导读:本文包含了分布式协同优化论文开题报告文献综述及选题提纲参考文献，主要关键词:大数据,交通,路口车流量,分布式协同调度
分布式协同优化论文文献综述
吴俊杰[1]（2019）在《基于大数据的路口车流量分布式协同优化》一文中研究指出为提高路口车流量统计和调度能力,以指导交通信息管理,提出一种基于大数据的路口车流量分布式协同优化模型.采用物联网分布式信息采集技术进行路口车流量统计大数据提取,结合传感融合跟踪识别技术进行路口车流量统计大数据采样后的关联属性特征提取;采用大数据信息融合处理技术进行路口车流量数据的分布式融合和模糊聚类处理,构建物联网信息管理平台进行车流量数据的分布式协同调度,在物联网簇中将所有成员节点采集的车辆量数据进行均衡配置;采用模糊神经网络学习方法进行路口车流量大数据分类处理,根据分类结果实现对路口车流量分布式协同调度,提高调度的均衡性,从而指导交通调度.仿真结果表明:采用该方法进行路口车流量分布式协同调度的均衡性较好,提高了路口车流通行能力.(本文来源于《兰州工业学院学报》期刊2019年03期）
文云峰,瞿小斌,肖友强,袁鹏,赵荣臻[2]（2019）在《耦合能量枢纽多区域电—气互联能源系统分布式协同优化调度》一文中研究指出能量枢纽概念已广泛应用于集成电力、天然气及其他多种异质能源的综合能源系统的数学建模和优化。当多区域互联综合能源系统的基本决策主体转变为多个相互连接且自治运行的能量枢纽时,多个决策主体之间的交互将更为频繁和复杂,对整个综合能源系统进行集中式优化将难以为继。为避免集中式优化方法存在的数据采集量大、模型复杂、与实际运行管理模式不匹配等现实问题,针对多区域电—气互联能源系统的多主体分布自治决策特点,构建了以能量枢纽为基本决策主体的电—气能量流解耦机制,提出了与能量枢纽分布式粒度相适应的多主体协同优化调度模型,并给出了基于交替方向乘子法的分布式求解流程。针对两个耦合能量枢纽的电—气互联能源系统开展的算例测试结果验证了所述方法的有效性和准确性。(本文来源于《电力系统自动化》期刊2019年09期）
唐少虎,刘小明,朱伟,郑建春,尚春琳[3]（2019）在《基于多学科设计优化的路网交通分布式协同控制》一文中研究指出城市路网交通控制直接影响着交通运行效率,对其优化研究已成为缓解城市交通拥堵问题的热点之一.鉴于此,针对高峰交通路网将其分为过饱和区域与过饱和关联区域,在采用灰色关联分析-谱聚类方法对关联区域划分的基础上,构建路网交通分布式协同控制模型,进一步提出基于多学科设计优化的过饱和区域及其关联区域协同优化求解方法.通过搭建实例路网模型分析算法优化效果,结果表明所提出方法能够明显改善路网交通运行效率,有助于缓解城市通勤高峰时段的交通拥堵和扩散问题.(本文来源于《控制与决策》期刊2019年09期）
瞿小斌[4]（2018）在《多主体决策环境下电—气能量流分布式协同优化调度研究》一文中研究指出在未来能源互联网环境下,电力系统与天然气系统将高度融合,两系统间耦合和交互愈加频繁,若忽略系统间相互作用对两个系统造成的影响,将导致优化结果过于乐观。因此,有必要考虑电力流与天然气流的相互作用开展电-气能量流的协同优化研究。同时,实际中的电力和天然气系统优化运行调度往往各自为政,电-气互联能源系统的强耦合作用给电、气各系统的调度管理引入了新的难题。为此,有必要针对电力流与天然气流的多主体分布自治决策特点,深入研究电-气互联能源系统的分布式协同调度理论与方法,以实现电力流与天然气流高效综合利用与互补协同,维持电-气互联能源系统安全和经济运行。本文主要的研究内容及研究成果包括:(1)构建同时考虑电力流和天然气流运行特性的系统级“粗粒度”电-气互联能源系统稳态模型和含能量枢纽(Energy Hub,EH)的节点级“细粒度”电-气互联能源系统稳态模型,基于增量分段线性技术(Incremental Piecewise Linear,INC)和二阶锥松弛(Second-order Cone Relaxation,SOCR)技术对模型中的非凸约束(天然气管道气流模型、耦合元件模型等)进行线性化或二阶锥松弛处理,将非凸约束转化为凸约束,完成电-气互联能源系统稳态模型的预处理。(2)基于对电力、天然气系统的边界能量交互特性以及电-气互联能源系统运行和管理形态的深度分析,考虑电力、天然气两系统自治调度管理且仅支持少量信息交互的实际情况,提出一种符合系统级有监管中心的多主体调度管理形态的层级协同优化框架。将电-气协同优化调度问题交由上级协调中心和下级系统调度中心(电力系统调度中心、天然气系统调度中心)共同管理。同时,基于目标级联分析(analytical target cascading,ATC)和层级式交替方向乘子法(Master-Slave alternating direction method of multipliers,MS-ADMM),分别研究层级分布式协同优化调度模型和解算方法,实现电-气互联能源系统能量流的分散自治与集中协调管理。选用Garver6-GAS7、IEEE118-GAS90两个电-气互联能源系统开展算例分析,验证了本文所提层级分布式协同优化框架及优化调度模型和算法的有效性、合理性和可扩展性。(3)在层级分布式协同优化调度研究的基础上,进一步针对无第叁方监管机构,即电力调度中心与天然气系统调度中心完全对等的市场环境,提出一种符合系统级无监管中心的多主体调度管理形态的对等分布式协同优化框架。同时,考虑对等优化框架下通信模式的多样性提出基于串行交替方向乘子法(Gauss-Seidel alternating direction method of multipliers,GS-ADMM)和并行交替方向乘子法(Proximal Jacobian alternating direction method of multipliers,PJ-ADMM)两种电-气能量流分布式协同优化调度模型及解算方法,实现电-气互联能源系统最优调度方案的快速求解。在Garver6-GAS7、IEEE118-GAS90两个电-气互联能源系统上开展了算例分析。(4)在系统级多主体分布式协同优化调度的基础上,进一步研究含能量枢纽的节点级电-气互联能源系统分布式协同优化调度问题。提出符合节点级多主体调度管理形态的电-气能量流解耦机制和分布式协同优化调度框架,并结合MS-ADMM算法构建了电-气能量流的节点级分布式协同优化调度模型和求解算法,实现节点级电-气互联能源系统能量流的分散自治与集中协调管理。选用由6个Energy Hub连接而成的节点级电-气互联能源系统进行最优能量流仿真计算,验证了所提出的含能量枢纽的节点级电-气能量流协同优化框架以及优化调度方法的正确性和有效性。(本文来源于《重庆大学》期刊2018-05-01）
张彦,张涛,王锐,刘亚杰,郭波[5]（2017）在《基于模型预测控制的含多微电网的能源互联网分布式协同优化（英文）》一文中研究指出This paper focuses on the development of optimization-based distributed scheduling strategies for the coordination of an energy internet(EI)with multi-microgrids with consideration of forecast uncertainties.All microgrids have flexible loads,schedulable loads and critical loads;some microgrids have distributed generators,such as micro-turbines,wind turbines,photovoltaic panels;besides,a few microgrids have energy storage devices,such as battery storage.Each microgrid is considered as an individual entity and has its individual objective,these objective functions of microgrids are formulated by mixed integer programming(MIP)models.A game theory based parallel distributed optimization algorithm is proposed to coordinate the competitive objectives of the microgrids with only a little information interaction.A model predictive control(MPC)framework which integrates the distributed optimization algorithm is developed to reduce the negative impacts introduced by the uncertainties of the EI.Simulation results show that our method is flexible and efficient.(本文来源于《自动化学报》期刊2017年08期）
瞿小斌,文云峰,叶希,李文沅[6]（2017）在《基于串行和并行ADMM算法的电—气能量流分布式协同优化》一文中研究指出在综合能源网框架下电力系统与天然气系统的耦合和交互愈加频繁,有必要考虑两个系统的相互作用开展电—气能量流的协同优化。针对电力流与天然气流的多主体分布自治决策特点,在构建分解协同交互机制的基础上,提出利用交替方向乘子法(ADMM)实现电力流与天然气流的分布式协同优化。分别给出了基于Gauss-Seidel串行迭代和Proximal Jacobian并行迭代的两种ADMM计算模式,并从通信模式、求解效率和适用范围等角度探讨了两种模式的应用差异。在RTS79-GAS14及IEEE 118-GAS90两个电—气互联能源系统上开展的算例测试结果验证了所述算法的有效性。(本文来源于《电力系统自动化》期刊2017年04期）
虞文武[7]（2015）在《多智能体系统分布式协同控制与优化的新挑战》一文中研究指出本报告简单回顾一些多智能体系统分布式协同分析与控制的一些基本知识,并再此基础上对未来的工作和挑战做进一步阐述。(本文来源于《2015年中国自动化大会摘要集》期刊2015-11-27）
贾方超,姚佩阳,陈洁钰,王勃[8]（2014）在《多UAV集结任务的分布式协同与优化控制》一文中研究指出基于一致性理论的多无人机分布式协同控制已广泛运用于无人机作战中,通过一致性控制算法实现状态一致完成协同需求。建立了集结问题的数学模型,基于协调变量和协调函数的分解策略进行求解。为实现协同控制的最优性,改进了平均一致性控制算法,采用Hamilton-Jacobi-Bellman方程给出基本优化一致性控制算法。在控制算法中引入过去状态差值,提高控制算法的动态响应性和能量最优性;同时采用遗传算法优化代价函数的加权矩阵,进一步提高控制算法的动态响应性和能量最优性,缩短了任务执行时间。理论分析和仿真实验验证了方法的有效性和可行性。(本文来源于《电光与控制》期刊2014年08期）
文孟飞,彭军,朱正发,刘伟荣[9]（2012）在《交通网络车流量的分布式协同优化方法研究》一文中研究指出针对城市交通网络主干道车流量密度非连续特性,分析了交通网络车流量分段仿射模型.从最小化车流量延迟角度,给出了优化目标函数并进行凸分析.在此基础上,将城市交通网络系统描述为非完整性约束条件的非线性动态系统,利用反步法通过控制变量代换和状态转换将该系统转化为时变可控协同标准型的一般形式,并设计城市交通网络系统的分布式协同控制律.然后在城市主干道交通网络模型中,分别对协同分布式优化方法、定时控制、感应控制叁种交通控制算法进行对比仿真分析,从仿真结果可以看出,本文所提出的协同分布式优化方法具有较好的性能,有效的降低了交通网络中车辆平均等待时间.(本文来源于《小型微型计算机系统》期刊2012年04期）
蒋富,彭军,朱正发,范燕芬,刘伟荣[10]（2012）在《一种分布式协同优化的认知无线电网络频谱检测算法》一文中研究指出针对动态认知无线电网络中频谱检测性能与资源消耗之间的矛盾,提出一种分布式协同优化的频谱检测算法。设置双门限将认知用户分成可信组和非完全可信组。采用次梯度法对频谱检测效用函数进行分布式协同优化,动态调整能量检测阈值,提高动态变化网络环境中的非完全可信认知用户检测结果的准确性,并根据优化过程的收敛速率,从中选择参与协作的认知用户。最后融合中心通过加权融合获得频谱检测结果。仿真实验和分析表明算法在提高认知用户频谱检测准确性和检测速度的同时,降低了网络开销。(本文来源于《铁道学报》期刊2012年01期）
分布式协同优化论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
能量枢纽概念已广泛应用于集成电力、天然气及其他多种异质能源的综合能源系统的数学建模和优化。当多区域互联综合能源系统的基本决策主体转变为多个相互连接且自治运行的能量枢纽时,多个决策主体之间的交互将更为频繁和复杂,对整个综合能源系统进行集中式优化将难以为继。为避免集中式优化方法存在的数据采集量大、模型复杂、与实际运行管理模式不匹配等现实问题,针对多区域电—气互联能源系统的多主体分布自治决策特点,构建了以能量枢纽为基本决策主体的电—气能量流解耦机制,提出了与能量枢纽分布式粒度相适应的多主体协同优化调度模型,并给出了基于交替方向乘子法的分布式求解流程。针对两个耦合能量枢纽的电—气互联能源系统开展的算例测试结果验证了所述方法的有效性和准确性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
分布式协同优化论文参考文献
[1].吴俊杰.基于大数据的路口车流量分布式协同优化[J].兰州工业学院学报.2019
[2].文云峰,瞿小斌,肖友强,袁鹏,赵荣臻.耦合能量枢纽多区域电—气互联能源系统分布式协同优化调度[J].电力系统自动化.2019
[3].唐少虎,刘小明,朱伟,郑建春,尚春琳.基于多学科设计优化的路网交通分布式协同控制[J].控制与决策.2019
[4].瞿小斌.多主体决策环境下电—气能量流分布式协同优化调度研究[D].重庆大学.2018
[5].张彦,张涛,王锐,刘亚杰,郭波.基于模型预测控制的含多微电网的能源互联网分布式协同优化（英文）[J].自动化学报.2017
[6].瞿小斌,文云峰,叶希,李文沅.基于串行和并行ADMM算法的电—气能量流分布式协同优化[J].电力系统自动化.2017
[7].虞文武.多智能体系统分布式协同控制与优化的新挑战[C].2015年中国自动化大会摘要集.2015
[8].贾方超,姚佩阳,陈洁钰,王勃.多UAV集结任务的分布式协同与优化控制[J].电光与控制.2014
[9].文孟飞,彭军,朱正发,刘伟荣.交通网络车流量的分布式协同优化方法研究[J].小型微型计算机系统.2012
[10].蒋富,彭军,朱正发,范燕芬,刘伟荣.一种分布式协同优化的认知无线电网络频谱检测算法[J].铁道学报.2012