分布式智能协同控制与优化理论及其在电力物联网中的应用

Distributed cooperative control and optimization theory is a key and urgent scientific problem in current complex industrial control process. This project seeks the internal mechanism and inherent characteristics of multi-agents, carries out a series of original research on the intelligent modeling, consensus analysis, intelligent optimizing control of multi-agents, and paves a new path for the cooperative control field of multi-agents. The research mainly includes: 1. Develop the intelligent adaptive communication protocol methods based on extreme learning machine and solve the modeling problem of multi-agents in dynamic network environment where the communication protocol is incomplete and there exists structure uncertainty; 2. Propose cooperative control methods based on M stochastic connection matrix decomposition and interval convex hull estimation in order to solve the consensus and convergence analysis problems in the case of stochastic topological structure and intermittently unconnected; 3. Develop the adaptive information reconstruction technology based on information granularity and solve the cooperative problem of multi-agents droved by fuzzy events with incomplete data; 4. Propose the distributed optimal cooperative control method for multi-agents based on the critic network and action network for the first time; 5. Apply the research results to the hybrid control and decision-making problem of the power Internet of Things and provide necessary theoretical foundation and significant technique guarantee for realizing the cooperative optimal control between the power master device and intelligent micro-grids.

分布式智能协同控制与优化理论是当前复杂大工业控制过程中亟待解决的关键科学难题。本项目研究多自主体间的内在机理及特性，针对多自主体系统的智能建模、一致性分析和智能协同优化控制问题开展一系列原创性研究，开辟多自主体协同控制研究的新方向。主要内容包括：1. 提出基于极限学习机的智能自适应连通协议构造方法，解决网络环境下的多自主体结构不确定及通信协议不完备的建模难题；2. 提出基于M随机连通矩阵分解和区间凸包估计的协同优化控制方法，解决多自主体的随机拓扑结构和间歇非连通情况下的一致性与收敛性难题；3. 提出基于信息粒度的自适应信息重构技术，解决数据不完备情况下模糊事件驱动的多自主体系统协同控制难题；4. 首次提出基于评判网络和执行网络的多自主体分布式智能协同优化控制方法；5.将研究成果应用于电力物联网混杂控制与决策，为实现电力自主设备及智能微网间的协同优化控制提供必要的基础理论依据和关键技术保证。

分布式智能协同控制与优化理论是当前复杂大工业控制过程中亟待解决的关键科学难题。本项目针对多自主体系统的智能建模、一致性分析和智能协同优化控制问题开展一系列原创性研究，在如下5方面取得了积极的研究就成果。1）针对连通确定与随机不完备情况下的多自主体系统，采用图论、随机拓扑、数据量化和数据融合等分析方法，建立了基于神经网络的智能自适应多自主体动态模型，并设计了相应的自适应连通协议。2）针对多自主体系统的输出同步问题，设计出了相应的分布式动态反馈控制律，使得拉普拉斯矩阵特征值可被调节到指定范围内，进而将该方法推广到含有不确定动态的多自主体系统的同步控制问题的解决过程中。3）针对多自主体系统在事件触发控制机制下的输出一致性控制问题，采用数据挖掘与信息重构技术，分析与重构协作协议不完备信息，建立事件观测器对系统不确定信息进行估计，完善分布式协同控制器的设计。4）提出了基于数据的在线自适应动态规划方法，使用两个神经网络分别近似最优性能指标函数和最优控制策略，解决了含有完全未知动态特性的离散时间多自主体系统的最优一致控制问题。5）结合多自主体控制算法提出了一种新颖的分布式协调控制器设计方法，该算法可应用于能源互联网的分布式发电过程中，解决了能源互联网中多自主体分布式协调控制问题，提高了能源互联网和大电网的能源利用率。..课题组在项目执行期间累计发表SCI论文204篇（其中IEEE汇刊和Automatica论文67篇），EI论文38篇。申请和授权国际、中国发明专利113项。获得中国自动化学会自然科学一等奖1项，辽宁省自然科学一等奖1项，吴文俊人工智能技术发明奖二等奖1项，相关发明成果获得2015年纽伦堡国际发明展3项金奖和2016年美国匹兹堡国际发明展工业装备行业金奖1项，IFIA（发明者协会国际联合会）特别金奖1项、优秀金奖2项（其中一项与IFIA并行获得）、韩国国家特别奖1项。..项目执行过程中培养博士20人，硕士21人。