电子病历(Electronic Medical Records,EMRs)共享对辅助诊断和提升医疗服务质量具有重大意义,但数据共享过程中的隐私泄露风险和数据安全隐患常使数据持有方拒绝共享.在保障数据安全的基础上激励数据持有方可信共享,打破数据孤岛,成为...电子病历(Electronic Medical Records,EMRs)共享对辅助诊断和提升医疗服务质量具有重大意义,但数据共享过程中的隐私泄露风险和数据安全隐患常使数据持有方拒绝共享.在保障数据安全的基础上激励数据持有方可信共享,打破数据孤岛,成为学术界的重要研究内容.针对该问题,提出基于联盟链和Stackelberg博弈的EMRs分布式共享模型,通过联盟链的去中心化特性与Stackelberg博弈策略优化机制来实现数据的安全高效共享及用户信息的隐私保护.首先搭建联盟链架构,通过多方参与者协作实现EMRs数据可信、安全共享.其次,运用Stackelberg博弈理论分析共享过程中的决策冲突,设计激励机制,保障各方数据共享过程中的合理回报.设计目标函数描述数据提供者利润最大化和消费者效用最大化的激励目标,利用交替方向乘子法(Alternating Direction Multiplier Method,ADMM)的分解特性与快速收敛性分布式求解函数以适应大规模机构间的病历共享需求.最后,模型通过凝聚层次聚类(Agglomerative Hierarchical Clustering,AHC)算法对共识节点聚类,改进传统区块链的PBFT共识算法为AHC⁃PBFT算法,提升数据共享效率,减少通信开销.实验表明,和传统的区块链共享模型相比,提出的共享模型可以提供安全的EMRs管理与交易服务,降低医疗节点间数据共享的通信开销和时延,提高吞吐量,增进医疗机构及相关部门间的数据可信共享.展开更多
无人机辅助联邦学习受限于地面用户计算能力与参与积极性。为此,文中提出博弈优化算法,构建多无人机-多用户协同的区块链联邦学习系统,引入区块链激励机制。采用DBSCAN(Density-Based Spatial Clustering of Applications with Noise)...无人机辅助联邦学习受限于地面用户计算能力与参与积极性。为此,文中提出博弈优化算法,构建多无人机-多用户协同的区块链联邦学习系统,引入区块链激励机制。采用DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法对用户分簇,无人机激励用户上传数据并本地训练,再由选举出的无人机聚合全局模型。构建Stackelberg博弈数据交易模型,无人机(领导者)制定奖励策略,用户(追随者)确定数据上传方案,分别设计双方效用函数(含奖励、能耗等因素)。通过模拟退火算法优化追随者发射功率,将领导者优化问题拆分为三个子问题,分别用粒子群、理论推导和黄金分割法求解最优无人机位置、CPU频率及奖励分配比,最终求得博弈均衡解。仿真验证,该算法可有效提升数据采集效率与联邦学习性能。展开更多
This paper proposes a novel framework based on the Stackelberg game and deep reinforcement learning for multi-microgrids(MGs)in achieving peer-to-peer(P2P)energy trading.A multi-leaders,multi-followers Stackelberg gam...This paper proposes a novel framework based on the Stackelberg game and deep reinforcement learning for multi-microgrids(MGs)in achieving peer-to-peer(P2P)energy trading.A multi-leaders,multi-followers Stackelberg game is utilized to model the P2P energy trading process.Stackelberg equilibrium(SE)is regarded as a P2P optimal trading strategy.A two-stage privacy protection solution technique combining data-driven and model-driven is developed to obtain the SE.Specifically,energy storage scheduling problem in MGs is formulated as a Markov decision process with discrete periods,and a multi-action single-observation deep deterministic policy gradient(MASO-DDPG)algorithm is proposed to tackle optimal scheduling of energy storage in the first stage.According to optimal scheduling of energy storage,the closed-form expression for SE based on model-driven is derived,and distributed SE solution technique(DSET)is developed to obtain SE in the second stage.Case studies involving a 4-Microgrid demonstrate the P2P electricity price obtained by the two-stage method,as a novel pricing mechanism,can reasonably regulate microgrid operation mode and improve microgrid income participating in the P2P market,which verifies effectiveness and superiority of the proposed P2P energy trading model and two-stage solution method.展开更多
随着电网中新能源渗透率的增加,传统火电机组调频已无法满足电能质量需求。针对多源场景中传统自动发电控制系统区域控制误差较大的问题,提出一种基于Stackelberg博弈与改进深度神经网络(Stackelberg game and improved deep neural net...随着电网中新能源渗透率的增加,传统火电机组调频已无法满足电能质量需求。针对多源场景中传统自动发电控制系统区域控制误差较大的问题,提出一种基于Stackelberg博弈与改进深度神经网络(Stackelberg game and improved deep neural network,S-DNN)的多源调频协调策略。首先,设计一种改进多层次深度神经网络(deep neural network,DNN),由DNN层、自然梯度提升层、最小二乘支持向量机层顺序递进完成预测、评价、执行动作,输出总调频功率指令。该多层次总调频功率输出模型考虑新能源渗透率对调频系统的动态影响,充分学习历史信息与实时状态中更多的特征,提高了时序调频指令精度。然后基于Stackelberg博弈理论,考虑多源调频特征与协同作用,优化各调频源间的功率分配,提高系统二次调频的经济性。最后,通过算例分析验证了提出的多源调频协调策略的有效性。与传统调频方法相比,所提出的S-DNN多源调频协调策略可有效降低区域控制误差与频率偏差,并降低调频成本。展开更多
文摘电子病历(Electronic Medical Records,EMRs)共享对辅助诊断和提升医疗服务质量具有重大意义,但数据共享过程中的隐私泄露风险和数据安全隐患常使数据持有方拒绝共享.在保障数据安全的基础上激励数据持有方可信共享,打破数据孤岛,成为学术界的重要研究内容.针对该问题,提出基于联盟链和Stackelberg博弈的EMRs分布式共享模型,通过联盟链的去中心化特性与Stackelberg博弈策略优化机制来实现数据的安全高效共享及用户信息的隐私保护.首先搭建联盟链架构,通过多方参与者协作实现EMRs数据可信、安全共享.其次,运用Stackelberg博弈理论分析共享过程中的决策冲突,设计激励机制,保障各方数据共享过程中的合理回报.设计目标函数描述数据提供者利润最大化和消费者效用最大化的激励目标,利用交替方向乘子法(Alternating Direction Multiplier Method,ADMM)的分解特性与快速收敛性分布式求解函数以适应大规模机构间的病历共享需求.最后,模型通过凝聚层次聚类(Agglomerative Hierarchical Clustering,AHC)算法对共识节点聚类,改进传统区块链的PBFT共识算法为AHC⁃PBFT算法,提升数据共享效率,减少通信开销.实验表明,和传统的区块链共享模型相比,提出的共享模型可以提供安全的EMRs管理与交易服务,降低医疗节点间数据共享的通信开销和时延,提高吞吐量,增进医疗机构及相关部门间的数据可信共享.
文摘无人机辅助联邦学习受限于地面用户计算能力与参与积极性。为此,文中提出博弈优化算法,构建多无人机-多用户协同的区块链联邦学习系统,引入区块链激励机制。采用DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法对用户分簇,无人机激励用户上传数据并本地训练,再由选举出的无人机聚合全局模型。构建Stackelberg博弈数据交易模型,无人机(领导者)制定奖励策略,用户(追随者)确定数据上传方案,分别设计双方效用函数(含奖励、能耗等因素)。通过模拟退火算法优化追随者发射功率,将领导者优化问题拆分为三个子问题,分别用粒子群、理论推导和黄金分割法求解最优无人机位置、CPU频率及奖励分配比,最终求得博弈均衡解。仿真验证,该算法可有效提升数据采集效率与联邦学习性能。
基金supported in part by the Fundamental Research Funds for the Central Universities(No.2020YJS162).
文摘This paper proposes a novel framework based on the Stackelberg game and deep reinforcement learning for multi-microgrids(MGs)in achieving peer-to-peer(P2P)energy trading.A multi-leaders,multi-followers Stackelberg game is utilized to model the P2P energy trading process.Stackelberg equilibrium(SE)is regarded as a P2P optimal trading strategy.A two-stage privacy protection solution technique combining data-driven and model-driven is developed to obtain the SE.Specifically,energy storage scheduling problem in MGs is formulated as a Markov decision process with discrete periods,and a multi-action single-observation deep deterministic policy gradient(MASO-DDPG)algorithm is proposed to tackle optimal scheduling of energy storage in the first stage.According to optimal scheduling of energy storage,the closed-form expression for SE based on model-driven is derived,and distributed SE solution technique(DSET)is developed to obtain SE in the second stage.Case studies involving a 4-Microgrid demonstrate the P2P electricity price obtained by the two-stage method,as a novel pricing mechanism,can reasonably regulate microgrid operation mode and improve microgrid income participating in the P2P market,which verifies effectiveness and superiority of the proposed P2P energy trading model and two-stage solution method.
文摘随着电网中新能源渗透率的增加,传统火电机组调频已无法满足电能质量需求。针对多源场景中传统自动发电控制系统区域控制误差较大的问题,提出一种基于Stackelberg博弈与改进深度神经网络(Stackelberg game and improved deep neural network,S-DNN)的多源调频协调策略。首先,设计一种改进多层次深度神经网络(deep neural network,DNN),由DNN层、自然梯度提升层、最小二乘支持向量机层顺序递进完成预测、评价、执行动作,输出总调频功率指令。该多层次总调频功率输出模型考虑新能源渗透率对调频系统的动态影响,充分学习历史信息与实时状态中更多的特征,提高了时序调频指令精度。然后基于Stackelberg博弈理论,考虑多源调频特征与协同作用,优化各调频源间的功率分配,提高系统二次调频的经济性。最后,通过算例分析验证了提出的多源调频协调策略的有效性。与传统调频方法相比,所提出的S-DNN多源调频协调策略可有效降低区域控制误差与频率偏差,并降低调频成本。
