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.

云控场景下车辆队列的模型预测控制方法

鉴于采用边缘云进行集中式车辆队列控制时,通信时延将会降低队列控制性能指标甚至导致队列失稳,本文在考虑通信时延和车辆纵向非线性动力学特性前提下,从包括队列能效的多目标优化出发,提出了一种基于边缘云的队列集中式模型预测控制算法,并设计了一种时延补偿方法。首先分析了控制算法的渐进稳定性;然后通过不同时延下的仿真试验对控制算法的串稳定性和随机时延补偿方法在一定时延范围的有效性进行了验证;最后,分析了时延对队列稳定性和燃料消耗的影响。结果表明,随着时延增大,队列稳定性和燃料经济性变差,当时延均值为250 ms且时延抖动20%时,队列处于失稳的边缘。

电力系统云储能研究框架与基础模型

能源互联网不断发展促进了分布式储能使用需求迅速增长。目前储能设备成本依然较高,限制了分布式储能的广泛应用。为了解决这一问题,该文介绍了云储能这种新的储能共享模式,分析了其运行机制和商业模式。在此基础上从运营、对象、市场三条主线提出了云储能的研究框架,分析云储能研究中的科学问题和关键技术。建立了云储能基础模型,提出了云储能提供商模型控制预测运行决策方法,可以有效应对用户使用云储能服务时充放电需求的不确定性。基于实际数据的算例分析证明了该方法的有效性。

考虑双通道随机时延的区域互联电网AGC方法

在区域互联电网网络化自动发电控制(Automatic Generation Control,AGC)过程中,信息传输在双通道(如控制器到执行器(C-A)、传感器到控制器(S-C))均存在时延问题。基于模型预测控制(MPC)技术,拟利用其预测特征,通过控制过程中信息的存储与处理,消除双通道随机时延对控制效果的负面影响。首先,在考虑双通道时延的前提下,构建互联电网AGC系统模型,并就时延的存在对控制效果的影响进行了分析。然后,针对互联电网AGC系统的控制模式对集中式MPC(CMPC)的实现方法进行了讨论,分析了在CMPC框架下双通道时延的处理方法。在此基础上,分别以阶跃与随机负荷曲线为扰动变量,获取互联电网频率及区域控制偏差曲线。仿真结果表明在考虑互联电网AGC系统双通道随机时延的情况下,所提方法能够保证系统良好的动态响应性能,从而验证了其可行性和有效性。