2021年4月2日学术报告

主题：网络系统分布式优化：从算法设计到具体应用，智能电网实时感知与分布式控制

时间：2021年4月2日，下午14:00-17:00

地址：物联网工程学院C317

摘要：

分布式优化算法只需通过本地计算和点对点的信息交互，便可在不依赖任何中心的情况下找到网络全局目标（通常是所有本地代价函数之和）的最优解，因此在具有去中心化特性的大规模信息物理网络系统（如大规模传感器网络）中得到了广泛的应用。另一方面，随着分布式微源系统和各种设备的广泛接入，对控制中心的通信能力和计算能力造成极大负担，研究实时性状态感知策略和分布式控制策略具有重要的现实意义。

基于上述背景，本次学术交流将重点介绍近期提出的几种新型分布式优化算法，这些算法不仅能以更快的速度收敛至全局最优值，而且在一定条件下可以和集中式算法的收敛性能相媲美。此外，将简要介绍分布式优化算法在多传感器信息融合、智能电网资源优化配置和分布式机器学习等诸多领域中的应用。最后，将针对智能电网实时感知和分布式控制方面，包含基于因果性分析的实时性PMU算法设计和智能电网分布式控制器设计等成果进行介绍。

专家简介：

陈积明，现为浙江大学信息学部副主任，浙江大学学术委员会委员，工业控制技术国家重点实验室副主任，浙江大学工业控制研究所所长。2000和2005年分别获浙江大学获学士和博士学位。2008-2010在加拿大滑铁卢大学访问，2010 年12月起被聘为浙江大学教授， 入选国家级人才。曾获国家科技进步二等奖、教育部自然科学一 等奖、教育部科技进步一等奖、中国青年科技奖、教育部霍英东青年教师奖等。2019年当选为IEEE Fellow，同年当选为中国自动化学会会士。是IEEE 车载技术学会Distinguished Lecturer（2015-2020）、会士评审委员会委员。

孟文超，浙江大学“百人计划”研究员。主要致力于智能控制、新能源及智能电网的研究，并取得了一系列研究成果。共发表学术论文30篇，其中在本领域国际主要期刊Automatica 和 IEEE 汇刊上，以第一作者发表(录用)论文15篇。研究工作受到国内外大量研究者关注，有多篇论文入选ESI高被引论文和ESI热点论文，并有1篇论文获得国际会议I-SPAN 2018最佳论文奖。 受邀担任IEEE Trans. Smart Grid等国际期刊编委（Associate Editor），国际SCI 期刊 Peer-to-Peer Networking and Application、 Energies客座编委。

徐金明，浙江大学“百人计划”研究员，博士生导师。2009年获山东大学机械工程学士学位；2016年获新加坡南洋理工大学电子信息工程博士学位。随后于2017-2018年和2018-2019年分别赴美国亚利桑那州立大学和普渡大学开展博士后研究工作；于2019年9月加入浙江大学控制科学与工程学院。长期致力于分布式优化和控制、机器学习、算法安全等领域的研究。主持国家自然科学基金青年、浙江省人才计划和企业技术合作等项目。在IEEE TAC、Automatica和AISTATS等本领域国际主要期刊和会议上发表论文20余篇，其中一项成果提出的梯度跟踪法解决了长期以来分布式优化算法无法在时变异步网络下达到线性收敛的难题，并得到分布式优化和机器学习领域学者的广泛采用。