基于混沌加密的鲁棒压缩分布式经济调度算法及系统
本发明属于智能电网,提供一种基于混沌加密的鲁棒压缩分布式经济调度算法及系统。
背景技术:
1、在智能电网发展的起步阶段,系统结构相对简单,经济调度问题主要依赖传统的集中式调度方法即可高效解决。
2、随着现代电网规模的蓬勃发展与海量分布式能源的接入,系统日益呈现出显著的去中心化趋势。传统的集中式算法在处理这类庞大且复杂的全局调度任务时逐渐力不从心,无法满足现代电网日益增长的实际需求。于是,研究人员开始将目光转向分布式架构这一新兴技术领域,并在经济调度中展开了深入的探索。
3、在传统的集中式调度架构中,底层发电设备负责采集数据,并将这些信息集中传输至中央控制器进行统一计算。然而,当底层设备数量庞大时,数据的集中上传会产生极大的通信瓶颈,且对中央控制器的计算能力提出了严苛要求。更为致命的是,一旦中央控制器发生故障,整个调度系统将全面瘫痪。
4、相比之下,分布式调度架构则有着显著的优势。在这种架构下,电网内的各发电单元地位平等,仅需通过底层通信网络利用本地信息与相邻节点进行交互协作。无需中央控制单元干预,各节点即可协同获取满足全局约束的最优解。这种机制不仅有效规避了单点故障的风险,提升了系统的韧性与稳健性,还显著降低了集中式的计算负载。鉴于集中式架构的不足与分布式架构的优势,分布式策略已在现代电网资源优化中得到了日益广泛的应用。
5、然而,随着智能电网应用场景的持续扩展,实际调度面临的网络环境与约束条件日益复杂。早期的分布式经济调度策略多局限于理想的无向通信网络,且其核心框架高度依赖于严格的凸性假设。
6、在真实的物理电网中,一方面,受制于通信链路的物理限制,节点间的信息交换往往呈现出不对称的有向拓扑结构;另一方面,由于非线性设备的广泛存在,系统通常表现出高度的非凸特性。这使得现有基于无向通信与严格凸假设的算法在应对复杂电网环境时难以适用,成为制约该技术深入应用的一大瓶颈。
7、此外,尽管分布式架构避免了集中传输的开销,但在节点数量不断增加的情况下,节点间频繁交互所带来的通信开销与隐私安全风险仍不容忽视。
8、在算法层面,现有技术尝试引入动量加速机制或通信压缩框架来提升效率与降低负担,但往往未能将自适应动量技术与高效的通信压缩深度结合以应对有向非凸场景。在安全层面,现有的同态加密或状态分解等防御手段易受复杂攻击,且必然产生巨大的额外通信开销。相比之下,混沌加密虽能兼顾安全性与估计精度,但其在复杂电网调度中的融合应用尚不成熟。最后,当前诸多先进的调度算法仍停留在理论层面,极度缺乏依托现场可编程门阵列等并行计算硬件开展的高速仿真与系统验证。
9、综上所述,现有技术存在的问题如下:
10、1、现有结合自适应步长技术的分布式优化算法通常假设通信网络是无向的,从而高度依赖对称的双随机矩阵进行信息交互,难以直接适用于实际电力系统中链路受限且具有明确方向性的非平衡有向网络;
11、2、现有传统分布式经济调度算法在频繁的迭代交互过程中,极易受制于高昂的通信带宽开销,且大规模网络下的收敛速度往往受限,导致其难以在实际的大规模智能电网或微电网群中进行部署;
12、3、现有分布式算法在节点进行高频次的信息交互时,缺乏底层的安全防护机制,核心运行参数极易暴露在通信链路中,存在极高的数据隐私泄露风险。
技术实现思路
1、有鉴于此,本发明的目的在于提供一种基于混沌加密的鲁棒压缩分布式经济调度算法,旨在解决上述现有技术中存在的三个问题。
2、为达到上述目的,本发明提供了如下技术方案:
3、一种基于混沌加密的鲁棒压缩分布式经济调度算法,用于有向网络下的分布式经济调度,包括:
4、根据网络拓扑构建有向网络,并根据该非平衡有向网络构建行随机矩阵和列随机矩阵用于各个发电机间的通信;
5、设置四维的超混沌洛伦兹系统并结合异或加密机制,构建轻量化混沌加密策略,以在发电机节点通信前对压缩数据进行加密处理,且接收端在获取数据后,依据同步密钥对密文进行解密还原,进而完成后续的系统状态更新;
6、初始化各个发电机的变量,该变量包括本地估计变量、梯度跟踪变量,通信压缩辅助变量,动态缩放变量,一阶动量变量和二阶动量变量,且初始化混动密钥;
7、在每次迭代中,每个发电机节点采用自适应动量策略,利用一阶动量项追踪历史梯度信息,并依据二阶动量项自适应调节迭代步长,随后完成本地估计变量的更新;
8、拉取邻居节点推送的密文信息,并利用同步密钥对所述密文进行解密还原,基于解密后的数据完成本地估计变量与通信压缩辅助变量的计算与更新;
9、拉取邻居节点推送的密文信息,并利用同步密钥对所述密文进行解密还原,基于解密后的数据完成梯度跟踪变量与通信压缩辅助变量的计算与更新,更新随迭代衰减的动态缩放变量以及混沌密钥。
10、进一步,所述有向网络下的分布式经济调度为:
11、;
12、其中,表示全局发电情况,是发电机的单独输出值,是局部闭合且凸的可行集;而是仅生成器所知的局部成本函数;和分别表示各发电机的最小和最大发电容量;对于任意,目标函数需要满足以下假设:
13、每个局部成本函数均为强凸函数,即和满足:
14、 ;
15、其中,,表示局部梯度;在相对内部区域中至少存在一个点满足供需平衡约束条件,其中。
16、进一步,构建非平衡有向网络及通信权重矩阵的方式如下:
17、构建非平衡有向网络;
18、其中表示非平衡有向网络的发电机集,表示边集;
19、如果发电机能够直接向发电机发送消息,则边;
20、和分别表示发电机的内邻居集和外邻居集;
21、如果,那么该网络是不平衡的;
22、令表示网络的行随机加权矩阵,表示矩阵的第行第列的元素,如果,则,否则;
23、表示网络的列随机加权矩阵,如果,则,否则;
24、该网络满足以下假设:
25、非平衡有向网络是强连通的,且每个发电机均存在自环;通信矩阵满足是行随机,为列随机矩阵。
26、可以依据以下规则构造行随机矩阵和列随机矩阵:
27、;
28、式中,和分别表示发电机的入度和出度;
29、该算法使用的无偏通信压缩器满足以下假设:
30、压缩器是无偏的,且压缩算子:
31、;
32、及其变体
33、;
34、其中的各个常数满足:,,。
35、为求解全局约束的经济调度问题,首先构建其对偶问题,并将其转化为基于共识的分布式优化问题。拉格朗日函数定义如下:
36、;
37、其中,,表示拉格朗日乘子向量;此时对偶函数为:
38、;
39、其中是对这一对函数的凸共轭函数:
40、;
41、因此,分布式经济调度问题的对偶形式可表述为:
42、;
43、这可以重新表述为一个基于共识的分布式优化问题:
44、;
45、其中,表示发电机的对偶目标函数;基于强凸性与利普希茨连续梯度之间的fenchel对偶关系,的强凸性意味着具有光滑性,并且满足凸共轭的上确界条件;根据丹斯金定理,的梯度为:
46、;
47、由此我们可推导出对偶梯度表达式为:
48、;
49、强凸性与slater条件假设确保了强对偶性及唯一的原始最优解。通过基于共识的分布式优化问题,我们可得,并利用fenchel-young等式从对偶变量中恢复原始变量;因此,求解基于共识的分布式优化问题等价于求解分布式经济调度问题,我们重点研究针对该对偶问题的分布式算法;
50、该算法的对偶目标函数满足以下假设:
51、全局对偶目标函数满足条件,其中为常数;即对于所有。
52、进一步, 所述在每次迭代中,每个发电机节点采用自适应动量策略,利用一阶动量项追踪历史梯度信息,并依据二阶动量项自适应调节迭代步长,随后完成本地估计变量的更新包括:
53、将所有发电机的迭代次数设置为1,并设置一个最大迭代次数作为算法停止更新的准则;
54、将依据网络拓扑生成的行列随机矩阵和作为网络通信时的权重参数并分发到每个发电机,建立算法的推拉通信框架;
55、根据目标函数的利普希茨连续系数l、自适应步长的剪切界和、发电机数量,计算下面的所有辅助常数用于确定迭代步长和压缩控制参数的选择范围:
56、;
57、;
58、;
59、;
60、;
61、;
62、;
63、;
64、;
65、;
66、;
67、;
68、;
69、;
70、;
71、;
72、;
73、;
74、;
75、;
76、;
77、;
78、;
79、;
80、;
81、;
82、;
83、;
84、;
85、;
86、;
87、;
88、其中,为行随机通信矩阵的特征值为1的左特征向量;
89、为列随机通信矩阵特征值为1的右特征向量;
90、是由可逆矩阵,分别诱导得到的向量范数,对于任何向量满足,;
91、是使得诱导范数,满足,的常数;
92、是使得的通信矩阵和分别满足不等式和的常数,其中,是投影矩阵,,,是单位矩阵,是任何可能的常数;
93、,是与压缩器有关的常数;
94、根据上述计算得到的辅助常数以及利普希茨连续系数、自适应步长的剪切界和、发电机数量、行随机通信矩阵的特征值为1的左特征向量,列随机通信矩阵特征值为1的右特征向量、常数,,,,压缩控制参数选择范围计算方式如下:
95、;
96、;
97、;
98、根据上述计算得到的辅助常数以及利普希茨连续系数、自适应步长的剪切界和、发电机数量、行随机通信矩阵的特征值为1的左特征向量,列随机通信矩阵特征值为1的右特征向量、常数,,,,迭代步长的选择范围计算方式如下:
99、;
100、其中,
101、;
102、;
103、;
104、;
105、;
106、;
107、每个发电机使用历史动量变量和历史梯度追踪变量按如下公式更新一阶动量变量,建立算法的收敛加速机制,加快算法的收敛速率:
108、 ;
109、其中,常数为指数移动平均参数,用于控制动量下降速率;
110、每个发电机使用历史梯度追踪变量,按如下公式更新二阶动量变量,建立算法对于梯度稀疏场景的鲁棒性:
111、;
112、;
113、;
114、其中,函数为剪切函数,用于将的范围限制在,,避免极端值的影响;
115、函数根据传入的值构造对角矩阵;用于控制指数衰减速率;
116、每个发电机使用更新后的一阶动量变量及二阶动量变量按照迭代步长更新中间变量:
117、 。
118、进一步, 所述拉取邻居节点推送的密文信息,并利用同步密钥对所述密文进行解密还原,基于解密后的数据完成本地估计变量与通信压缩辅助变量的计算与更新,包括:
119、每个发电机向每个入邻居拉取解密压缩后的本地估计信息,其中,动态缩放变量通过随迭代衰减,可以有效地控制绝对压缩误差的累积;
120、发电机解密并重构接收到的信息,进而更新其与本地估计变量相关的通信压缩辅助变量:
121、;
122、;
123、;
124、;
125、其中,是一个控制辅助变量更新速率的正常数,有助于减轻压缩带来的误差累积;矩阵是行随机的,确保非平衡有向网络中的一致性;
126、发电机按照如下公式更新本地估计变量和原始变量:
127、;
128、;
129、其中,是一个正常数用于控制局部估计的共识调整,是由发电机容量约束条件所限定的局部梯度。
130、进一步,所述拉取邻居节点推送的密文信息,并利用同步密钥对所述密文进行解密还原,基于解密后的数据完成梯度跟踪变量与通信压缩辅助变量的计算与更新,更新随迭代衰减的动态缩放变量以及混沌密钥包括:
131、计算中间梯度变量,;其中,所述中间梯度变量用于使算法能够有效追踪全局梯度信息,进而驱动系统各节点达成全局共识;
132、每个发电机向每个出邻居拉取解密压缩后的本地估计信息,其中;
133、每个发电机解密并重构接收到的信息,进而更新其与梯度跟踪变量相关的通信压缩辅助变量:
134、;
135、;
136、;
137、;
138、其中,是一个控制辅助变量更新速率的正常数,有助于减轻压缩带来的误差累积;矩阵是列随机的,确保非平衡有向网络中的一致性;
139、每个发电机更新梯度跟踪变量:
140、;
141、其中,是一个正常数用于控制局部估计的共识调整;
142、各个发电机更新动态缩放变量和混沌密钥:
143、;
144、
145、其中,,是两个正常数。
146、根据上述算法,本发明还提供了一种基于混沌加密的鲁棒压缩分布式经济调度系统,所述系统包括:
147、网络构建模块,用于有向网络下的分布式经济调度,根据网络拓扑构建非平衡有向网络并根据该有向网络构建行随机矩阵和列随机矩阵,以用于各个发电机间的通信;
148、混沌加密模块,用于引入四维超混沌洛伦兹系统并结合异或加密机制,构建轻量化混沌加密策略,以及在通信网络中对信息加密和解密;
149、初始化预处理模块,用于初始化所有发电机的变量,包括本地估计变量,梯度跟踪变量,通信压缩辅助变量,动态缩放变量,一阶动量变量,二阶动量变量以及初始化混沌密钥;
150、自适应动量模块,用于在每次迭代中,每个发电机节点采用自适应动量策略,利用一阶动量项追踪历史梯度信息,并依据二阶动量项自适应调节迭代步长,随后完成本地估计变量的更新;
151、本地信息压缩模块,用于拉取邻居节点推送的密文信息,并利用同步密钥对所述密文进行解密还原为,并基于解密后的数据完成本地估计变量与通信压缩辅助变量的计算与更新;
152、梯度信息压缩模块,用于拉取邻居节点推送的密文信息,并利用同步密钥对所述密文进行解密还原为,并基于解密后的数据完成梯度跟踪变量与通信压缩辅助变量的计算与更新,以及更新随迭代衰减的动态缩放变量和混沌密钥;
153、输出模块,用于判断达到预设的最大迭代次数时,输出全局最优估计变量。
154、本发明的有益效果是:
155、在推拉式有向网络通信框架下,创新性地融合了梯度追踪技术,各发电机节点无需构建严格的双向对称通信链路即可完成全局信息的有效追踪,从而成功突破了有向通信网络下的高效优化难题,放宽了算法对底层通信拓扑的严格限制,极大提升了其在复杂实际电网环境中的适用范围;
156、将自适应动量加速机制与鲁棒通信压缩技术相融合,在利用动量项自适应调整步长以提升算法收敛速率的同时,大幅压缩了节点间交互的数据量,不仅显著降低了系统高频通信带来的带宽负担,还保证了更快的收敛精度,其在复杂物理工程场景中的切实可靠性与高效性已通过fpga底层硬件平台得到了充分验证。
157、引入了基于混沌加密的底层防护策略,即rcdadt-ce算法,在发电机节点通信前对交互的本地数据及梯度追踪信息进行加密处理,因此能够在不牺牲算法收敛精度、不注入额外扰动噪声的前提下,有效抵御外部通信截获,大幅降低了系统隐私泄露的风险,实现了分布式经济调度与底层数据安全防护的高效统一。
158、本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com