基于参数自适应随机模型预测控制的风光氢耦合系统功率调控策略

针对风光氢耦合系统源荷两侧不确定性对其系统功率平衡造成的影响,提出了一种基于场景分析法的参数自适应随机模型预测控制功率调控策略。根据风光氢耦合系统的能源供给架构建立了描述其动态特性的线性离散状态空间模型;通过场景分析法对系统不确定性进行描述,作为参数自适应随机模型预测控制的输入;在设计的参数自适应随机模型预测控制优化框架下,计及延长系统设备生命周期的目标进行优化。针对随机模型预测控制在优化过程中预测时域和控制时域固定不变的缺陷,提出参数自适应方法以获取更好的优化效果。结果表明:在优化系统功率平衡方面,所提控制策略相较于随机模型预测控制提高了6.25百分点;在减少可控设备大功率运行方面,所提策略相较于常规模型预测控制降低了60%,验证了所提策略能够有效解决风光氢耦合系统源荷两侧的不确定性。

风光氢耦合系统的经济随机模型预测控制方法研究

针对风光氢耦合系统源荷两侧不确定性对系统运行造成的影响,提出一种基于经济随机模型预测控制的优化方法。根据风光氢耦合系统中设备的特性,建立计及设备启停的状态空间模型;利用场景生成技术对风光出力及电负荷预测数据进行处理,以生成描述系统不确定性的场景集;基于生成的场景集,在设计的经济随机模型预测控制框架下,构造系统的混合整数线性规划问题,进而对系统进行经济优化控制。由于经济随机模型预测控制方法需提供准确描述系统不确定性的场景集,为此提出一种基于非参数预测的场景生成机制。通过案例仿真分析,相较于常规随机模型预测控制方法,所提控制方法降低5.89%的运行成本;相较于常规模型预测控制方法,降低13.25%的运行成本,验证了所提方法能有效解决风光氢耦合系统的不确定性。

含光储充的配网虚拟电厂二次调频随机模型预测控制策略

含光储充的主动配电网作为一种灵活的新型调节资源,可通过聚合其内部的多类分布式电源组成配网虚拟电厂(distribution-level virtual power plant,DVPP)进而整体参与系统二次调频,具有广阔的发展前景。但实际配电网内部情况复杂,存在储能配置有限导致可调容量不足、光伏短时出力难以预测导致控制不精确、功率分配不合理导致内部电压越限的问题,传统虚拟电厂调频策略难以适用。针对上述问题,提出了一种基于随机模型预测控制(stochastic model predictive control,SMPC)的DVPP二次调频策略,通过聚合模型设计、光伏不确定功率的场景树模型搭建、SMPC策略设计的方式实现了分布式电源出力扰动情况下DVPP快速、准确响应自动发电控制(automatic generation control,AGC)指令的目标,并有效降低了功率调节对系统内部电压的影响,为DVPP参与系统二次调频提供了理论基础。

基于均值-方差-偏度的配电网有功-无功随机模型预测控制

针对高比例具有不确定性的可再生能源接入对配电网安全经济运行带来的挑战,提出一种基于均值-方差-偏度的有功-无功随机模型预测控制协调优化策略。首先,在综合考虑有功和无功成本的基础上,基于Fish⁃er-z变换的拉丁超立方采样生成可再生能源出力场景集,进而构建表征不确定性下收益的期望-偏度模型和表征不确定性风险的方差模型。然后,建立权衡收益和风险的三阶近似矩效用函数,提出基于均值-方差-偏度的有功-无功随机模型预测控制协调优化框架。最后,基于线性化潮流方法对所提模型进行线性化处理,在改进的IEEE-37节点系统进行仿真验证。结果表明,所提策略能够有效应对可再生能源不确定性对配电网经济运行与电压质量的影响。

基于随机模型预测控制的卫星编队保持方法

针对卫星编队队形保持中存在的随机扰动问题,提出一种基于随机模型预测控制(SMPC)的编队构型保持控制算法。在保证精度的情况下,对非线性相对运动力学方程进行线性化离散处理。考虑到模型预测控制不易处理无界随机扰动的机会约束问题,提出有效解决随机变量信息模糊的分布鲁棒机会约束模型,并通过条件风险价值(CVaR)重构机会约束为可处理约束,得到基于随机模型预测控制的队形保持控制算法。通过计算仿真与传统的模型预测控制算法进行对比,验证了该算法的有效性和优越性。

基于快速随机模型预测控制的网联混合车队生态驾驶策略研究

为解决网联汽车由于驾驶员误差存在导致的速度轨迹偏移问题,本文提出一种实时的考虑驾驶员误差的网联混合车队生态驾驶策略。首先通过实车试验采集不同驾驶员的驾驶员误差数据,建立基于马尔可夫链的驾驶员误差模型,用于预测未来一段时间的驾驶员误差。然后以最小化整个车队的燃油消耗为优化目标,将车队速度轨迹优化问题描述为一个最优控制问题,采用快速随机模型预测控制(fast stochastic model predictive control,FSMPC)算法求解车队中网联汽车的最优速度轨迹。仿真和智能网联微缩车试验结果表明,相比于传统的基于快速模型预测控制(fast model predictive control,FMPC)的生态驾驶策略,本文所提出的生态驾驶策略能够有效减小车辆的速度轨迹偏移,并降低整个车队的燃油消耗,且满足实时性要求。

基于随机模型预测控制的智能楼宇能量管理研究

建筑工程能够有效地满足社会群众的居住需求,但建筑楼宇同时也是我国能量消耗大户,也是我国碳排放的重要来源,如果没有进行科学的能量管理,将会增加我国的能源消耗。因此,需要积极采取优化措施,实现智能建筑能耗管理的目标,提高建筑智能楼宇的能源利用效率,实现节能降碳的工作目标。但在采取措施时,受人为因素、环境、温度、不确定性因素的影响,会对智能楼宇的运行造成一定的影响。因此,需要在随机模型预测控制的角度进行系统地分析,需要将建筑动态特性,引入楼宇能量管理的系统中,考虑多种因素对建筑楼宇的影响,通过建设随机模型预测控制,达到理想的建设效果,减少外界不确定因素对智能楼宇的影响,切实地提高社会群众居住的舒适度,提高智能楼宇运行的质量。

基于显式随机模型预测控制的功率分流式混合动力车辆能量管理策略

混合动力车辆的能量管理策略对提高燃油经济性十分重要.为了提高功率分流式混合动力车辆的燃油经济性以及能量管理策略的实时性,设计了基于显式随机模型预测控制的能量管理策略.首先利用马尔科夫链预测车速,通过简化控制模型,把非线性的能量管理问题转化为线性二次优化问题,建立了以预测域内能量消耗最小为目标的随机模型预测策略(SMPC);然后通过参数化求解得到显式随机模型预测控制策略,该策略既保持了随机模型预测控制方法的优势,又提高了计算速度;最后在多个工况下进行仿真,对提出的能量管理策略的有效性进行验证.仿真结果表明:与基于规则的控制策略相比燃油经济性最高可提高28.64%,同时该策略在仿真中的平均计算时间为3.1ms,具有实时运算潜力.

基于随机模型预测控制的能源局域网优化调度研究

针对高可再生能源渗透率的能源局域网中可再生能源输出不确定性、负载需求波动性和实时电价随机性对能源局域网优化调度的影响,提出了基于随机模型预测控制的能源局域网优化调度方法。通过分析能源局域网系统架构及其各类设备的特性,构建了混合整数二次规划模型的能源局域网能量优化调度目标函数,并运用模型预测控制框架实现该能源局域网的在线优化调度。提出了能够快速实现场景缩减,选出典型场景的两阶段场景缩减方法。通过与传统开环调度方法以及标准模型预测控制调度方法的比较,证明文中所提方法的可行性与鲁棒性。

不确定系统的鲁棒与随机模型预测控制算法比较研究

近几十年来,不确定系统模型预测控制的理论和应用得到了飞速发展.本文简要地回顾了不确定系统中鲁棒模型预测控制和随机模型预测控制的发展历史,总结了它们的相关应用,并较为细致地分析了线性不确定系统模型预测控制的各种主要算法.通过总结各种算法的通用模型、运作方式、问题规模,以及它们保证递归可行性、稳定性的方法,分析了部分算法可行域间的关系,揭示了各种算法的主要特点、适用场合和未来可发展方向,并通过仿真实例直观地分析了各种算法的性能和可靠性.

隧道渗涌水量的随机模型预测

渗涌水问题是常见的隧道病害 ,是影响隧道正常使用 ,危及行车安全的重要因素。因此 ,科学地预测隧道涌水量大小 ,是制定最优防治水方案 ,确保安全通车的关键。笔者以大瑶山隧道渗涌水量的实测数据为基础 ,应用随机过程的理论和方法 ,建立了隧道渗涌水量的平稳序列预测模型 ,并将预测值与实测结果进行了对比 ,比较吻合。

基于鲁棒随机模型预测控制的园区综合能源系统两阶段优化

可再生能源发电与负荷的不确定性给园区综合能源系统的安全准确调度带来了巨大挑战,为了提高系统调度的准确度和运行经济性,提出了一种基于鲁棒随机模型预测控制的两阶段优化调度策略。该模型考虑到园区综合能源系统中负荷预测误差分布的规律性和可再生能源出力波动的概率分布难以准确刻画的特点,分别利用随机优化和鲁棒优化处理负荷侧和发电侧的不确定性;在第二阶段的优化目标中加入协调策略以使实时优化控制变量值尽量接近日前全局优化值,从而在修正第一阶段预测误差的同时克服实时优化过程中的短视效应;通过算例对比分析证明了所提策略可以有效平衡不同优化时间尺度上的预测误差与系统短视效应所带来的经济性影响,有利于兼顾系统的经济性与鲁棒性。

基于随机模型预测控制的插电式混合动力汽车多目标能量管理策略

为了改善插电式混合动力汽车的燃油消耗和排放,开展多目标随机模型预测控制策略的研究.首先,建立适用于模型预测的多元线性回归的发动机和电池模型,建立融合燃油消耗和排放的多目标价值函数的模型预测控制,随后,基于随机驾驶员模型未来时刻的车速,结合交通信息并利用动态规划(DP)算法进行参考电荷状态(SOC)优化,进而建立多目标随机模型预测控制策略.最后,通过与DP,MPC等策略进行对比验证,及给出两组不同权值进行多目标控制效果分析.结果表明,该策略的燃油消耗和排放最接近DP的控制效果,且设置不同权重值可获得相应的控制目标,说明该策略对提升燃油消耗和排放的多目标性能的有效性.

基于随机模型预测控制的分布式能源协调优化控制

配电网中的高渗透率分布式电源出力和负荷功率具有随机性及时变性,难以准确预测,且预测误差随时间延长而增大,进而导致优化控制策略与实际需求偏差较大,为此提出一种基于随机模型预测控制的配电网多源协调优化控制方法。将优化周期内的预测值离散为表征不同状态的场景集,然后以配电网能量损耗期望最小为目标对各场景进行动态滚动优化,精细化协调分布式电源、柔性负荷和无功补偿装置等可控资源,使优化控制过程能够及时、有效地降低配电网不确定性的影响,满足系统实际需求。通过仿真分析,验证所提方法的可行性和有效性。

基于随机模型预测控制的欧式期权动态对冲研究

应用随机模型预测控制方法研究了欧式期权的动态对冲问题,该方法能够灵活选择适合的目标函数、股票价格预测模型以及显式处理交易费用约束。通过蒙特卡洛仿真对基于随机模型预测控制的对冲方法和delta对冲方法的效果进行了对比分析,并且对华夏上证50ETF期权合约进行了实证检验,检验结果表明了基于随机模型预测控制的对冲方法的有效性。

基于随机模型预测控制的智能楼宇能量管理方法

建筑楼宇不仅是我国的能耗大户,更是碳排放的重要来源。智慧建筑能耗管理对于提高建筑楼宇系统能量利用效率、实现节能降碳至关重要,然而由于环境温度、辐照度等环境因素预测的不确定性,对系统经济运行造成不可忽略的影响。提出了一种考虑建筑蓄热特性,基于机会约束随机模型预测控制的智能楼宇能量管理方法。该方法通过将建筑热动态特性引入楼宇能量系统模型,考虑了由于室外温度和光照强度预测偏差导致状态约束违背的概率描述,通过机会约束与仿射扰动反馈结合,将概率约束转化为确定性约束,提出基于机会约束随机模型预测控制的楼宇能量管理优化问题,实现各用能设备的优化调度。仿真结果表明,该方法能够有效减少环境因素预测不确定性引起运行成本的增加,提升用户舒适度及系统整体运行的鲁棒性。

基于随机模型预测控制的电网联合调度

针对大规模风电并网给电力系统运行调度带来的问题,指出风电在小时级的波动性和不确定性是风电并网给系统运行带来的根本挑战,为应对该挑战,利用随机模型预测控制对含负荷响应的系统联合调度运行进行建模,并从数学上证明运行策略的全局最优性。通过算例仿真验证了负荷响应在小时级的灵活性对系统运行的经济性和风电消纳的重要作用。

基于仿射扰动反馈的风力发电机组多目标随机模型预测控制

风力发电的间歇性和随机不确定性是其规模化并网的主要障碍。为提高风电机组控制系统应对风能随机扰动的能力,该文提出一种基于仿射扰动反馈的风力发电机组多目标随机模型预测控制策略。以输出功率准确跟踪设定值和降低执行机构疲劳载荷为目标,结合风力发电机组运行工况和约束条件,构建基于期望目标函数和机会约束的随机优化模型,采用仿射扰动反馈和风速扰动的概率信息将其转换成确定性优化模型,求解得到当前时刻的最优控制律。以NREL5MW风电机组为研究对象进行算例验证,结果表明,通过选取合适的输出约束违背概率值,所提出的控制策略能够有效抑制风速的随机干扰,在减小执行机构动作幅度的基础上,实现机组输出功率对额定值的准确跟踪。

基于随机模型预测控制的四驱混合动力汽车能量管理

基于随机模型预测控制基本原理,研究了四驱混合动力汽车的能量优化管理。采用马尔可夫模型预测加速度变化过程,通过计算得到混合动力汽车未来需求转矩。在保证电池荷电状态平衡的前提下,以燃油经济性最优为目标,建立混合动力汽车能量管理优化模型。针对建立的非线性优化模型,采用动态规划算法进行有限时域内的滚动求解。将提出的控制策略在d SPACE中进行软件在环仿真试验。研究结果表明,随机模型预测控制策略可以实现四驱混合动力汽车基本的能量管理,可在保证各动力部件良好工作状况的前提下,提升燃油经济性。与基于恒值模型的预测控制策略相比,随机模型预测控制策略下的平均燃油经济性提升了8.30%,优化结果接近有先验知识的预测控制策略。

基于随机模型预测控制的四旋翼无人机研究

由于随机扰动(可能无界)的存在,四旋翼无人机系统存在控制性能不稳定、输入抖动大的问题。针对这种情况,提出一种随机模型预测控制算法。算法对控制约束进行软化,使其在一定范围内可以违反约束以满足系统性能的提高,并添加扰动反馈结构进行实时监测。运用分布式鲁棒的方法对扰动进行重构,扰动重构后再分别对单输入机会约束与联合状态机会约束进行可计算的精确凸优化重构。加入精确罚函数方法以进一步保证系统可行性。实验对比结果表明,与无扰动的模型预测控制(MPC)算法相比,该算法能够在满足约束的情况下克服任意随机扰动(可能无界)完成目标跟踪,且具备更优秀的预测性能。