多智能体系统由多个具有独立传感、计算、决策和执行能力的智能个体构成。通过个体之间的信息交互和相互作用，以分布式的工作模式完成复杂的协同任务。多智能体系统具有强鲁棒性、灵活性和易维护等优势。多智能体分布式控制理论和技术是解决数目庞大、形式多样的新能源发电控制和优化管理的基础。

肖峰课题组围绕多智能体系统强化学习、群体智能控制与优化和新能源电力系统的共性理论开展前沿研究，先后在自动控制与系统领域权威期刊IEEE Transactions on Automatic Control，IEEE Transactions on Cybernetics发表高水平科研论文5篇。近期，在国家自然科学基金项目的资助下，课题组在多智能体系统的事件驱动采样协同控制中取得重要研究成果，分别发表在IEEE Transactions on Automatic Control, 66:11, 5599-5605. IEEE Transactions on Cybernetics, 50:6, 2380-2388。

针对无速度信息和通讯资源受限的多个Euler–Lagrange系统构成的智能体系统，基于虚拟系统的信息交互，提出了新的事件驱动通讯策略完成多个Euler–Lagrange系统的协同任务。新的事件驱动策略仅仅在离散时刻传输虚拟系统的状态信息，极大降低状态测量和信息传输的成本。同时，论文对信息传输中存在时滞的情形进行分析，得到事件驱动控制关于时滞鲁棒性条件。为了防止在有限的时间内出现无穷次采样，论文从理论上排除了所设计的事件驱动控制方法不会出现Zeno行为，保证新的事件驱动控制策略能够支撑实际应用。面向Kuramoto振子网络同步周期和异步非周期采样设计和理论分析中的挑战，提出同步周期相对相位更新的采样控制方法，在同步周期更新机制下建立保证振子网络一致趋同的充分条件。为了放宽所有数据需同时更新的要求，设计了事件驱动异步更新策略。在理论证明中，同步分析不依赖于平衡点处的线性化技术，采取Lyapunov稳定性理论和非光滑分析的方法突破了振子网络同步吸引区域的估计。