【文题】：

分布式信息能源系统理论与应用专题序言

【作者】：

张化光, 孙宏斌, 刘德荣, 王剑辉, 孙秋野

【摘要】：

【全文链接】：

http://www.aas.net.cn/cn/article/id/ba649489-99b0-45da-8be0-ed223160bd8e

【引用格式】：

Zhang Hua-Guang, Sun Hong-Bin, Liu De-Rong, Wang Jian-Hui, Sun Qiu-Ye. Introduction to the special session on theory and application of distributed information energy systems. Acta Automatica Sinica, 2020, 45(9): 1767−1769

(张化光, 孙宏斌, 刘德荣, 王剑辉, 孙秋野. 分布式信息能源系统理论与应用专题序言. 自动化学报, 2020, 46(9): 1767−1770)

http://www.aas.net.cn/cn/article/id/ba649489-99b0-45da-8be0-ed223160bd8e

【文题】：

基于局部 − 整体相关特征的多单元化工过程分层监测

【作者】：

姜庆超, 颜学峰

【摘要】：

针对一类多单元化工过程的监测问题, 提出基于局部−整体相关特征的分层故障检测与故障定位方法, 通过表征单元内部变量相关性、单元与单元间相关性、局部单元与过程整体相关性, 对过程运行状态进行判断, 以提升过程监测的准确性与可靠性. 首先, 采用典型相关分析, 通过引入邻域单元相关变量提取每个单元的独有特征和外部相关特征; 其次, 对每个单元的独有特征和所有单元的外部相关特征建立统计模型实现分层故障检测; 然后, 建立单元−变量分层贡献图, 对故障单元以及故障变量实现分层定位. 通过在Tennessee Eastman仿真过程和一个实验室级甘油精馏过程中的应用说明所提分层监测方法的有效性.

【全文链接】：

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190671

【引用格式】：

Jiang Qing-Chao, Yan Xue-Feng. Hierarchical monitoring for multi-unit chemical processes based on local-global correlation features. Acta Automatica Sinica, 2020, 46(9): 1770−1782

(姜庆超, 颜学峰. 基于局部 − 整体相关特征的多单元化工过程分层监测. 自动化学报, 2020, 46(9): 1770−1782)

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190671

【文题】：

基于关联信息对抗学习的综合能源系统运行状态分析方法

【作者】：

胡旭光, 马大中, 郑君, 张化光, 王睿

【摘要】：

综合能源系统(Integrated energy system, IES)运行状态分析常以广泛化信息技术应用提供的数据为支撑, 然而传感器故障、网络通信中断等信息异常导致的数据缺失会直接影响数据质量. 在考虑数据缺失的情况下, 本文提出了一种基于关联信息对抗学习的综合能源系统运行状态分析方法. 首先构建深度生成对抗网络(Generative adversarial network, GAN)对数据缺失部分进行可靠性补偿. 在设计生成器结构过程中, 通过引入系统拓扑邻接矩阵对生成器输入数据进行优化排序, 进而在训练过程中采用设计的多属性融合生成器损失函数, 促使生成器进一步得到高精度补偿数据. 接着将判别器提取的不同时刻完整能源数据的特征作为基础, 采用浅层特征分布及深层特征信息差异值融合判断, 从而实现系统运行状态分析. 最后对不同数据缺失补偿及不同类型节点改变情况进行仿真, 验证了本文所提方法的可行性与有效性.

【全文链接】：

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c200171

【引用格式】：

Hu Xu-Guang, Ma Da-Zhong, Zheng Jun, Zhang Hua-Guang, Wang Rui. An operation state analysis method for integrated energy system based on correlation information adversarial learning. Acta Automatica Sinica, 2020, 46(9): 1783−1797

(胡旭光, 马大中, 郑君, 张化光, 王睿. 基于关联信息对抗学习的综合能源系统运行状态分析方法. 自动化学报, 2020, 46(9): 1783−1797)

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c200171

【文题】：

基于稀疏学习的微电网负载建模

【作者】：

平作为, 何维, 李俊林, 杨涛

【摘要】：

微电网由负载、储能系统和分布式电源互联集成到能源系统中, 微电网系统可以作为一个整体系统与电网并行运行或以孤岛模式运行. 负载建模是微电网运行和管理中的一个基本问题. 本文着重解决以下两个关键问题: 1)协调负载模型结构的合理性和简洁性; 2)负载模型参数的校准. 与常规负载建模方法不同, 本文提出了一类数据驱动建模方法以同时实现负载模型结构选择和参数校准. 具体地, 该方法从量测数据中稀疏学习静态负载模型和动态负载模型, 其关键方法分别来自于稀疏贝叶斯学习方法和交替方向方法, 即从一组备选非线性字典函数中稀疏学习最主要的非线性项以平衡数据拟合度并实现模型学习. 所提出的方法将机器学习与稀疏表示相结合, 旨在对负载模型从物理角度提供机理解释并向配电网系统操作员提供有关负载的动态信息. 在孤岛微电网测试系统中验证并评估了所提出的算法. 研究测例表明所提出算法从量测数据中实现负载稀疏学习的合理性和对于噪声的鲁棒性.

【全文链接】：

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c200154

【引用格式】：

Ping Zuo-Wei, He Wei, Li Jun-Lin, Yang Tao. Sparse learning for load modeling in microgrids. Acta Automatica Sinica, 2020, 46(9): 1798−1808

(平作为, 何维, 李俊林, 杨涛. 基于稀疏学习的微电网负载建模. 自动化学报, 2020, 46(9): 1798−1808)

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c200154

【文题】：

智能船舶综合能源系统及其分布式优化调度方法

【作者】：

滕菲, 单麒赫, 李铁山

【摘要】：

船舶航运污染是阻碍海洋经济发展、海洋强国建设的瓶颈问题. 智能船舶为航运业绿色环保发展提供了重要手段. 为进一步开发船载新能源, 提升能源综合利用效率, 降低船舶航运污染排放, 本文构建以能量优化调度系统为核心、以能源转换中心为枢纽的智能船舶综合能源系统; 考虑其特有的动力系统负荷需求、航行低污染排放量标准以及电−热多能流耦合供能特性, 建立智能船舶综合能源系统能量优化调度目标函数及相关约束条件; 并基于宽度学习、带有广义噪声的多智能体分布式优化相关理论, 提出可快速准确地预测全航程各时段负荷需求、可容纳复杂干扰的分布式优化调度方法, 实现高效的智能船舶综合能源系统能量优化调度, 保障智能船舶经济、可靠、稳定航行. 仿真分析验证了所提出智能船舶综合能源系统分布式优化调度方法的有效性.

【全文链接】：

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c200176

【引用格式】：

Teng Fei, Shan Qi-He, Li Tie-Shan. Intelligent ship integrated energy system and its distributed optimal scheduling algorithm. Acta Automatica Sinica, 2020, 46(9): 1809−1817

(滕菲, 单麒赫, 李铁山. 智能船舶综合能源系统及其分布式优化调度方法. 自动化学报, 2020, 46(9): 1809−1817)

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c200176

【文题】：

分布式多区域多能微网群协同AGC算法

【作者】：

席磊, 周礼鹏

【摘要】：

综合能源多区域协同是电网发展趋势, 而核心问题是采用何种方法对多区域进行协同. 本文基于Q ( σ )融入了资格迹及双重Q学习, 提出一种面向多区域多能微网群的多智能体协同控制算法, 即DQ ( σ, λ ), 避免传统强化学习动作探索值高估的同时, 来获取分布式多区域的协同. 通过对改进的IEEE两区域负荷频率控制模型及三区域多能微网群自动发电控制(Automatic generation control, AGC)模型仿真, 结果表明, 与传统方法相比, 所提算法具有快速收敛性和更优动态性能, 能获得分布式多区域多能微网群的协同.

【全文链接】：

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c200105

【引用格式】：

Xi Lei, Zhou Li-Peng. Coordinated AGC algorithm for distributed multi-region multi-energy micro-network group. Acta Automatica Sinica, 2020, 46(9): 1818−1830

(席磊, 周礼鹏. 分布式多区域多能微网群协同 AGC算法. 自动化学报, 2020, 46(9): 1818−1830)

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c200105

【文题】：

基于异步动态事件触发通信策略的综合能源系统分布式协同优化运行方法

【作者】：

李玉帅, 李天义, 高炜, 高文忠

【摘要】：

研究综合能源系统的协同能源管理问题, 并提出了一种基于异步动态事件触发通信策略的分布式梯度算法来解决该问题. 通过引入外部辅助变量并设计有效的触发机制, 该方法可以使得每个参与者仅在必要时刻以离散且异步的方式与邻居产生通信交互, 实现了连续通信的离散替代化. 同时, 该方法并不要求全局同步时钟, 具有更强的灵活性. 此外, 本文也在理论上证明了算法的全局收敛性. 最后, 仿真结果验证了所提方法的有效性.

【全文链接】：

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c200172

【引用格式】：

Li Yu-Shuai, Li Tian-Yi, Gao Wei, Gao Wen-Zhong. Distributed collaborative optimization operation approach for integrated energy system based on asynchronous and dynamic event-triggering communication strategy. Acta Automatica Sinica, 2020, 46(9): 1831−1843

(李玉帅, 李天义, 高炜, 高文忠. 基于异步动态事件触发通信策略的综合能源系统分布式协同优化运行方法. 自动化学报, 2020, 46(9): 1831−1843)

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c200172

【文题】：

绿色能源互补智能电厂云控制系统研究

【作者】：

夏元清, 高润泽, 林敏, 任延明, 闫策

【摘要】：

针对现代电力系统中设施庞杂、多源异构海量数据难以有效处理、“信息孤岛”长期存在以及整体优化调度管理能力不足等问题, 基于云控制系统理论, 以智能电厂为研究对象, 本文提出了智能电厂云控制系统(Intelligent power plant cloud control system, IPPCCS)解决方案. 基于智能电厂云控制系统, 针对绿色能源发电波动性强、抗扰能力差的问题, 利用机器学习算法对采集到的风电、光伏输出功率进行短时预测, 获知未来风、光机组功率输出情况. 在云端使用经济模型预测控制(Economic model predictive control, EMPC)算法, 通过实时滚动优化得到水轮机组的功率预测调度策略, 保证绿色能源互补发电的鲁棒性, 充分消纳风、光两种能源, 减少水轮机组启停和穿越振动区次数, 在为用户清洁、稳定供电的同时降低了机组寿命损耗. 最后, 一个区域云数据中心的供电算例表明了本文方法的有效性.

【全文链接】：

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190581

【引用格式】：

Xia Yuan-Qing, Gao Run-Ze, Lin Min, Ren Yan-Ming, Yan Ce. Green energy complementary based on intelligent power plant cloud control system. Acta Automatica Sinica, 2020, 46(9): 1844−1868

(夏元清, 高润泽, 林敏, 任延明, 闫策. 绿色能源互补智能电厂云控制系统研究. 自动化学报, 2020, 46(9): 1844−1868)

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190581