导读:本文包含了分布式预测控制论文开题报告文献综述及选题提纲参考文献，主要关键词:风电集群,随机向量,机会约束目标规划,频率控制
分布式预测控制论文文献综述
孙舶皓,汤涌,叶林,仲悟之,蓝海波[1]（2019）在《基于随机分层分布式模型预测控制的风电集群频率控制规划方法》一文中研究指出大规模风电集群功率输出不确定性对接入电网频率造成不利影响,为了使风电集群与传统电源协调配合共同参与系统调频,提出一种基于随机分层分布式模型预测控制(stochastic-hierarchical-distributedmodelpredictivecontrol,S-H-DMPC)的风电集群频率控制机会约束目标滚动规划方法(chance constrained goal rolling programming,CCGRP)。首先,建立考虑功率波动相关性的风电集群功率预测误差模型;其次,提出考虑风电集群功率预测误差随机向量的双层机会约束目标滚动规划方法,上层规划侧重电网拓扑结构及全区系统经济性,下层规划侧重平均系统频率增广模型(average system frequency augmented model,ASFAM)及分区运行安全性;最后,提出基于蒙特卡罗随机模拟的模型求解方法,该方法采用仿射变换算法,通过对风电集群功率预测误差随机向量进行抽样实现机会约束条件的处理。仿真算例表明,所提控制方法能有效提高风电集群参与系统调频的准确性,证明了方法的可行性与鲁棒性。(本文来源于《中国电机工程学报》期刊2019年20期）
韩光信,付伟,刘冬[2]（2019）在《控制输入受限的四水箱系统分布式预测PI控制》一文中研究指出工程实践中,控制输入约束是普遍存在的.四水箱系统是有着广泛工程应用背景的典型多流程系统,具有动态过程缓慢、强耦合、强非线性等显着特征,由于能量限制其控制输入只能在允许范围内变化.首先基于相对增益矩阵(RGA)分析确定了分布式控制结构,进而确定了预测PI控制策略,仿真结果表明,与常规PI控制方法相比,分布式预测PI控制能够更有效地克服控制输入积分饱和现象,明显提高系统动态性能,且易于工程应用.(本文来源于《吉林化工学院学报》期刊2019年09期）
杨欣东,李国勇[3]（2019）在《基于遗传与粒子群混合优化算法的分布式模型预测控制系统结构分解》一文中研究指出为了对分布式模型预测控制系统进行分解,采用一种遗传算法与粒子群算法的混合优化算法对系统进行分解的方法。混合优化算法兼具两种算法的优点,相对于采用单一优化算法,收敛速度更快且精度更高。对控制系统的输入进行分组可以有效消除系统输入之间存在的耦合,平衡各子系统之间的通信负担,因此对控制系统进行输入分组,可以完成对系统的结构分解。定义了一个系统拆解目标函数对输入分组问题进行求解,并通过对热镀锌生产线控制系统中的部分输入进行分组实验,验证了方法的有效性。(本文来源于《科学技术与工程》期刊2019年25期）
叶林,陈超宇,张慈杭,孙舶皓,汤涌[4]（2019）在《基于分布式模型预测控制的风电场参与AGC控制方法》一文中研究指出随着风电并网规模的不断扩大,常规电源调频已很难满足系统频率稳定性要求,需要风电集群参与系统调频。首先根据风电集群并网特点,建立含风电集群的多区域互联系统自动发电控制(automatic generation control,AGC)模型;然后根据风电场的超短期功率预测值判断风电场在调频过程中的备用容量,基于分布式模型预测控制原理,以尽量利用风电参与AGC控制、减少火电机组出力为目标,提出一种含风电集群的多区域互联系统AGC控制方法。即利用风电场的备用容量实现风电场参与AGC控制,减少常规电源调频压力。最后通过算例分析,对所提出策略的可行性与有效性进行了验证。(本文来源于《电网技术》期刊2019年09期）
郑小宇,季宇,张颖,杨建华[5]（2019）在《基于模型预测控制的分布式光伏集群协调优化控制》一文中研究指出分布式光伏发电的高密度接入给配电网原有的经济、稳定运行带来了不小的挑战。为了减少分布式光伏发电接入配电网造成的网络损耗,提高光伏发电的经济性,首先分析和归纳了分布式光伏集群的概念和特点;然后针对配电网内的分布式电源、柔性负荷、无功功率调节设备等装置在时间尺度、控制功能方面的调节特性,提出了一种含分布式光伏集群的协调优化调度方法。该方法以模型预测控制为基础,动态滚动协调光伏集群未来一段时间内的有功出力和无功出力,起到减小网络损耗和优化系统电压的作用。采用PG&E 69节点系统在MATLAB数学软件下进行建模仿真分析,结果证明了所提优化控制方法的可行性和有效性。(本文来源于《电网与清洁能源》期刊2019年07期）
姚毅[6]（2019）在《基于Gap Metric弱解耦的分布式模型预测控制》一文中研究指出大规模工业过程存在结构复杂度高、系统耦合性强、控制器计算负担大等问题。由于分布式模型预测控制(Distributed Model Predictive Control,DMPC)不仅能够有效处理大规模系统的控制问题,降低控制器计算负担,提高系统安全性,还能获得与集中式模型预测控制(Centralized Model Predictive Control,CMPC)相近的控制性能。因此,DMPC成为控制领域的研究热点之一。然而在实际运用中,受到计算能力和网络带宽的限制,非协作式DMPC迭代计算Nash最优解需要一定的求解时间,此时系统也在同步运行,从而造成了DMPC计算延时。当子MPC控制器计算得到满足Nash平衡的最优控制策略时,系统的状态已经发生改变,不再是子MPC控制器求解时所用到的初始状态,从而导致系统控制性能变差,甚至造成系统不稳定。为了提高控制策略的实时性,降低DMPC的计算延时,并保证系统的控制性能,本文围绕DMPC子系统的分解,DMPC控制器的设计以及DMPC控制性能的输入补偿进行了研究,取得以下成果:(1)针对DMPC中子系统分解问题,提出了一种基于Gap Metric弱解耦的DMPC分解方法。该方法采用反馈解耦的思路对系统进行分解,通过构建基于Gap Metric弱解耦的优化命题来保证弱解耦前后子系统的动态特性基本一致,同时降低子系统间的耦合影响。(2)在第一部分内容的基础上,提出了一种基于Gap Metric弱解耦的DMPC控制器设计方法。该方法在设计子MPC控制器的目标函数时考虑了反馈解耦的作用,并且通过弱解耦分解,降低了子系统间的耦合影响,进而减少了子系统间的通讯量。在弱解耦作用的基础上,采用上一时刻的最优控制策略作为耦合子系统的输入来求解当前子系统的最优输入,从而避免了非协作式DMPC进行迭代计算获得Nash最优解的过程。弱解耦DMPC控制器设计方法减少了子系统间的通讯量,削弱了子MPC控制器间的通信依赖,从而降低了DMPC计算延时,提高了控制策略的实时性。(3)以上方法均是针对线性模型设计的。当被控对象为非线性系统时,需在稳定点对其进行线性化。这会不可避免地产生模型失配,从而造成针对线性模型设计的弱解耦分解方法在非线性系统上无法达到预期解耦效果,进而导致弱解耦DMPC无法获得满意的控制性能。针对上述问题,提出了一种基于Gap Metric弱解耦的DMPC输入补偿策略。该策略是将弱解耦DMPC计算得到的最优输入与弱解耦分解的反馈输入加权求和作用到系统中,以提高弱解耦DMPC的鲁棒性,保证系统的控制性能。以上研究内容分别在实际例子以及数值例子上进行了仿真,验证了方法的有效性。(本文来源于《浙江大学》期刊2019-06-01）
杨爽[7]（2019）在《网络环境下约束系统的预测控制及分布式实现》一文中研究指出实现工业过程的网络化控制是控制系统发展的必然趋势。然而,如今在流程工业领域广泛应用的预测控制方法并不具备解决网络控制系统中的丢包、量化等问题的能力。如果将运行常规预测控制算法的工业过程直接置于网络控制模式下,这必将对系统的控制性能造成影响,甚至会对系统的运行安全形成威胁。本文针对网络控制系统中的丢包、量化等关键问题,以线性矩阵不等式为主要工具,结合李雅普诺夫稳定性理论、不变集理论,研究了网络环境下约束系统的预测控制及其分布式实现方法,并系统地分析了预测控制方法的递归可行性、闭环稳定性等核心问题。本文工作主要包括以下几个方面:1.研究了具有丢包和有界扰动的约束非线性系统的事件触发混合H_2/H_?鲁棒预测控制方法。首先,针对丢包网络环境下的受扰约束非线性系统,利用伯努利过程描述数据丢包,T-S模糊模型描述非线性对象,从随机系统角度建立了网络控制系统的闭环模型;然后,基于多步预测控制策略,并结合事件触发机制,给出了能保证混合H_2/H_?性能指标的充分条件并得到了预测控制器的设计方法;最后,利用不变集理论得到了保证预测控制优化问题递归可行性的充分条件,并分析了闭环系统的稳定性。2.研究了一类具有有界丢包、量化和执行器饱和的约束线性系统的预测控制问题。首先,从不确定系统角度,建立了包含丢包、量化和执行器饱和等多种不利因素的统一闭环模型;然后,结合量化依赖Lyapunov函数和线性矩阵不等式方法,通过将min-max优化问题转化为在线求解无限时域性能指标上界最小化问题,得到了预测控制器的设计方法;最后,通过给系统的实际线性反馈律设计权重因子的方法,进一步提升了系统的控制性能。3.针对随机丢包分布式网络化系统,进一步研究了基于事件触发策略的分布式预测控制问题。首先,在建模过程中引入事件触发机制,采用伯努利随机丢包补偿策略,建立包含随机丢包的约束网络化控制系统模型;其次,基于李雅普诺夫稳定性理论,为各子系统构造子优化问题,探索保证分布式预测控制优化问题递归可行性及系统均方稳定性的设计方法。通过设计的相容性约束条件,对各个子系统的估计预测信息与实际预测信息之间的偏差进行约束,最终保证整个网络化系统的稳定性,并使其收敛到指定目标;最后,给出了分布式预测控制实施算法,并且证明了优化问题的递归可行性。(本文来源于《重庆邮电大学》期刊2019-05-20）
李连兄[8]（2019）在《网络化分布式模型预测控制及其应用研究》一文中研究指出工业过程的大型化和流程化能有效节约生产成本。传统的控制方法因无法解决非线性、耦合以及约束等问题难以满足大型工业过程(Large Scale Industrial Process,LSIP)的需求,选择合适的先进控制策略是实现LSIP优化操作和安全运行的关键所在。以网络化分布式控制为LSIP的优化操作带来了契机,但是,对LSIP进行控制时,因子系统数量增加带来的高维性,子系统动态行为的耦合以及网络导致的时滞、丢包等给工业过程的控制带来了挑战。网络控制技术结合子系统协同优化的分布式预测控制能够有效的改善控制LSIP的灵活性,实现优化系统性能、降低成本的目的。本文通过了解分布式模型预测控制策略及发展过程,研究LSIP的网络化分布式模型预测控制(Networked Distributed Model Predictive Control,NDMPC)及其在反应-储存-分离(Reactor-Storage tank-Separator,RSS)过程的应用,主要展开如下工作:1)介绍NDMPC的研究过程,阐述在工业过程中的前景。对RSS过程进行描述,并且分析不同输入值对输出量的影响。2)RSS过程NDMPC策略的研究。考虑不同子系统控制性能会受到相邻子系统动态行为的影响,网络化分布式模型预测控制(Networked Distributed Model Predictive Control,NDMPC)可通过通讯网络在传感器、控制器以及执行器之间进行状态信息的有效交换,以达到提高控制过程中的灵活性和有效性,减少误差的目的。仿真结果表明,在考虑相邻子系统动态行为的影响时,采用NDMPC能使RSS过程的输出更加接近参考值,并且系统响应的快速性得到明显提高。3)RSS过程多采样率下的网络化DMPC策略研究。网络控制结构中,合理的选择系统的采样时间,能够提高网络利用率。在RSS过程中,针对不同子系统,利用相关函数确定各自不同的采样时间,更加准确的捕获系统行为,以改善被控对象的控制性能。实验表明,多采样率下的网络化DMPC,使系统的稳态性能和动态性能得到改善。4)考虑到生产过程中经济性能的时变性,以经济指标取代传统的目标函数,研究RSS的网络化分布式经济模型预测控制(Economic Model Predictive Control,EMPC),基于子系统模型设计子系统经济模型预测控制器,同时考虑信息传输过程中会出现数据的丢失现象。在经济模型预测控制下,既要保证关键生产变量价格因素变化下的经济效益最大化,又要确保良好的动态调节性能。(本文来源于《兰州理工大学》期刊2019-05-18）
杨欣东[9]（2019）在《基于GA-PSO的分布式模型预测控制优化策略研究》一文中研究指出模型预测控制通过滚动优化,在线预测使其成为一种适应复杂工业过程特点的先进控制算法。但在实际的工业生产中,由于对计算负担和协调性的要求以及控制系统在地理上的分散,以集中方式进行控制是很困难的,也容易出现故障。在此背景下,具有分布式结构和模型预测控制特点的分布式模型预测控制(Distributed Model Predictive Control,DMPC_()成为处理)复杂工业控制问题的重要手段。分布式模型预测控制可以有效的降低子系统之间的计算负担,增强系统的可靠性。目前,~(DMPC)尚处于研究初期,依然存在很多问题有待解决:在尽可能少的通信负担之下达到更好的控制效果;~(DMPC)系统的分解及减少子系统间的耦合关系;如何设计系统的权重矩阵,以达到更好的控制效果等。本文在总结对分布式模型预测控制的研究基础上,针对系统的拆解及控制性能的优化,具体工作如下:(~1)为了对分布式模型预测控制系统进行分解,提出一种采用遗传算法与粒子群算法的混合优化算法对系统进行分解的方法。混合优化算法兼具两种算法的优点,相对于采用单一优化算法,收敛速度更快且精度更高。输入分组问题本质上是一个优化问题,对控制系统的输入进行分组可以有效消除系统输入之间存在的耦合,平衡各子系统之间的通信负担。因此对控制系统进行输入分组,可以完成对系统的结构分解。本文定义了一个系统拆解目标函数对输入分组问题进行求解,并通过对热镀锌生产线控制系统中的部分输入进行分组实验,验证了方法的有效性。(~2)为了对系统的控制权重矩阵进行优化,提出了一种采用遗传粒子群算法对其进行优化的方法。将遗传算法的变异,交叉操作引入到粒子群算法中,得到一个性能更优的遗传粒子群算法。以多智能体系统为研究对象,对迭代分布式模型预测控制系统的控制权重矩阵进行优化研究。本文定义了一个优化目标函数对系统的控制权重矩阵进行优化,并通过一个十区域电力系统模型进行仿真实验,验证了方法的有效性。(本文来源于《太原理工大学》期刊2019-05-01）
翟春杰[10]（2019）在《基于分布式模型预测控制的智能车辆协同控制》一文中研究指出随着我国经济持续高速发展,机动车保有量继续保持快速增长态势。不断增加的汽车保有量给我国城市带来了严重的交通拥堵、交通事故和环境污染等社会问题。为了解决上述社会问题,智能交通系统(Intelligent Transportation System,ITS)应运而生。作为ITS重要组成部分的智能网联汽车能够通过先进车载传感器和V2X(Vehicle To Everyting)通信技术实现协同控制,可以有效地缓解交通拥堵和环境污染,减少交通事故。基于V2X通信的车辆协同控制是目前研究的热点,它包括车辆协同编队控制和车辆协同优化控制。车辆协同优化控制研究处于初始阶段,存在一些不足之处。由于车辆协同优化控制在解决上述社会问题的重要作用,本文以车辆协同优化控制为研究重点,为弥补协同优化控制的不足,围绕着如何协调实现智能车队的车辆安全性、乘客舒适性和能源经济性等多个车队控制目标开展深入研究,具体研究内容和创新点包括以下几个方面:1)针对行驶在平坦道路上的智能车队,提出了可实现多个车队控制目标的车辆协同切换控制策略。车辆协同切换控制策略包括一个多目标的车辆协同优化控制器和一个安全控制器。多目标的车辆协同优化控制器是建立在分布式模型预测控制的框架下,以实现车辆安全性、乘客舒适性、编队控制和燃油经济性为控制目标;安全控制器是基于安全不变集设计的,当初始状态不合理或者较大扰动危害车辆安全时,安全控制器可以作为紧急制动器,以确保车辆安全这个首要车队控制目标。2)针对行驶在坡度不断变化的道路上的智能车队,提出了最大燃油效率的车辆协同优化控制策略。在该车辆协同优化控制策略中,考虑了车辆离散的齿轮比和与车辆间距相关的空气阻力,提出了刻画发动机驱动模式、制动模式和空闲模式的发动机燃油消耗模型,采用0-1整型线性规划算法对构建的最大燃油效率的车辆协同优化问题进行求解。3)针对行驶在坡度不断变化的道路上的智能车队,提出了鲁棒的车辆协同优化控制策略。在该车辆协同优化控制策略中,考虑了被建模为高阶非线性动力学模型和具有前车跟随类型拓扑的智能车队,提出了带阻函数的概念,并将其应用到控制策略中以增强控制的鲁棒性。此外,为了快速求解所构建的鲁棒的车辆协同优化问题,在通过离线计算得到最小燃油消耗表及其相应的最优齿轮比表后,给出了具有多个动态种群的粒子群优化算法。4)针对行驶在坡度不断变化的高速道路上的智能车队,提出了多目标的高速车辆协同优化控制策略。在该高速车辆协同优化控制策略中,考虑了连续齿轮比、与齿轮比相关的转动惯量系数、与车辆间距相关的气动阻力和模型约束,为了快速求解所构建的多目标的高速车辆协同优化问题,提出了改进的多个动态种群的粒子群优化算法。5)针对行驶在坡度不断变化的道路上的智能电动车队,提出了多目标优化的电动车辆协同能源管理策略。在协同能源管理策略中,构建了旨在获得最优功率需求预测序列的上层功率需求预测优化问题和旨在获得最优功率分配的下层HESS(Hybrid Energy Storage System)功率分配优化问题。此外,为了求解所构建的优化问题,提出了可用于上、下层优化问题的改进的粒子群优化算法。(本文来源于《华南理工大学》期刊2019-04-09）
分布式预测控制论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
工程实践中,控制输入约束是普遍存在的.四水箱系统是有着广泛工程应用背景的典型多流程系统,具有动态过程缓慢、强耦合、强非线性等显着特征,由于能量限制其控制输入只能在允许范围内变化.首先基于相对增益矩阵(RGA)分析确定了分布式控制结构,进而确定了预测PI控制策略,仿真结果表明,与常规PI控制方法相比,分布式预测PI控制能够更有效地克服控制输入积分饱和现象,明显提高系统动态性能,且易于工程应用.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
分布式预测控制论文参考文献
[1].孙舶皓,汤涌,叶林,仲悟之,蓝海波.基于随机分层分布式模型预测控制的风电集群频率控制规划方法[J].中国电机工程学报.2019
[2].韩光信,付伟,刘冬.控制输入受限的四水箱系统分布式预测PI控制[J].吉林化工学院学报.2019
[3].杨欣东,李国勇.基于遗传与粒子群混合优化算法的分布式模型预测控制系统结构分解[J].科学技术与工程.2019
[4].叶林,陈超宇,张慈杭,孙舶皓,汤涌.基于分布式模型预测控制的风电场参与AGC控制方法[J].电网技术.2019
[5].郑小宇,季宇,张颖,杨建华.基于模型预测控制的分布式光伏集群协调优化控制[J].电网与清洁能源.2019
[6].姚毅.基于GapMetric弱解耦的分布式模型预测控制[D].浙江大学.2019
[7].杨爽.网络环境下约束系统的预测控制及分布式实现[D].重庆邮电大学.2019
[8].李连兄.网络化分布式模型预测控制及其应用研究[D].兰州理工大学.2019
[9].杨欣东.基于GA-PSO的分布式模型预测控制优化策略研究[D].太原理工大学.2019
[10].翟春杰.基于分布式模型预测控制的智能车辆协同控制[D].华南理工大学.2019