2. 北京理工大学自动化学院, 北京 100081;
3. 浙江大学控制科学与工程学院, 浙江 杭州 310058
2. School of Automation, Beijing Institute of Technology, Beijing 100091, China;
3. College of Control Science and Engineering, Zhejiang University, Hangzhou 310058, China
0 引言
当前,信息物理系统(cyber-physical system,CPS)作为支撑信息化和工业化深度融合的综合技术体系,受到广泛的关注,其技术研发和应用推广发展迅速. 2017年3月《信息物理系统白皮书》的发布,更是明确了CPS的定位和发展方向.随着CPS系统规模和复杂性的增加,物理空间中的多个物理实体通过网络相互连接,在计算、通信和控制方面相互融合形成网络化CPS,并应用于电力网络、集群智能机器人等领域.
网络化CPS本质上是分布式的,并具有开放性、动态性、异构性等特点.面对上述结构特点,其优化运行过程中亟需解决以下问题:
(1) 如何基于全局范围内的状态感知、信息交互、实时分析,实现系统内各单元之间的自组织协同优化;
(2) 在松散耦合、开放互联的网络化系统结构下,利用实时数据动对系统内各单元进行状态监控与故障诊断;
(3) 面对实际网络化CPS高混杂、大规模、协同自治的网络环境,确保这类系统的安全免受恶意攻击.上述问题的解决,对于促进我国CPS技术和应用的提升与进步具有重要意义,本期专刊报道了在这一领域的最新成果.
1 CPS系统优化与控制问题的核心当前,信息物理系统(cyber-physical system,CPS)作为支撑信息化和工业化深度融合的综合技术体系,受到广泛的关注,其技术研发和应用推广发展迅速. 2017年3月《信息物理系统白皮书》的发布,更是明确了CPS的定位和发展方向.随着CPS系统规模和复杂性的增加,物理空间中的多个物理实体通过网络相互连接,在计算、通信和控制方面相互融合形成网络化CPS,其中既包含了由计算与通信带来信息网络化,也包含了各组成子系统间相互连接耦合带来的物理网络化. CPS中的每个系统构成一个自主的控制系统实现局部的系统性能,在此基础上通过各分布式节点间的关联与信息交互,将各子系统统一为一个整体,从而能够更加高效地实现协同、优化、决策等复杂整体系统功能,因此对CPS的分布式实时优化决策理论方法的研究就成为其核心科学为题[1-3].
典型的CPS在实际工程系统中有着广泛的应用行业与领域,比如智能电网[4]、传感器网络[5]、多智能体网络[6]、供水网络[7]等.以图 1所示的分布式能源系统为例,大量结构异质的发电、储能以及负载单元广泛地分布在整个能源网络的各供/耗电节点上,各能量单元间通过电力网络以及通信网络在物理与信息两个层面上相互耦合,并实时地进行信息以及能量交互.针对大规模CPS,如何对系统中的众多节点进行协同与优化,从而实现网络整体的性能最优,保障系统的安全高效运行,是这一类系统在应用中亟待解决的关键问题.
2 CPS系统优化与传统方法的区别与传统控制系统相比,CPS具有以下特点:
1) 复杂性:网络化系统往往由数量众多的子系统组成,按一定拓扑规律形成一个复杂的网络化结构;
2) 分布性:由于系统规模巨大,各子系统及相关的决策单元往往分布在不同节点中,构成网络化的分布式系统结构;
3) 多尺度性:网络中的各分布节点由于结构异质,运行速率与维数不同,通常具有不同的时间、空间尺度;
4) 协同性:各子系统通过信息交互共同实现单一子系统难以完成的整体任务;
5) 实时性:由于网络化系统内部不断地实时通讯,导致海量数据不断产生,需要对系统的性能进行不断地实时优化.
随着信息技术的不断发展,网络化系统已成为了学术界目前研究的热点问题,由于其覆盖了一大类大规模系统,其理论本身有着重要的科学意义与应用价值.此外,作为学术界目前研究关注的一个热点领域,信息物理系统(CPS)其实质是针对大规模物理系统(前面提到的智能电网、传感器网络、多智能体网络、供水网络等)叠加了互联的信息网络构成的,通过对物理系统信息的采集、传输、协同和优化,达到整体系统优化运行的目标[8-9],本质上也属于具有不同尺度的网络化系统.因此,对网络化系统的研究也将丰富CPS这一前沿研究领域的理论成果,系统地解决其中所共同涉及的科学难题,具有重要的学术价值.
3 CPS系统优化问题解决的途径与策略系统性能的优化是动态系统中的核心问题之一,关系到系统能否安全、平稳、高效地运行[10],一直以来受到学术界和工业界的广泛关注.然而网络化系统由于其自身的特点,其优化问题存在2个难点:
1) 网络化系统由于维数高、节点多,其性能优化往往需要极高的计算复杂度,在工程上难以实施;
2) 网络化系统由于其内在结构的分布特性,传统的集中式优化方法在物理上难以实现,而分布式优化方法则能够较好地解决网络化大系统优化中存在的这些问题.
从本质上来说,分布式优化是通过各子系统之间的相互合作协调,从而有效地实现优化的任务,其优点在于:一方面,能够将集中式的优化问题分解为若干子优化问题,从而并行高效地求解原有的大规模复杂问题;另一方面,充分考虑到了大系统本身分布式特性,便于算法在实际系统中实现.除此之外,由于网络化系统各节点之间往往存在通信限制、通讯安全等问题,因此在很多实际应用场合,通过各节点间有限的信息交互进行分布式优化也成为了保障网络化系统安全、高效运行中的内在要求[11].
虽然网络化系统的分布式优化决策在理论与实际两个方面都有着重要意义,但这方面现有的研究依然存在诸多局限,具体体现在:
1) 局限于相对简单的优化问题,难以处理动态耦合的复杂约束;
2) 仅适用于规模较小的系统,对大规模系统求解的实时性不能满足;
3) 仅适用于静态的网络结构,对网络结构的变化缺乏适应性.
而这些问题恰恰是实际的网络化系统所面临的关键难题.以图 1所示的分布式能源微网为例,是由多个分布式电源、储能装置以及复杂装置按照一定的拓扑结构组成的网络化系统,是智能电网的重要组成部分,其中的能量调度与管理本质上是一个网络化系统的分布式优化问题[12].由于微网中存在的功率以及频率约束,使得整个系统处于一个动态耦合的工作环境中[13].此外,由于系统可能存在的故障以及随时可能接入或者下线的负载,都会起网络结构以及系统的运行条件的变化[14],因此对优化方法的实时性与适应性也有着较高的要求.现有的优化方法很难综合的解决上述实际问题.
在学术界,网络化环境对系统性能和优化的影响也是控制系统理论目前研究的一个重点. IEEE汇刊从21世纪初起已经连续针对网络化系统的控制与优化多次出版了相应的专刊[15].尤其是在2014年,IEEE控制系统协会专门针对网络化系统创办了新期刊《IEEE Transactions on Control of Network Systems》,与此同时,IEEE计算机协会也同样在2014年创办了新期刊《IEEE Transactions on Network Science and Engineering》致力于网络化系统理论的发展.此外,我国发展改革委与能源局最近联合发布的《能源生产和消费革命战略(2016—2030)》也把“坚持分布式和集中式并举,以分布式利用为主”作为实现能源革命的任务之一[18],这也进一步对分布式优化决策的基础理论提出了更高的要求.综上所述,本项目研究的面向大型网络化系统的分布式实时优化决策理论,是目前学术界所聚焦且亟待完善的问题,也是与众多工业生产过程密切相关的问题,具有重要的科学价值与经济、社会效益.
本期“网络化CPS的优化、监控与安全”专刊共刊出18篇论文,都是近期在CPS系统的基础理论和应用方面的最新成果,涉及到CPS系统:
1) 网络系统结构分析;
2) 多智能体系统;
3) 分布式控制、估计与优化;
4) 无线传感器/执行器网络控制;
5) 异常检测、故障诊断与容错控制;
6) 信息物理攻击下CPS建模;
7) 网络控制系统信息物理攻击检测与安全控制;
8) 典型工业过程网络化CPS应用等诸多方面,供广大读者研究参考.
4 进一步需要研究的方向作为网络化系统中的核心问题之一,其优化问题直接关系到网络化系统的运行效率与安全,自网络化系统的概念被提出以来就一直都为学术界所持续、广泛关注,也是进一步研究的热点问题.主要表现在:
1) 优化运筹理论成果较多,针对系统动态特性的优化运行理论缺乏CPS本质上是一个信息与物理状态不断变化的复杂动态系统,其中的优化问题也需要考虑实时变化的系统动态情况,这是该问题的一个鲜明特点.但现有优化理论的研究,尤其是分布式优化理论,大多数考虑的是静态的优化问题,而这些动态变化不但会影响优化问题的可行性,同时也会影响优化问题的求解过程,是在工程应用中不可避免的实际问题.
2) 考虑信息交互的理论成果较多,针对子系统间物理耦合的研究缺乏CPS不仅仅是子系统间信息交互的网络化,更存在着物理实体间相互耦合而形成的网络化,有着复杂的动力学特点.因此,针对CPS的分布式优化算法需要将各子系统间的物理耦合考虑进去,如何对复杂动态约束条件下的CPS进行优化目前依然缺乏理论基础.
3) 面向简单任务协同的成果较多,针对复杂任务共识决策的研究缺乏CPS优化问题中的优化目标往往具有复杂性和多目标性.然而现有的研究大多仅虑了相对简单的优化目标,由于各子系统完成整体目标的过程中难免会有资源或是其他约束条件上的冲突,因此需要在优化问题的基础上对各子系统间的行为进行协调,其本质上是一个子系统间复杂任务的共识决策问题,这一方向上的研究目前依然十分匮乏.
4) 针对大型动态在线优化问题,现有优化算法缺乏实时性CPS特点在于子系统众多、内部拓扑结构复杂,而对各个子系统而言其内部的动力学特性往往是非线性的,因此,其对应的优化问题具有很高的维度,如何在工程可实现的前提下实时求解这样一个大规模多目标非线性混杂优化问题,是当前研究中存在的一个主要问题.
5) 针对CPS结构突变与不确定性,现有的优化算法缺乏适应性此外,现有的CPS优化方法大多是基于网络结构固定的前提下进行的.然而在实际复杂网络中,由于节点间存在的通讯故障、网络攻击等都会造成网络系统结构的突变,这也会进而导致原有针对理想情况的优化算法失去最优性.因此,如何针对网络结构的突变与不确定性,设计相应的自适应优化算法,在多模态下进行合理的切换与协调,也是目前研究所没有太多涉及的关键问题.
[1] | Li S Y, Zheng Y. Distributed predictive control for plant-wide systems[M]. Hoboken, NJ, USA: John Wily and Son Publisher, 2015. |
[2] |
魏永松, 郑毅, 李少远, 等.
面向大规模网络化系统的分布式预测控制[J]. 控制理论与应用, 2017, 34(8): 997–1007.
Wei Y S, Zheng Y, Li S Y. Distributed predictive control for large-scale networked systems[J]. Control Theory & Applications, 2017, 34(8): 997–1007. |
[3] |
夏元清.
云控制系统及其面临的挑战[J]. 自动化学报, 2016, 42(1): 1–12.
Xia Y Q. Cloud control systems and their challenges[J]. Acta Automatica Sinica, 2016, 42(1): 1–12. |
[4] | Singh A K, Singh R, Pal B C. Stability analysis of networked control in smart grids[J]. IEEE Transactions on Smart Grid, 2015, 6(1): 381–390. DOI:10.1109/TSG.2014.2314494 |
[5] | Rawat P, Singh K D, Chaouchi H, et al. Wireless sensor networks:A survey on recent developments & potential synergies[J]. Journal of Supercomputing, 2014, 68(1): 1–48. DOI:10.1007/s11227-013-1021-9 |
[6] | Ren W, Cao Y. Distributed coordination of multi-agent networks:Emergent problems, models, and issues[M]. Berlin, Germany: Springer, 2010. |
[7] | Foo D C Y. State-of-the-art review of pinch analysis techniques for water network synthesis[J]. Industrial & Engineering Chemistry Research, 2009, 48(11): 5125–5159. |
[8] | Lee E A, Seshia S A. Introduction to embedded systems:A cyber-physical systems approach[M]. Cambridge, MA, USA: MIT Press, 2016. |
[9] | Lee J, Bagheri B, Kao H A. A cyber-physical systems architecture for Industry 4.0-based manufacturing systems[J]. Manufacturing Letters, 2015, 3: 18–23. DOI:10.1016/j.mfglet.2014.12.001 |
[10] | Floudas C A, Pardalos P M. Recent advances in global optimization[M]. Princeton, NJ, USA: Princeton University Press, 2014. |
[11] | Sandberg H, Amin S, Johansson K. Cyberphysical security in networked control systems:An introduction to the issue[J]. Control Systems IEEE, 2015, 35(1): 20–23. DOI:10.1109/MCS.2014.2364708 |
[12] | Khodaei A, Bahramirad S, Shahidehpour M. Microgrid planning under uncertainty[J]. IEEE Transactions on Power Systems, 2015, 30(5): 2417–2425. DOI:10.1109/TPWRS.2014.2361094 |
[13] | Ou T C, Hong C M. Dynamic operation and control of microgrid hybrid power systems[J]. Energy, 2014, 66(2): 314–323. |
[14] | Rezvani A, Gandomkar M, Izadbakhsh M, et al. Environmental/economic scheduling of a micro-grid with renewable energy resources[J]. Journal of Cleaner Production, 2015, 87: 216–226. DOI:10.1016/j.jclepro.2014.09.088 |
[15] | Bushnell L G. Special section on networks and control[J]. IEEE Control Systems Magazine, 2001, 21(1): 22–23. DOI:10.1109/MCS.2001.898789 |
[16] | Antsaklis P, Baillieul J. Guest editorial special issue on networked control systems[J]. IEEE Transactions on Automatic Control, 2004, 49(9): 1421–1423. DOI:10.1109/TAC.2004.835210 |
[17] | Antsaklis P, Baillieul J. Special issue on technology of networked control system[J]. Proceeding of the IEEE, 2007, 95(1): 5–8. DOI:10.1109/JPROC.2006.887291 |
[18] | 中华人民共和国国家发展与改革委员会. 国家能源局: 《能源生产和消费革命战略(2016-2030)》[EB/OL]. 2016-12-01[2018-01-02]. http://www.ndrc.gov.cn/fzgggz/fzgh/ghwb/gjjgh/201705/W020170517397451808076.pdf. |