文献类型：期刊文章

作　　者：贾庆山[1] 杨玉[1] 夏俐[1] 管晓宏[1,2]

JIA Qing-Shan;YANG Yu;XIA Li;GUAN Xiaohong(Center for Intelligent and Networked Systems, Department of Automation, Tsinghua University, Beijing 100084, China;State Key Laboratory for Intelligent Network and Network Security of Ministry of Education,Xi’an Jiaotong University, Xi’an Shaanxi 710049, China)

机构地区：[1]清华大学自动化系智能与网络化系统研究中心,北京100084 [2]西安交通大学智能网络与网络安全教育部重点实验室,陕西西安710049

出　　处：《控制理论与应用》

基　　金：国家重点研发计划(2016YFB0901900);国家自然科学基金项目(61673229;61174072;61222302;91224008;61221063;U1301254)资助~~

年　　份：2018

卷　　号：35

期　　号：1

起止页码：32-40

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：许多实际系统具有事件驱动的特性,即系统状态的动态演化由一系列离散事件触发,这类系统称为离散事件动态系统(discrete event dynamic system,DEDS).针对这类系统的性能优化,本文介绍一种基于事件的优化模型(event-based optimization,EBO).该模型的典型特征是基于事件采取决策,与马尔科夫决策过程(Markov decision process,MDP)基于状态的决策方法相比具有如下几个方面的优点:一是一个事件通常对应一组具有相同特征的状态转移的集合,系统的事件数目往往远小于状态数,因此可利用系统的事件特征实现性能势集结,缓解问题的维数灾难题;二是许多实际系统只要求在特定事件发生时采取行动,对于这类系统,马尔科夫决策过程难以有效利用系统的结构信息.具体而言,马尔科夫决策过程要求不同状态下的决策独立,而系统的同一个事件通常对应着多种不同状态,难以利用相同事件可采取相同决策的结构特点.本文以马尔科夫决策过程为基础,重点围绕3个方面展开:一是介绍基于事件优化模型的基本概念及其理论和应用发展;二是介绍事件优化模型中基于性能势或事件Q因子的策略迭代算法;三是以建筑微电网中分布式风力发电供给电动汽车充电的协调优化问题为例,探讨基于事件的优化模型在能源互联网系统(energy internet)中的应用前景.

关 键 词：事件驱动  性能势 事件Q因子  性能差分  仿真优化  能源互联网

分 类 号：TP273]