为研究完全去中心化的点对点(peer-to-peer,P2P)能源市场中产消者的最优清算问题,重点解决产消者内部的协作和在P2P市场中实现社会福利最大化的挑战,采用了一种新的平行、分布式的交替方向乘子法(alternating direction method of multi...为研究完全去中心化的点对点(peer-to-peer,P2P)能源市场中产消者的最优清算问题,重点解决产消者内部的协作和在P2P市场中实现社会福利最大化的挑战,采用了一种新的平行、分布式的交替方向乘子法(alternating direction method of multipliers,ADMM),推导出P2P市场的交易机制。该方法考虑每个产消者的效用函数,并引入分布式发电机(distributed generator,DG)和电能存储系统(battery energy storage system,BESS)。算法中每个产消者通过迭代与其相邻的产消者同步交换少量信息,并优化以满足不同的需求。通过对6-peers系统的数值验证,证明了所提出方法的有效性。与基于池的交易机制相比,完全去中心化的P2P问题在单位时间内交易电量提升了160%,社会福利从-9.47元增加到32.43元。展开更多
针对压缩感知下与字典学习和交替方向乘子算法(alternating direction method of multipliers,ADMM)密切相关方法存在的问题,研究并提出了一种在压缩感知理论下采用字典学习和ADMM重建地震数据的方法。首先对不完整地震数据进行字典学习...针对压缩感知下与字典学习和交替方向乘子算法(alternating direction method of multipliers,ADMM)密切相关方法存在的问题,研究并提出了一种在压缩感知理论下采用字典学习和ADMM重建地震数据的方法。首先对不完整地震数据进行字典学习,使其稀疏地表示,再根据地震道的缺失情况设计合理的采样矩阵,最后对建立的L1范数约束模型采用ADMM进行求解得到重建后的地震数据。建立了压缩感知下基于字典学习和ADMM的地震数据插值技术流程。正演模拟数据和实际数据的重建实验结果表明:与压缩感知理论下采用固定基的重建方法相比,字典学习能够自适应地对地震数据进行更优的稀疏表示。与常用的curvelet等重建算法相比,采用ADMM能够更加精确地重建地震数据。与固定基和正交匹配追踪(orthogonal matching pursuit,OMP)相比,在压缩感知理论下采用字典学习和ADMM重建的地震数据有更高的信噪比。展开更多
针对多输入多输出(multiple-input multiple-output,MIMO)雷达通信一体化(dual-function radarcommunication,DFRC)系统性能对信道状态信息(channel state information,CSI)精度敏感的问题,构建了非完美CSI条件下的模数混合波束形成设...针对多输入多输出(multiple-input multiple-output,MIMO)雷达通信一体化(dual-function radarcommunication,DFRC)系统性能对信道状态信息(channel state information,CSI)精度敏感的问题,构建了非完美CSI条件下的模数混合波束形成设计模型,提出了一种鲁棒的混合波束形成器优化方法。利用CSI误差的先验统计信息,在满足通信中断概率约束的同时最小化雷达方向图加权均方误差,以得到期望的发射数字和模拟波束形成矩阵。所提出的非凸优化问题首先利用坎泰利(Cantelli)不等式进行近似处理,再利用交替方向乘子法(alternating direction method of multipliers,ADMM)求解。仿真实验对比了多种算法之间的性能差异,验证了所提出的MIMO-DFRC混合波束形成设计方法具有高效性和鲁棒性。展开更多
在现代配电网中,高渗透率分布式光伏的接入对电压控制提出了新的挑战。传统集中式方法在通信中断情况下效率低下,而完全分布式方法则因收敛速度慢且通信依赖性高受到限制。因此,提出一种基于集群划分和交替方向乘子法(Alternating Direc...在现代配电网中,高渗透率分布式光伏的接入对电压控制提出了新的挑战。传统集中式方法在通信中断情况下效率低下,而完全分布式方法则因收敛速度慢且通信依赖性高受到限制。因此,提出一种基于集群划分和交替方向乘子法(Alternating Direction Multiplier Method,ADMM)的分散式电压协同控制策略,通过群内自主调节与群间协同优化,有效应对通信缺失情景。仿真结果表明,该策略在改善电压分布、降低网损以及提升运行健壮性方面具有显著优势,为未来智能配电网的优化提供了有力支持。展开更多
针对移动数据流量分载问题,提出在SDN架构下综合考虑基站成本和接入点消耗的网络服务成本最小化问题模型。针对基于对偶分解的流量分载算法在收敛速度和隐私安全方面存在的缺陷,提出基于近似雅可比交替方向乘子法（ADMM,alternating dir...针对移动数据流量分载问题,提出在SDN架构下综合考虑基站成本和接入点消耗的网络服务成本最小化问题模型。针对基于对偶分解的流量分载算法在收敛速度和隐私安全方面存在的缺陷,提出基于近似雅可比交替方向乘子法（ADMM,alternating direction method of multipliers）的流量分载算法,所设计的具体实施方案确保了隐私安全。同时,仿真实验表明基于近似雅可比ADMM的算法在收敛速度方面显著优于基于对偶分解的算法。展开更多
实时电价是智能电网需求侧管理的有效方法,对于维持电力供需平衡、削峰填谷至关重要。为提高实时电价模型的低碳经济性和精确性,在充分考虑用户与供电侧双方利益前提下提出碳交易机制,并根据新能源的发电特性构建风光出力不确定模型,建...实时电价是智能电网需求侧管理的有效方法,对于维持电力供需平衡、削峰填谷至关重要。为提高实时电价模型的低碳经济性和精确性,在充分考虑用户与供电侧双方利益前提下提出碳交易机制,并根据新能源的发电特性构建风光出力不确定模型,建立以用户总效用最大、供电侧成本最小为目标的社会福利最大化实时电价模型。提出基于改进交替方向乘子法(alternating direction method of multiplier, ADMM),即高斯回代交替方向乘子法(ADMM with Gaussian back substitution, ADMM-GBS)的分布式优化调度方法,通过将不确定模型转化为确定模型求解。仿真结果表明,所提实时电价策略能够提升社会福利,验证了模型和算法的有效性。展开更多
针对工业机械设备实时监测中不可控因素导致的振动信号数据缺失问题,提出一种基于自适应二次临近项交替方向乘子算法(adaptive quadratic proximity-alternating direction method of multipliers, AQ-ADMM)的压缩感知缺失信号重构方法...针对工业机械设备实时监测中不可控因素导致的振动信号数据缺失问题,提出一种基于自适应二次临近项交替方向乘子算法(adaptive quadratic proximity-alternating direction method of multipliers, AQ-ADMM)的压缩感知缺失信号重构方法。AQ-ADMM算法在经典交替方向乘子算法算法迭代过程中添加二次临近项,且能够自适应选取惩罚参数。首先在数据中心建立信号参考数据库用于构造初始字典,然后将K-奇异值分解(K-singular value decomposition, K-SVD)字典学习算法和AQ-ADMM算法结合重构缺失信号。对仿真信号和两种真实轴承信号数据集添加高斯白噪声后作为样本,试验结果表明当信号压缩率在50%~70%时,所提方法性能指标明显优于其它传统方法,在重构信号的同时实现了对含缺失数据机械振动信号的快速精确修复。展开更多
文摘为研究完全去中心化的点对点(peer-to-peer,P2P)能源市场中产消者的最优清算问题,重点解决产消者内部的协作和在P2P市场中实现社会福利最大化的挑战,采用了一种新的平行、分布式的交替方向乘子法(alternating direction method of multipliers,ADMM),推导出P2P市场的交易机制。该方法考虑每个产消者的效用函数,并引入分布式发电机(distributed generator,DG)和电能存储系统(battery energy storage system,BESS)。算法中每个产消者通过迭代与其相邻的产消者同步交换少量信息,并优化以满足不同的需求。通过对6-peers系统的数值验证,证明了所提出方法的有效性。与基于池的交易机制相比,完全去中心化的P2P问题在单位时间内交易电量提升了160%,社会福利从-9.47元增加到32.43元。
文摘针对压缩感知下与字典学习和交替方向乘子算法(alternating direction method of multipliers,ADMM)密切相关方法存在的问题,研究并提出了一种在压缩感知理论下采用字典学习和ADMM重建地震数据的方法。首先对不完整地震数据进行字典学习,使其稀疏地表示,再根据地震道的缺失情况设计合理的采样矩阵,最后对建立的L1范数约束模型采用ADMM进行求解得到重建后的地震数据。建立了压缩感知下基于字典学习和ADMM的地震数据插值技术流程。正演模拟数据和实际数据的重建实验结果表明:与压缩感知理论下采用固定基的重建方法相比,字典学习能够自适应地对地震数据进行更优的稀疏表示。与常用的curvelet等重建算法相比,采用ADMM能够更加精确地重建地震数据。与固定基和正交匹配追踪(orthogonal matching pursuit,OMP)相比,在压缩感知理论下采用字典学习和ADMM重建的地震数据有更高的信噪比。
文摘针对多输入多输出(multiple-input multiple-output,MIMO)雷达通信一体化(dual-function radarcommunication,DFRC)系统性能对信道状态信息(channel state information,CSI)精度敏感的问题,构建了非完美CSI条件下的模数混合波束形成设计模型,提出了一种鲁棒的混合波束形成器优化方法。利用CSI误差的先验统计信息,在满足通信中断概率约束的同时最小化雷达方向图加权均方误差,以得到期望的发射数字和模拟波束形成矩阵。所提出的非凸优化问题首先利用坎泰利(Cantelli)不等式进行近似处理,再利用交替方向乘子法(alternating direction method of multipliers,ADMM)求解。仿真实验对比了多种算法之间的性能差异,验证了所提出的MIMO-DFRC混合波束形成设计方法具有高效性和鲁棒性。
文摘在现代配电网中,高渗透率分布式光伏的接入对电压控制提出了新的挑战。传统集中式方法在通信中断情况下效率低下,而完全分布式方法则因收敛速度慢且通信依赖性高受到限制。因此,提出一种基于集群划分和交替方向乘子法(Alternating Direction Multiplier Method,ADMM)的分散式电压协同控制策略,通过群内自主调节与群间协同优化,有效应对通信缺失情景。仿真结果表明,该策略在改善电压分布、降低网损以及提升运行健壮性方面具有显著优势,为未来智能配电网的优化提供了有力支持。
文摘针对移动数据流量分载问题,提出在SDN架构下综合考虑基站成本和接入点消耗的网络服务成本最小化问题模型。针对基于对偶分解的流量分载算法在收敛速度和隐私安全方面存在的缺陷,提出基于近似雅可比交替方向乘子法（ADMM,alternating direction method of multipliers）的流量分载算法,所设计的具体实施方案确保了隐私安全。同时,仿真实验表明基于近似雅可比ADMM的算法在收敛速度方面显著优于基于对偶分解的算法。
文摘实时电价是智能电网需求侧管理的有效方法,对于维持电力供需平衡、削峰填谷至关重要。为提高实时电价模型的低碳经济性和精确性,在充分考虑用户与供电侧双方利益前提下提出碳交易机制,并根据新能源的发电特性构建风光出力不确定模型,建立以用户总效用最大、供电侧成本最小为目标的社会福利最大化实时电价模型。提出基于改进交替方向乘子法(alternating direction method of multiplier, ADMM),即高斯回代交替方向乘子法(ADMM with Gaussian back substitution, ADMM-GBS)的分布式优化调度方法,通过将不确定模型转化为确定模型求解。仿真结果表明,所提实时电价策略能够提升社会福利,验证了模型和算法的有效性。
文摘针对工业机械设备实时监测中不可控因素导致的振动信号数据缺失问题,提出一种基于自适应二次临近项交替方向乘子算法(adaptive quadratic proximity-alternating direction method of multipliers, AQ-ADMM)的压缩感知缺失信号重构方法。AQ-ADMM算法在经典交替方向乘子算法算法迭代过程中添加二次临近项,且能够自适应选取惩罚参数。首先在数据中心建立信号参考数据库用于构造初始字典,然后将K-奇异值分解(K-singular value decomposition, K-SVD)字典学习算法和AQ-ADMM算法结合重构缺失信号。对仿真信号和两种真实轴承信号数据集添加高斯白噪声后作为样本,试验结果表明当信号压缩率在50%~70%时,所提方法性能指标明显优于其它传统方法,在重构信号的同时实现了对含缺失数据机械振动信号的快速精确修复。
