Distributed Model Predictive Load Frequency Control of Multi-area Power System with DFIGs

Reliable load frequency control LFC is crucial to the operation and design of modern electric power systems. Considering the LFC problem of a four-Area interconnected power system with wind turbines, this paper presents a distributed model predictive control DMPC based on coordination scheme. The proposed algorithm solves a series of local optimization problems to minimize a performance objective for each control area. The generation rate constraints GRCs, load disturbance changes, and the wind speed constraints are considered. Furthermore, the DMPC algorithm may reduce the impact of the randomness and intermittence of wind turbine effectively. A performance comparison between the proposed controller with and without the participation of the wind turbines is carried out. Analysis and simulation results show possible improvements on closed-loop performance, and computational burden with the physical constraints. © 2014 Chinese Association of Automation.

Distributed model predictive control for multiagent systems with improved consistency

This paper addresses an improved distributed model predictive control （DMPC） scheme for multiagent systems with an attempt to improving its consistency. The deviation between what an agent is actually doing and what its neighbors believe that agent is doing is penalized in the cost function of each agent. At each sampling instant the compatibility constraint of each agent is set tighter than the previous sampling instant. Like the traditional approach, the performance cost is utilized as the Lyapunov function to prove closed-looped stability. The closed-loop stability is guaranteed if the weight matrix for deviation in the cost function are sufficiently large. The proposed distributed control scheme is formulated as quadratic programming with quadratic constraints. A numerical example is given to illustrate the effectiveness of the proposed scheme.

基于DMPC的无信控交叉口智能网联车辆多车协同轨迹规划

为了解决智能网联自动驾驶环境下无信控十字交叉口多车协同通行的冲突问题,该文提出了一种基于分布式模型预测控制(DMPC)的多车协同轨迹规划方法。采用分布式模型预测框架实现多车协同轨迹规划的分布式独立计算,利用滚动时域预测周车轨迹实现车-车未来状态交互,基于智能网联环境车-车交互通信功能实现规划结果共享;引入道路边界约束、加速度约束与碰撞约束等车辆安全约束条件,通过二次规划求解可以安全通行十字路口的多车轨迹;基于MATLAB驾驶场景生成模块建立无信控十字交叉口环境,并在2种场景下验证了该方法的有效性。结果表明:在直行工况和左转工况下多车间最小距离分别为2.58 m和2.99 m,均满足避撞的安全距离约束,实现了多车之间的协同避撞并且能够保证通行效率。

基于视线协同和DMPC的载机-防御弹群协同主动防御制导策略

在目标-攻击弹-防御弹群(target-attacker-defenders,TADs)系统中,防御弹群通过与目标(载机)异构协同、弹群间同构协同以保护载机并降低单弹脱靶的风险。针对TADs系统在二维平面下的协同主动防御模型进行了研究,采用机/弹协同和防御弹群协同的两层制导策略。在机弹协同方面,防御弹领弹与载机进行异构协同,考虑载机及防御弹领弹的机动能力限制,采用协同视线制导律(cooperative line of sight guidance,CLOSG)分别得到载机和防御弹领弹的制导指令;在防御弹群协同方面,考虑单弹计算能力约束,拦截时间约束和加速度约束,设计出基于分布式模型预测控制(distributed model predictive control,DMPC)的算法实现弹群从弹和防御弹领弹协同同时抵达并拦截攻击弹。仿真结果表明,多防御弹协同一致拦截制导算法能够实现TADs系统中载机和防御弹群的异构协同主动防御,并实现防御弹群的一致性同时拦截,以降低单弹脱靶的风险。

基于DMPC的多机械臂协同操作控制

针对多机械臂协作搬运中的编队稳定性和协同控制优化问题,提出了一种基于迭代线性二次型调节器(iLQR)的分布式预测控制算法(DMPC)。首先,对机械臂动力学模型中的末端接触力进行受力分析,从而得到机械臂的状态空间模型。其次,通过定义多机械臂系统的刚性编队约束来维持搬运途中编队结构的稳定。然后,将编队约束整合到DMPC的代价函数中用于建立约束最优化问题,并利用iLQR算法求解优化问题。最后,仿真实验验证了所提算法的有效性。

基于奖惩阶梯型碳价机制的能源枢纽低碳优化策略

为进一步降低碳排放水平以及源-荷不确定性对系统运行的影响,文中提出一种基于奖惩阶梯型碳价机制和分布式模型预测控制(distributed model predictive control,DMPC)的能源枢纽(energy hub,EH)日前-日内-实时多时间尺度低碳优化调度策略。引入奖惩阶梯型碳价计算方法,构建EH日前低碳优化调度模型,并制定基于DMPC的日内滚动和实时调整的反馈闭环优化策略,降低源-荷预测误差,提高传统模型预测控制(model predictive control,MPC)的求解效率。在日内阶段,构建以阶梯型碳成本、运行成本和储能调整惩罚成本之和最小为目标的日内滚动优化模型;在实时阶段,分解整体优化问题,建立基于DMPC的多智能体实时调整模型。算例结果表明,文中所提策略能够有效提升系统经济效益,降低源-荷不确定性,实现EH的低碳经济、稳定可靠运行。

Distributed Economic MPC for Synergetic Regulation of the Voltage of an Island DC Micro-Grid

In this paper,distributed model predictive control(DMPC) for island DC micro-grids(MG) with wind/photovoltaic(PV)/battery power is proposed,which coordinates all distributed generations(DG) to stabilize the bus voltage together with the insurance of having computational efficiency under a real-time requirement.Based on the feedback of the bus voltage,the deviation of the current is dispatched to each DG according to cost over the prediction horizon.Moreover,to avoid the excessive fluctuation of the battery power,both the discharge-charge switching times and costs are considered in the model predictive control(MPC) optimization problems.A Lyapunov constraint with a time-varying steady-state is designed in each local MPC to guarantee the stabilization of the entire system.The voltage stabilization of the MG is achieved by this strategy with the cooperation of DGs.The numeric results of applying the proposed method to a MG of the Shanghai Power Supply Company shows the effectiveness of the distributed economic MPC.

CBF-Based Distributed Model Predictive Control for Safe Formation of Autonomous Mobile Robots

A distributed model predictive control(DMPC)method based on robust control barrier function(RCBF)is developed to achieve the safe formation target of multi-autonomous mobile robot systems in an uncertain disturbed environment.The first step is to analyze the safety requirements of the system during safe formation and categorize them into collision avoidance and distance connectivity maintenance.RCBF constraints are designed based on collision avoidance and connectivity maintenance requirements,and security constraints are achieved through a combination.Then,the specified safety constraints are integrated with the objective of forming a multi-autonomous mobile robot formation.To ensure safe control,the optimization problem is integrated with the DMPC method.Finally,the RCBF-DMPC algorithm is proposed to ensure iterative feasibility and stability while meeting the constraints and expected objectives.Simulation experiments illustrate that the designed algorithm can achieve cooperative formation and ensure system security.

基于分布式模型预测控制的城轨列车协同控制方法研究

围绕城市轨道交通列车高密度追踪控制问题,研究基于分布式模型预测控制(DMPC)的列车协同控制方法。首先,对列车进行受力分析并建立列车运行的状态空间模型,在此基础上提出系统控制目标并设计控制策略;其次,在保证行车安全的前提下,基于DMPC设计考虑位置、速度和加速度等前车动态行为的列车一致性协同控制方法,并应用李雅普诺夫稳定性定理对该系统的稳定性进行分析和验证;最后,结合北京地铁11号线西段线路,对提出的列车协同控制方法进行仿真验证。试验结果表明:提出的列车协同控制方法能够在保障列车安全运行的前提下,使列车间的状态达到一致,且具有良好的同步性。将本方法与跟随控制方法进行对比分析,结果表明:采用协同控制方法能够使列车间隔和速度差更小,满足城轨列车高密度追踪控制要求。

基于运动目标预测的多无人机分布式协同搜索

多无人机(unmanned aerial vehicle,UAV)协同搜索是多UAV协同一个重要研究方向。随着战场环境的复杂化,UAV对动态时敏目标的搜索显得尤为重要。针对动态时敏目标的运动特性,首先建立动态时敏目标的运动预测模型,为了降低由于目标运动造成的不确定性以及优化UAV的搜索性能,在采用贝叶斯理论对目标存在概率进行更新的基础上,研究了一种基于高斯分布的目标转移概率密度,通过计算得到动态时敏目标的存在预测概率,然后合理建立UAV协同搜索的性能指标函数,在分布式模型预测控制框架下,将多UAV集中式在线优化问题转化为各架UAV的分布式在线优化问题,最后对性能指标函数进行优化求解。通过仿真验证了所提方法的有效性。

基于纳什议价的无人机编队自主重构控制方法

针对任务环境下携带不同载荷的无人机(Unmanned aerial vehicles,UAVs)组成的编队,为实现无人机间的相互支援和补充而进行编队重构控制,运用多目标多人博弈理论,将其转化为纳什谈判过程.结合分布式模型预测控制(Distributed model predictive control,DMPC)方法,设计一种基于纳什谈判的分布式预测控制(Nash bargaining solution-DMPC,NBS-DMPC)算法求解该问题,并对算法收敛性进行了证明.仿真实验表明,该算法能够有效控制编队自主重构,实现编队无人机间的威胁规避和协同保护,同时能够有效降低无人机编队自主重构控制问题的求解规模.

网络信息模式下分布式系统协调预测控制

工业系统中广泛存在一类由多个相互关联的子系统组成的大系统.尽管分布式控制结构的性能没有集中式控制好,但由于其具有较高的灵活性和容错性,相对于集中控制更加适合控制上述系统.在保持容错性的情况下如何提高系统的整体性能是分布式控制的一个难点问题.本文提出了一种分布式预测控制(Distributed model predictive control,DMPC)方法,该方法通过在各子系统预测控制器的性能指标中加入输入变量对其下游子系统的影响的二次函数,来扩大分布式预测控制的协调度,进而在不增加网络连通度,不改变系统容错性的前提下,提高系统的性能.另外,本文给出了基于该协调策略的带输入约束的分布式预测控制器的设计方法,在初始可行的前提下,该方法相继可行并可保证系统渐近稳定.

通信延迟条件下无人机编队重构的自主安全控制

多架无人机协同执行任务是未来网络化战场上的一种重要作战要求,然而复杂战场环境的变化极大地影响无人机编队的生存能力.为了自主安全地实现复杂战场环境中存在通信延迟的无人机编队重构控制,构建基于分层结构的无人机编队重构的自主安全控制架构.然后,提出一种基于纳什谈判的分布式预测控制(Nash bargaining solution-distributed model prediction control,NBS–DMPC)的新方法.针对存在通信延迟的问题,设计了基于信息滤波算法的信息补偿方法.最后,仿真实验表明所提算法能够自主安全地控制无人机编队重构并能有效降低问题的求解规模.同时仿真结果也验证了所提信息滤波算法在通信时延下的有效性.

基于串联结构的分布式模型预测控制

分布式模型预测控制(Distributed model predictive control,DMPC)是一类用十多输入多输出的人规模系统的控制方式.每个智能体通过相互协作完成整个系统的摔制.已有的分布式预测摔制算法可以划分为迭代式算法和非迭代算法:迭代算法在迭代到收敛情况下,具有集中式预测控制(Centralized model predictive control,CMPC)算法的性能,但迭代次数过多,子系统问通信量人;非迭代算法不需要迭代,但性能有一定损失.本文提出了一种基十串联结构的非迭代分布式预测控制算法.本文算法在串联结构系统中可以有效减少计算量,并结合氧化铝碳分解(Alumina continuous carbonationdecomposition process,ACCDP)这一串联过程,通过仿真验证了算法的有效性;同时分析了算法运用在串联结构下的性能并证明了其稳定性.

航空集群协同搜索马尔可夫运动目标方法

针对航空集群执行未知区域的协同搜索任务,提出一种分布式模型预测控制(distributed model predictive control,DMPC)下的贪婪迭代决策方法。该方法首先建立航空集群飞行器的运动模型,对其运动特性进行分析,而后采用搜索信息图模型,描述未知环境下动态目标随搜索过程变化的变化趋势;再用马尔可夫链表征目标隐潜运动,对其进行预测;最后在DMPC的基础上,采用随机决策序列下的贪婪迭代算法进行问题求解。并对所提方法的稳定性和收敛性进行分析。同时通过设计仿真实验,验证了该方法的可行性和优越性。

基于分布式预测控制的地铁列车运行调整

列车运行调整在城市轨道交通中起着重要作用,但现有的列车运行调整研究大多数是基于集中控制的。随着列车的快速发展和实时控制的需求,使用列车控制(VBTC)技术,本文研究了基于分布式模型预测控制(DMPC)的列车调度问题。首先给出地铁环线列车运行调整框架,假设每列车都是自组织的,并且和前车都能通信;接着建立基于DMPC列车运行调整优化问题,并设计相应的算法;随后通过仿真实验对所提方法的有效进行了验证,实验表明该方法与集中式控制方法相比,计算成本显著降低。

面向海上目标搜索任务的多无人机协同航路优化

提出了一种面向多无人机(unmanned aerial vehicle,UAV)协同搜索海上目标任务的航路优化方法。首先,分析多无人机协同航路优化问题的基本要素模型。然后,在对各UAV独立维护的目标概率图信息进行探测更新的基础上,采用状态预测一致性算法实现目标概率图信息的快速融合。最后,同时考虑局部搜索收益与未来搜索收益,采用分布式模型预测控制(distributed model predictive control,DMPC)方法优化各UAV的搜索航路。仿真结果表明,本研究提出的方法具有较高的搜索效率,可有效应用于海上目标的快速搜索任务,具有重要的应用价值。

改进Quatre算法的无人机编队快速集结方法

为了提高多无人机在编队集结过程中的稳定性,提出基于改进拟仿射类进化(improved quasi-affine transformation evolutionary,IQuatre)算法的无人机编队集结方法。首先,基于分布式模型预测控制(distributed model predictive control,DMPC)建立无人机编队的运动预测模型,通过预测无人机的“未来态”规避编队内碰撞风险,滚动优化的数学模型提高了无人机到达指定位置的稳定性,使得无人机更好、更快地加入编队飞行;其次,对Quatre算法进行种群优化改进,将携带最优基因的父代个体有选择性地加入子代种群,加快种群收敛。实验结果表明,基于DMPC的无人机编队集结未出现碰撞情况,减小了无人机调整状态过程中出现的位置偏差;对比仿真验证了IQuatre算法能够提高编队集结的稳定性,较原Quatre算法减少了5.2%的平均迭代次数,在计算时间上节约了4.6%,位置误差减小了0.45 m。

多AUV分布式模型预测深度和纵向速度控制

针对多自主水下航行器(Autonomous Underwater Vehicle,AUV)的深度和纵向速度耦合控制问题,提出一种基于分布式模型预测控制(Distributed Model Predictive Control,DMPC)的双子系统控制方法 .在DMPC的框架下,AUV和邻居共享信息以建立预测优化问题,实现多AUV的协同控制.考虑单个AUV的深度和纵向速度控制,深度控制子系统参考轨迹中的俯仰角序列作为速度控制子系统中俯仰角的实际值,同时纵向速度控制子系统参考轨迹中的纵向速度序列作为深度控制子系统中纵向速度的实际值,由此解耦为两个子系统,进而独立地求解预测优化问题.仿真实验结果表明,相对于整体系统DMPC方法,本文提出的双子系统DMPC方法可在牺牲一定深度控制收敛速度的基础上降低计算时间73.3%.

考虑光伏发电不确定性的系统补偿AGC方法

以包含光伏发电环节的分布式发电系统自动发电控制(AGC)为研究对象,拟通过补偿环节的引入,对系统结构进行调整,以消除光照不确定性对AGC的负面影响。首先,构建含光伏的互联AGC系统模型,并就光伏发电不确定性对AGC的影响进行分析;然后,设计补偿环节并通过粒子群优化算法对其参数进行优化,获取最优补偿效果;并基于分布式模型预测控制(DMPC)理论,以随机负荷曲线为扰动变量,仿真验证该系统频率变化及区域控制偏差。结果表明,在光伏发电系统输出波动情况下,AGC系统良好的动态响应性能得到保证,从而验证了此方法的可行性和有效性。