,如何实现多智能体系统全局最优的分布式控制问题。基于分布式鲁棒优化、分布式滚动时域诱导控制实现网络化多智能体系统的分布式求解。进一步,将理论研究成果应用到电力系统的多时间尺度功率平衡控制问题中,分别实现长时间尺度的电源侧、需求侧分布式经济调度和短时间尺度的分布式发电控制、需求侧多暖通设备的分布式能量管理。

结项摘要

本项目围绕多智能体系统的最优控制及其在电力系统诸场景中的优化控制应用开展了系统深入的研究,并在耦合网络优化,多智能体的分布式控制,复杂网络同步运转协同稳定性分析、网络化多智能体一致性分析、神经网络的动力学与稳定性分析等方面扩展了应用研究,取得了一系列国际领先的研究成果,在国内外同行中产生了重要影响。已在国际重要学术刊物,如IEEE Trans power syst.、Science China等期刊上发表学术《SCI》收录论文 100 余篇(其中 IEEE Trans. 22篇),超额完成了各项预期指标。初步统计在《SCI》刊物被他引千余次。特别是近年来引用有明显增加的趋势,从引文中可以看到本项目成果对这一新领域的贡献受到同行的充分肯定。项目执行期间,项目负责人2017年获首届全国创新争先奖;2018年当选为欧洲科学与艺术院院士;2018年入选科睿唯安全球高被引科学家奖(覆盖数学、工程学和计算机科学三个学科领域)、荣获《中国科学》《科学通报》两刊2018年度优秀作者、江苏省首届十佳研究生导师和江苏省十佳研究生导师团队(提名)。受聘担任中国智能交通协会第二届专家委员会委员、教育部高等学校数学类专业教学指导委员会委员、江苏省研究生理学I类指导委员会副主任委员。2019获国际Obada奖;2019年当选国际系统与控制科学院院士,2019年1篇论文入选中国科协第四届优秀科技论文遴选计划。目前担任9 个国际SCI 刊物的副编辑。新增省部级平台2个:无障碍联合重点实验室、江苏省信息数学应用中心。

项目成果

期刊论文数量(67)
专著数量(0)
科研奖励数量(6)
会议论文数量(0)
专利数量(0)
Stabilization of Switched Stochastic Genetic Regulatory Networks with Leakage and Impulsive Effects
具有泄漏和脉冲效应的切换随机遗传调控网络的稳定性
  • DOI:
    10.1007/s11063-018-9843-3
  • 发表时间:
    2019-04
  • 期刊:
    Neural Processing Letters
  • 影响因子:
    3.1
  • 作者:
    P;iselvi S;Raja R;Cao Jinde;Rajchakit G
  • 通讯作者:
    Rajchakit G
Global Robust Synchronization of Fractional Order Complex Valued Neural Networks with Mixed Time Varying Delays and Impulses
具有混合时变延迟和脉冲的分数阶复值神经网络的全局鲁棒同步
  • DOI:
    10.1007/s12555-017-0563-7
  • 发表时间:
    2019-02-01
  • 期刊:
    INTERNATIONAL JOURNAL OF CONTROL AUTOMATION AND SYSTEMS
  • 影响因子:
    3.2
  • 作者:
    Anbalagan, Pratap;Ramachandran, Raja;Lim, Chee Peng
  • 通讯作者:
    Lim, Chee Peng
Input-to-State Stability of Time-Varying Switched Systems With Time Delays
时变时滞切换系统的输入状态稳定性
  • DOI:
    10.1109/tac.2018.2867158
  • 发表时间:
    2019
  • 期刊:
    IEEE Transactions on Automatic Control
  • 影响因子:
    6.8
  • 作者:
    Wu Xiaotai;Tang Yang;Cao Jinde
  • 通讯作者:
    Cao Jinde
NON-FRAGILE EXTENDED DISSIPATIVITY CONTROL DESIGN FOR GENERALIZED NEURAL NETWORKS WITH INTERVAL TIME-DELAY SIGNALS
具有间隔时滞信号的广义神经网络非脆弱扩展耗散控制设计
  • DOI:
    10.1002/asjc.1752
  • 发表时间:
    2019
  • 期刊:
    Asian Journal of Control
  • 影响因子:
    2.4
  • 作者:
    Manivannan R;Samidurai R;Cao Jinde;Alsaedi Ahmed;Alsaadi Fuad E
  • 通讯作者:
    Alsaadi Fuad E
Lag Synchronization of Memristor-Based Coupled Neural Networks via ω-Measure
通过 omega-Measure 实现基于忆阻器的耦合神经网络的滞后同步
  • DOI:
    10.1109/tnnls.2015.2480784
  • 发表时间:
    2016-03-01
  • 期刊:
    IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS
  • 影响因子:
    10.4
  • 作者:
    Li, Ning;Cao, Jinde
  • 通讯作者:
    Cao, Jinde

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

Quasi-state estimation and quasi-synchronization control of quaternion-valued fractional-order fuzzy memristive neural networks: Vector ordering approach
四元值分数阶模糊忆阻神经网络的准状态估计和准同步控制:向量排序方法
  • DOI:
    10.1016/j.amc.2019.124572
  • 发表时间:
    2019-12
  • 期刊:
    Applied Mathematics and Computation
  • 影响因子:
    4
  • 作者:
    李若霞;高兴宝;曹进德
  • 通讯作者:
    曹进德
非真实感绘制技术研究现状与展望
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    中国图象图形学报
  • 影响因子:
    --
  • 作者:
    钱文华;曹进德;徐丹;吴昊
  • 通讯作者:
    吴昊
Global robust stability of int
int的全局鲁棒稳定性
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
  • 影响因子:
    --
  • 作者:
    陈安平;曹进德;黄立宏
  • 通讯作者:
    黄立宏
Asynchronous filtering for nonhomogeneous Markov jumping systems with deception attacks
具有欺骗攻击的非齐次马尔可夫跳跃系统的异步过滤
  • DOI:
    10.1016/j.amc.2020.125790
  • 发表时间:
    2021-04
  • 期刊:
    Applied Mathematics and Computation
  • 影响因子:
    4
  • 作者:
    吴雨燕;成军;周霞;曹进德;罗梦卓
  • 通讯作者:
    罗梦卓
Global exponential stability o
全局指数稳定性 o
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
  • 影响因子:
    --
  • 作者:
    蒋海军*;曹进德
  • 通讯作者:
    曹进德

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

曹进德的其他基金

基于Lanchester方程的混杂动态博弈系统网络化建模与控制
  • 批准号:
    12026234
  • 批准年份:
    2020
  • 资助金额:
    20.0 万元
  • 项目类别:
    数学天元基金项目
复杂网络的传播动力学及其在信息安全中的应用
  • 批准号:
    61272530
  • 批准年份:
    2012
  • 资助金额:
    80.0 万元
  • 项目类别:
    面上项目
耦合神经网络的混沌同步与分岔控制
  • 批准号:
    11072059
  • 批准年份:
    2010
  • 资助金额:
    40.0 万元
  • 项目类别:
    面上项目
动态网络系统的建模、同步与合作控制
  • 批准号:
    60874088
  • 批准年份:
    2008
  • 资助金额:
    30.0 万元
  • 项目类别:
    面上项目
复杂网络的同步和动态特性研究
  • 批准号:
    60574043
  • 批准年份:
    2005
  • 资助金额:
    23.0 万元
  • 项目类别:
    面上项目
人工神经网络的动力学分析与模型设计
  • 批准号:
    60373067
  • 批准年份:
    2003
  • 资助金额:
    8.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码