×

线性动力系统网络中的物理拓扑学习。 (英语) Zbl 1430.93090号

总结:从观察中学习动态相关过程网络中的影响路径在许多学科中都具有相当重要的意义。本文考虑了通过线性依赖进行动态交互的代理的影响网络。分析了一种基于多元维纳滤波的交互拓扑重构算法。研究表明,对于一类广泛而重要的相互作用,包括具有流守恒的物理系统,相互作用的拓扑可以是确切地恢复,即使是有色外源输入。通过对多个重要网络(包括共识网络、IEEE电力网络和基于EnergyPlus的建筑物热动力学模拟)的仿真和实验,说明了该方法的有效性。

MSC公司:

93B70型 网络控制
93B24型 拓扑方法
93二氧化碳 控制理论中的线性系统
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] 艾伦,F。;Babus,A.,《金融中的网络》,《网络挑战》,367-382(2009)
[2] Athay,T。;波德摩尔,R。;Virmani,S.,《直接分析暂态稳定性的实用方法》,IEEE电力设备和系统汇刊,2573-584(1979)
[3] Bach,F.R.,组套索和多核学习的一致性,机器学习研究杂志(JMLR),9,Jun,1179-1225(2008)·Zbl 1225.68147号
[4] 博洛尼亚,S。;Bof,N。;Michelotti,D。;穆拉罗,R。;Schenato,L.,通过电压相关性分析识别配电网拓扑,(IEEE决策与控制(2013),IEEE),1659-1664
[5] E.布尔摩尔。;Sporns,O.,《复杂脑网络:结构和功能系统的图论分析》,《自然评论神经科学》,2009年第10期,第3期,第186页
[6] 卡夫拉罗,G。;Arghandeh,R.,用时间序列特征验证方法检测配电网拓扑,IEEE电力系统交易,33,4,3500-3509(2018)
[7] Charbit,M.,《使用MATLAB进行数字信号和图像处理》(第666卷)(2010年),John Wiley&Sons
[8] Chiuso,A。;Pillonetto,G.,《稀疏动态网络识别的贝叶斯方法》,Automatica,48,8,1553-1565(2012)·Zbl 1267.93172号
[9] 乔杜里,S。;Crossley,P.,《微电网和有源配电网》(2009年),工程技术研究所
[10] Crawley,D.B。;佩德森,首席执行官。;劳里,L.K。;Winkelmann,F.C.,Energyplus:能源模拟程序,《ASHRAE期刊》,42,4,49(2000)
[11] Dahlhaus,R.,多元时间序列的图形交互模型1,Metrika,51,2157-172(2000)·Zbl 1093.62571号
[12] Deka,D。;巴克斯,S。;Chertkov,M.,《估算配电网拓扑:基于图形学习的方法》(电力系统计算会议(2016))
[13] Deka,D。;Chertkov,M。;Backhaus,S.,配电网结构学习,IEEE网络系统控制汇刊(2017)
[14] Deka,D.、Talukdar,S.、Chertkov,M.和Salapaka,M.V.(2017年)。大容量电网拓扑估计:精确恢复的保证。大容量电力系统动力学和控制研讨会(X)IREP研讨会。
[15] 多迪,H。;Talukdar,S。;Deka,D。;Salapaka,M.,多区域建筑热网的数据驱动识别,(IEEE第57届决策和控制年会,2018(2018),IEEE)
[16] DoE,U.,Energyplus工程参考,(参考Energypus计算(2010))
[17] 埃吉尔梅兹,H.E。;帕维兹,E。;Ortega,A.,《拉普拉斯和结构约束下数据的图形学习》,IEEE信号处理选定主题期刊,11,6,825-841(2017)
[18] Ellis,P.G。;Torcellini,P.A。;Crawley,D.B.,《能源设计插件:草图的能源plus插件》;预打印技术。众议员(2008),国家可再生能源实验室(NREL),科罗拉多州戈尔登(美国)
[19] 埃特萨米,J。;Kiyavash,N.,有向信息图:线性动力学图的推广,(2014年美国控制会议(2014),IEEE),2563-2568
[20] 弗里德曼,J。;哈斯蒂,T。;Tibshirani,R.,用图形套索进行稀疏逆协方差估计,生物统计学,9,3,432-441(2008)·Zbl 1143.62076号
[21] Giannakis,G.B。;沈毅。;Karanikolas,G.V.,图的拓扑识别和学习:非线性和动力学的解释,IEEE学报,106,5,787-807(2018)
[22] Gonçalves,J。;Warnick,S.,LTI网络动态结构重建的必要和充分条件,IEEE自动控制汇刊,53,7,1670-1674(2008)·Zbl 1367.93150号
[23] Gubner,J.A.,《电气和计算机工程师的概率和随机过程》(2006),剑桥大学出版社·Zbl 1134.60002号
[24] 哈斯蒂,T。;Tibshirani,R。;Wainwright,M.,《稀疏性统计学习:套索和归纳》(2015),CRC出版社·Zbl 1319.68003号
[25] 海登,D。;Chang,Y.H.先生。;贡卡尔维斯,J。;Tomlin,C.J.,《通过压缩感知实现稀疏网络可识别性》,Automatica,68,9-17(2016)·兹比尔1334.93051
[26] 黄,Y。;Benesty,J。;Chen,J.,声学MIMO信号处理(2006),Springer Science&Business Media·Zbl 1106.94003号
[27] Kibangou,A.Y。;Commault,C.,分散拉普拉斯特征值估计和协作网络拓扑识别,国际会计师联合会会议论文集,45,26,7-12(2012)
[28] Kundur,P。;新泽西州巴鲁。;Lauby,M.G.,《电力系统稳定性和控制》(第7卷)(1994年),纽约麦格劳-希尔出版社
[29] 马特拉西,D。;Salapaka,M.V.,《关于通过维纳滤波器的局部特性重建未知拓扑的问题》,IEEE自动控制事务,57,7,1765-1777(2012)·Zbl 1369.93642号
[30] 马特拉西,D。;Salapaka,M.V.,《动力系统定向非循环网络的重构》,(美国控制会议,2013(2013),IEEE),4687-4692
[31] 明绍森,N。;Bühlmann,P.,用套索选择高维图和变量,《统计年鉴》,1436-1462(2006)·Zbl 1113.62082号
[32] Morbidi,F。;Kibangou,A.Y.,网络重建问题的分布式解决方案,《系统与控制快报》,70,85-91(2014)·Zbl 1290.93009号
[33] Nabi-Abdolyousefi,M.,通过节点淘汰进行网络识别,(分布式系统中的可控性、识别和随机性(2014),Springer),17-29·Zbl 1352.93007号
[34] 努基,R.F。;Phadke,A.G.,《完全和不完全可观测性的相量测量单元布置技术》,IEEE电力传输汇刊,20,4,2381-2388(2005)
[35] Pearl,J.,《智能系统中的概率推理:似是而非推理网络》(1988),摩根·考夫曼
[36] Pearl,J.,《因果关系》(2009),剑桥大学出版社·Zbl 1188.68291号
[37] 佩雷拉,J。;易卜拉希米,M。;Montanari,A.,随机微分方程的学习网络,(神经信息处理系统的进展(2010)),172-180
[38] 普拉卡什,M。;Talukdar,S。;Attree,S。;雅达夫,V。;Salapaka,M.,存在延迟的分布式有限时间共识终止的Max-min算法(2016),ArXiv预印本ArXiv:1701.00021
[39] 奎因,C.J。;Kiyavash,N。;Coleman,T.P.,有向信息图,IEEE信息理论汇刊,61,12,6887-6909(2015)·兹比尔1359.94279
[40] 拉德基,P。;Hencey,B.,通过无迹卡尔曼滤波在线估算建筑热参数,(美国控制会议,2012(2012),IEEE),3056-3062
[41] 里德,M。;Simon,B.,《功能分析》(第一卷)(1980年),圣地亚哥学术出版社
[42] 雷恩德斯,G。;Diriken,J。;Saelens,D.,“灰箱模型和识别参数的质量与输入和观测信号精度的关系”,《能源与建筑》,第82期,第263-274页(2014年)
[43] Scott,J.,《社交网络分析》(2017),Sage
[44] 塞加拉,S。;Marques,A.G。;马特奥斯,G。;Ribeiro,A.,从频谱模板进行网络拓扑推断,IEEE网络信号和信息处理汇刊,3,3,467-483(2017)
[45] 塞加拉,S。;Schaub,M.T。;Jadbabaie,A.,《共识动态的网络推断》,(决策与控制(CDC),2017年IEEE第56届年会(2017年),IEEE),3212-3217
[46] 沙菲普尔,R。;塞加拉,S。;Marques,A.G。;Mateos,G.,从扩散的非平稳图形信号识别无向网络的拓扑(2018),ArXiv预印本ArXiv:1801.03862
[47] 沙赫拉穆尔,S。;Preciado,V.M.,通过功率谱分析进行定向动态网络的拓扑识别,IEEE自动控制汇刊,60,8,2260-2265(2015)·Zbl 1360.93729号
[48] Siami,M。;Bolouki,S。;巴米耶,B。;Motee,N.,《具有结构化网络不确定性的线性共识网络中的中心性度量》,IEEE网络系统控制事务,1(2017)
[49] 斯托伊卡,P。;Moses,R.L.,《信号频谱分析》(2005),皮尔逊-普伦蒂斯霍尔上鞍河:新泽西州皮尔逊-普伦蒂斯哈尔上鞍河·Zbl 1194.94009号
[50] Talukdar,S。;Deka,D。;Attree,S。;马特拉西,D。;Salapaka,M.V.,《学习无向共识网络的精确拓扑》(2017),ArXiv预印本ArXiv:1710.00032
[51] Talukdar,S。;Deka,D。;伦德斯特罗姆,B。;Chertkov,M。;Salapaka,M.V.,从环境动力学中学习环形电网的精确拓扑,(第八届未来能源系统国际会议论文集(2017),ACM),222-227
[52] Talukdar,S.、Deka,D.、Materassi,D.和Salapaka,M.V.(2017年)。径向动力系统的精确拓扑重构及其在电网配电系统中的应用。在美国控制会议上。
[53] 袁,Y。;斯坦,G.-B。;Warnick,S。;Goncalves,J.,鲁棒动态网络结构重建,Automatica,47,61230-1235(2011)·Zbl 1235.93077号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。