[论文解读] Optimal Sensor and Actuator Placement in Complex Dynamical Networks

Tyler Summers, John Lygeros|arXiv (Cornell University)|Jun 11, 2013

Model Reduction and Neural Networks参考文献 20被引用 7

一句话总结

本文提出了一种高效的方法，通过利用基于可控制性与可观测性Gramian度量的模块化结构，实现复杂动态网络中传感器与执行器的最优配置。研究表明，任意线性函数下的Gramian矩阵的迹是一个模块化集合函数，从而可通过贪心算法实现全局优化；该方法在欧洲电网模型的HVDC执行器配置中得到验证，相较于暴力搜索方法表现出显著的性能提升。

ABSTRACT

Controllability and observability have long been recognized as fundamental structural properties of dynamical systems, but have recently seen renewed interest in the context of large, complex networks of dynamical systems. A basic problem is sensor and actuator placement: choose a subset from a finite set of possible placements to optimize some real-valued controllability and observability metrics of the network. Surprisingly little is known about the structure of such combinatorial optimization problems. In this paper, we show that an important class of metrics based on the controllability and observability Gramians has a strong structural property that allows efficient global optimization: the mapping from possible placements to the trace of the associated Gramian is a modular set function. We illustrate the results via placement of power electronic actuators in a model of the European power grid.

研究动机与目标

• 解决在大规模复杂动态网络中选择最优传感器与执行器配置的挑战。
• 识别可控制性与可观测性度量的结构性质，以实现高效全局优化。
• 为大规模网络开发一种计算上可行的方法，以应对暴力搜索不可行的问题。
• 提出一种基于控制能量效率的新动态网络中心性度量。
• 在真实世界电力系统案例研究中展示该方法的有效性。

提出的方法

• 本文证明了从执行器/传感器配置子集到可控制性或可观测性Gramian矩阵迹的映射是一个模块化集合函数。
• 利用该模块化特性，通过贪心算法实现全局优化，该算法可保证对模块化函数找到最优解。
• 该方法基于线性系统理论，通过线性时不变（LTI）系统与状态空间表示 $ \dot{x} = Ax + Bu $ 建模网络动态。
• 采用可控制性Gramian $ W_c = \int_0^\infty e^{At}BB^Te^{A^Tt}dt $ 作为评估控制能量效率的关键度量。
• 该方法应用于具有148个状态和2701个可能的HVDC执行器配置位置的欧洲电网线性化模型。
• 定义了一种新的中心性度量——平均能量可控制性中心性，用于根据节点对低能量可控制性的贡献度来分配其重要性。

实验结果

研究问题

• RQ1 基于Gramian的可控制性与可观测性度量是否能在大规模网络中实现高效优化？
• RQ2 优化问题的哪些结构性质使得全局最优解能够高效求得？
• RQ3 Gramian迹函数的模块化结构如何简化传感器与执行器的配置？
• RQ4 不同的加权方案对电力系统中最优配置有何影响？
• RQ5 该方法是否可推广至电力系统以外的其他网络类型？

主要发现

• 从执行器配置到可控制性Gramian矩阵迹的映射是一个模块化集合函数，从而可通过贪心选择实现精确的全局优化。
• 在欧洲电网模型中，10个HVDC执行器的最优配置显著提升了可控制性，最优配置方案的Gramian迹远高于随机或次优选择。
• 最优配置并非均匀分布；相反，它们聚集在低连通区域（如东南部），表明稀疏区域需要更强的网络控制能力。
• 当频率动态被赋予更高权重时（即 $ C = I_{74} \otimes [0, 1] $），最优配置在全网中分布更加均匀，表明该方法对度量加权选择具有敏感性。
• 该方法在大规模网络中具有高效可扩展性，避免了从2701个位置中选择10个配置所产生的约 $ \sim 5.6 \times 10^{27} $ 种组合，该规模对暴力搜索不可行。
• 所提出的平均能量可控制性中心性度量为每个节点分配了一个基于控制能量的优先级评分，从而实现对全网配置候选的优先排序。