一、递阶变时域滚动优化生产控制策略（论文文献综述）
马乐乐[1]（2021）在《非线性迭代学习模型预测控制研究》文中进行了进一步梳理批次过程在现代智能制造工业中占据重要地位,用于生产具有高附加值的精细化产品,其产品质量在很大程度上取决于控制系统跟踪参考轨迹的精度。批次过程在有限时间区间内重复运行,而迭代学习控制能够通过学习历史运行数据修正当前控制输入,达到沿批次不断提高跟踪精度的目的,因而成为当今批次过程控制的主流方法。迭代学习控制是典型的一维控制算法,控制律只沿迭代轴更新,在时域上采用开环控制结构。因此,迭代学习控制不具备实时抗干扰能力,无法保证系统时域稳定性。模型预测控制作为一种广泛应用于工业优化的先进控制技术,通过预测未来的系统状态及输出进行滚动时域优化,能及时处理实时干扰,保证时域跟踪性能及闭环稳定性。迭代学习模型预测控制结合了迭代学习控制的点对点学习机制和模型预测控制的滚动时域优化框架,建立二维控制结构,同时实现批次过程迭代域和时域的控制目标。这种数据学习与过程控制的有机融合对推动批次制造业的智能化进程具有重大意义,是实施“中国制造2025”战略的重要环节。迭代学习模型预测控制理论仍处于发展初期,实际批次过程的强非线性、快动态、变参考轨迹及变批次长度等问题导致其应用面临着巨大挑战。本文考虑非线性批次过程的多种生产形式,提出了具有针对性的迭代学习模型预测控制策略,深入分析了算法稳定性、鲁棒性及收敛性问题。本文的主要研究工作包括:（1）建立了变参考轨迹下的非线性鲁棒迭代学习模型预测控制策略。采用线性参变模型建模非线性系统动态,在迭代学习模型预测控制中嵌入鲁棒H∞技术抑制变参考轨迹带来的跟踪误差波动,通过优化线性矩阵不等式约束下的目标函数求取控制输入信号。分析了鲁棒迭代学习模型预测控制的鲁棒稳定性和迭代收敛性。针对非线性数值算例和搅拌反应釜系统的仿真验证了所提出算法在适应变参考轨迹方面的有效性。（2）设计了快动态批次过程的非线性高效迭代学习预测函数控制策略。将非线性系统沿参考轨迹线性化得到二维跟踪误差预测模型,并在控制器设计中补偿所产生的线性化误差,构造优化目标函数为真实跟踪误差的上界。在时域上采用预测函数控制以减小待优化变量维数,从而有效降低计算负担。结合终端约束集理论,分析了迭代学习预测函数控制的时域稳定性及迭代收敛性。通过对无人车和快速间歇反应器系统的仿真,验证了所提出算法能够提高控制效率并实现高精度跟踪。（3）构造了复杂非线性批次过程的数据驱动迭代学习模型预测控制策略。利用批次过程不断累积的运行数据,构建仿射型前馈神经网络对系统非线性动态迭代辨识。考虑到神经网络建模误差导致的模型失配问题,设计了基于Tube框架的迭代学习模型预测控制策略,保证系统真实跟踪误差始终维持在Tube不变集内,从而提高系统跟踪精度。基于神经网络预测模型的仿射结构,实现对目标函数梯度的离线解析计算,提高Tube迭代学习模型预测控制的在线计算效率和优化可行性。证明了数据驱动机制下控制系统的鲁棒稳定性及迭代收敛性。针对间歇反应器的建模和控制仿真验证了所提出算法的有效性。（4）构建了变批次长度下的非线性事件触发迭代学习模型预测控制策略。采用神经网络预测序列对缺失信息进行高精度填补,保证各批次能够获得完整的高质量学习数据。根据相邻批次的运行长度关系设置事件触发条件,进行一阶学习结构和高阶学习结构的切换,实现对真实运行信息的高度利用。在以事件触发条件划分的两种控制模式下,证明了非线性迭代学习模型预测控制系统沿迭代轴的收敛性。通过对数值算例和注塑过程的仿真,验证了所提出算法的有效性。
陈安钢[2]（2021）在《工业烟丝干燥过程建模与先进控制策略研究》文中研究说明工业干燥是一项能源密集型的过程,大多数工业干燥过程的能源效率及质量性能偏低。在不断上升的能源成本和愈加激烈的全球化竞争中,干燥过程的能源消耗和质量性能必须得到改善。研究者往往更多地研究干燥过程的机理和模拟仿真,而对干燥过程的操作控制研究甚少。干燥过程的主要成本并不是在初期的投资（设计和装配）,而是在日常运行的干燥过程优化。控制策略对于提高能源效率和获得理想的干燥产品质量至关重要,改善的方法和策略是建立合理的干燥模型和使用有效的控制策略优化干燥过程。在工业干燥过程中,大多数优化控制策略都是基于模型设计的,在控制调节问题中,模型的预测值被用来产生最优控制动作;在估计问题中,基于模型的预测值与工业实际测量数据协调来产生系统最优状态和参数估计。系统模型不仅有助于了解系统内部机理行为,而且是整个控制系统协同优化的基础,因此干燥过程建模是控制研究中首要解决的问题。大多数干燥模型研究从工艺角度来建立,主要的作用是模拟干燥过程以及了解干燥过程各物理变量的变化规律,模型非常复杂且很多涉及到高维度偏微分动态模型,利用该模型进行干燥过程实时控制策略比较困难。作为控制策略研究者更关注模型对后续的控制策略实施的影响,线性模型过于简化并不能精确描述复杂的干燥过程,变量之间的耦合性考虑很少。基于第一原理/机理（能量、质量和动量平衡）的非线性模型不仅能准确地描述干燥过程的复杂动态特性,而且在其他干燥过程/条件下容易移植和扩展这些模型的使用。为了得到干燥过程的最优干燥条件、更好的质量性能以及更高的能源效率,通常基于第一原理模型的优化控制策略是首选。本文主要的研究工作如下:首先,本文基于实际干燥过程（烟丝干燥过程）的相关变量因素客观分析、干燥过程数据主成分分析以及干燥过程机理分析建立起四阶非线性第一原理模型。第一原理模型具有一般性,不仅对于其他干燥过程具有很强的模型移植性和扩展性,而且能够建立起高度复杂且精确的系统模型。其次,针对工业干燥过程存在不可测量或难以测量的状态变量及物理参数,通过能够处理非线性模型及约束的滚动时域估计算法进行估计,避免花费大量精力去测量验证干燥过程中一些难以测量的物理量,以及为后续优化控制提供精确的模型。最后,针对工业干燥过程模型存在自由度不足的控制难题,设计出三种控制策略对其进行优化控制,都取得良好的控制效果。本文主要的创新点如下:（1）设计了烟丝干燥过程的非线性滚动时域估计策略。由于烟丝干燥过程为非线性模型且存在难以测量的未知参数和状态变量以及系统约束,常规的时域估计策略很难处理非线性问题及系统约束,并且不能同时估计出干燥过程模型的未知参数和状态变量。本文设计的非线性滚动时域估计策略（L1-Norm Moving Horizon Estimation,L1-Norm MHE）能显式处理系统非线性及各类约束。基于滚动时域窗口,优化策略只利用最邻近的时域窗口数据同时估计出系统状态变量及未知参数,与全信息时域估计策略相比,该策略不仅有精确的估计结果,而且减少了优化计算负载及计算时间。通过实例仿真对比,发现L1-Norm MHE估计策略在面对复杂工况（数据异常值、噪声、数据漂移）时,更能抑制异常工况,鲁棒性及精确性优于其他算法。该估计策略为后续工业干燥过程的优化控制层提供实时的状态和未知参数估计,改进干燥过程的优化控制效果。（2）提出了烟丝干燥过程的区域非线性模型预测控制策略。针对烟丝干燥系统为多变量非方模型（模型的操作变量数目小于输出变量数目）,存在控制自由度不足的问题。常规模型预测控制往往会导致输出变量存在稳态误差,控制精度及产品质量可能会受到很大影响。本文提出的区域模型预测控制（Zone Model Predictive Control,ZMPC）将烟丝出口水分w无偏差地控制在设定值上。其他被控输出变量不需要严格控制在设定值上,放松其他输出变量的控制要求,只要其在给定的设定区域内即可。放松设定值的策略在一定程度上提高了系统的控制自由度,满足系统关键输出变量的控制要求,消除了输出变量的稳态误差。区域模型预测控制独特特点是采用区域参考轨迹,只有当模型的预测值超过这个区域参考轨迹时,优化器才会改变操作变量。与传统的设定点跟踪模型预测控制相比,区域模型预测控制（ZMPC）具有更好的跟踪性能和鲁棒性能以及控制器最小动作的经济特性,关键是让烟丝出口水分跟踪设定值无任何稳态误差。（3）研究了烟丝干燥过程的优先级多目标非线性模型预测控制策略。针对非线性多变量模型的烟丝干燥过程,系统的被控输出变量间存在相互耦合竞争的矛盾。再加上干燥过程是一个自由度不足的非方模型,如何在有限的操作变量下优先满足系统最为关键的被控输出变量是非方系统迫切需要解决的问题。本文提出将优先级多目标优化策略引入到模型预测控制策略框架上,利用优先级多目标优化是处理系统目标间存在相互竞争的最佳解决策略。对干燥过程被控输出变量进行优先级升序排序依次优化,优先满足优先级高的被控输出变量的工艺要求。针对被控输出变量可能额外受到不同的目标约束,在确定具体被控输出变量的优先级后,对此变量的目标约束进行优先级降序划分,先放松优先级低的目标约束,一旦优化可行时,停止放松其他优先级高的目标约束,最终使系统被控输出变量沿最佳目标轨迹运动。通过控制策略仿真验证,优先级多目标控制策略优先满足烟丝出口水分的目标要求下,降低其他三个输出变量控制目标,以达到干燥过程最优控制效果。与区域模型预测控制比较,设计的控制策略更多地反映工业操作者对干燥过程的主观意愿的要求。（4）开发了烟丝干燥过程的双层非线性模型预测控制策略。对烟丝干燥过程模型进一步分析,发现系统输入输出稳态值的相容性和唯一性都是由于上层优化（Real Time Optimization,RTO）不合理的设定值及模型自由度不足造成的,导致输入输出稳态关系无法求解。系统输出变量存在稳态误差的根本原因是被控输出变量的设定值不合理。针对这一根本原因,本文在上层优化（RTO）和控制层之间增加一个稳态目标优化层（Steady State Objective Optimization,SSTO）,结合当前阶段工艺过程重新优化输出变量的设定值,从而开发出双层模型预测控制（Steady State Objective Optimization-Model Predictive Control,SSTO-MPC）策略。通过控制策略验证,SSTO-MPC控制策略比传统模型预测控制具有更好的跟踪能力和抗干扰能力,与区域模型预测控制及优先级多目标模型预测控制策略相比,SSTO-MPC控制策略具有更严格的理论优化操作设定值,实施更科学合理。
周建平[3]（2021）在《基于分布式模型预测控制的综合能源系统多时间尺度优化调度》文中研究指明综合能源系统具有多种能源相互转化、协同运行的特点,能够有效提升能源综合利用效率和解决能源环境问题。为减小系统预测误差对实际运行产生的影响,可通过划分时间尺度逐级提高预测精度,并根据模型预测控制方法在线调节系统各部分出力。然而,集中式模型预测控制方式下模型阶数较高,在线计算量较大且不易于拓展,不适用于多分布式单元接入的综合能源系统优化调度。分布式模型预测控制方法将系统整体划分为多个联系紧密的子系统,以各子系统的协同优化代替了系统整体优化,有效降低了模型阶数以及在线求解难度。本文重点围绕分布式模型预测控制下综合能源系统的多时间尺度优化运行调度进行了研究。首先提出一种基于分布式模型预测控制的综合能源系统多时间尺度优化调度方法,通过各子系统协调配合实现综合能源系统灵活调度。建立以系统日运行经济最优、系统日运行费用及机组启停惩罚费用最小为目标的日前、日内滚动优化模型,实时阶段采用基于分布式模型预测控制的优化调度策略对整体优化问题进行分解,各子系统根据其它子系统前一时刻输入序列进行状态估计并优化自身性能指标。通过对各子系统的协调控制进而实现整个系统的在线优化,满足其动态调整需求。仿真结果表明该方法能够在改善系统控制性能的同时,提高系统运行的经济性。其次考虑到各类能源传输性质不同,通过划分不同控制子层开展综合能源系统混合时间尺度优化运行研究。给定各能源子层固定调度周期,并基于分布式模型预测控制方法实现各子层优化。以某地区综合能源系统数据进行仿真分析,结果表明计及能源传输特性的综合能源系统优化中,分布式模型预测方法具有平滑系统内各耦合元件出力调节和提高系统控制性能的优点。
乐健,廖小兵,章琰天,常俊晓,卢姬[4]（2020）在《电力系统分布式模型预测控制方法综述与展望》文中认为模型预测控制作为一类约束优化控制策略,在电力系统控制领域得到了广泛的应用,传统的集中式模型预测控制难以满足复杂互联电力系统的多目标优化、可靠性、实时优化等要求。分布式模型预测控制能够协同多个局部控制器实现全局优化或纳什优化。文中全面综述分布式模型预测控制在电力系统中的研究现状和发展方向。首先,按照控制结构对模型预测控制方法进行了分类和对比分析,接着重点阐述了非协作式和协作式2类分布式模型预测控制方法。然后,围绕分布式模型预测控制在不同应用场景分别进行综述和分析。最后,指出了分布式模型预测控制在电力系统控制应用的研究方向。
郭晓钢[5]（2020）在《计及不确定性的微网模型预测控制能量优化调度研究》文中研究说明全球能源危机和环境问题促使能源利用不断转型升级,在我国能源清洁转型过程中,建设能源互联网（Energy Interconnection System,EIS）被认为是实现能源利用清洁低碳安全高效的战略途径,微网作为构建EIS的有机细胞,可以实现区域能量协调互动、主动负荷调控,促进可再生能源充分消纳。本文针对考虑不确定因素的微网能量优化调度展开研究,主要工作如下:（1）建立了系统有功平衡和综合经济目标最优的能量管理模型,提出了基于模型预测控制的微网优化调度策略,考虑了含可再生能源、储能装置和分布式可控电源的微网优化调度问题,引入分时电价响应策略,通过实时调节不同时刻可控发电设备和储能装置等出力,实现系统功率平衡和经济目标最优。（2）提出了基于场景分析的随机模型预测控制策略以实现微网的经济调度,考虑最大程度消纳风电出力,利用场景生成和削减的方法描述可再生能源出力的随机特征;在不影响储能电池寿命的情况下,对电池充放电功率和SOC约束引入一定的松弛概率,以增强平抑风电的能力,基于一定置信度下的约束松弛概率阈值给出场景优化的数量,利用MATLAB/CPLEX进行求解,有效提高了微网的运行经济性和平抑风电波动的能力。（3）进一步拓展微网的应用场景,建立了电动汽车随机接入的热电联供型微网模型,以场景分析的方法描述电动汽车的随机性,同时考虑了电动汽车的电池损耗模型。以办公楼宇型和居民小区型低碳微网为例,通过热电协调调度,实现含电动汽车的热电联供型微网的优化调度,保证系统最大程度地消纳可再生能源,提高了能源综合利用效率,同时针对微网不同的运行工况,根据电动汽车的时空分布特性采取不同的响应策略,以实现平抑功率波动,达到削峰填谷的目的。（4）针对考虑不确定性的微网可调度性做进一步研究,提出了基于自适应随机模型预测控制的微网优化调度方法,建立一种改进的自适应更新策略,实现对系统动态性能更好地跟踪调整;通过自适应更新策略及时动态调整控制量,使系统能够更好地达到并维持预期的性能指标;与考虑场景分析的鲁棒模型预测控制方法进行比较,分析了不同的自适应更新策略和参数优化方法对控制性能的影响,实验证明所提方法能够有效提高系统的可调度性和模型的自适应性,从而降低系统保守性、增大可行域范围、提高微网调度的弹性。
陈文博[6]（2020）在《基于集结优化的电力系统快速预测控制算法设计与应用》文中研究说明电能在国民生产和生活中占有极其重要的地位。近年来,随着社会用电需求的增加以及对电能质量要求的提高,电力系统的发展也开始呈现出网络规模化、设备多元化、控制智能化等特点,其中应运而生的新能源系统和微电网等能源供给策略也以环保、高效、配置灵活等特点愈发受到关注,并已成为当今能源利用的新方向。新能源及微电网系统具有良好性能指标和效果的关键条件之一,即系统内部的各个设备具有优异的性能以及多网络之间具备高效的协调控制,这也要求其控制策略向更加高效、智能化的方向发展。在众多先进控制方法中,模型预测控制（MPC）在算法灵活性、处理非线性以及不等式约束等方面均有很大优势,近年来受到众多学者的青睐,并在新能源中多个领域成功应用。本文从提高电能的转换和利用效能的角度,基于新能源及微电网系统中常用的直流、交流转换设备、负载以及多网络分布式结构的特点和控制要求,结合理论分析,提出了若干适用于新能源系统的快速模型预测控制策略,为实现电能的高效利用提供新的思路和方法。·通过对衰减集结预测控制算法一般形式中所存在问题的分析,对衰减集结预测控制策略进行改进,提出了改进的衰减集结预测控制方法以及一种简化的累积增量模型衰减集结预测控制方法。其中,改进的衰减集结预测控制方法降低了附加约束对算法带来的限制,扩展了算法的适用范围,使其可以用于一般的电力系统及设备的控制。简化的累积增量模型衰减集结预测控制方法通过使用累积增量模型降低了因模型参数失配造成的稳态误差问题,算法更加简便,计算速度快。文中从理论上证明了两种算法的稳定性条件,为本文的电力系统快速预测控制研究奠定了理论基础。·从常用的直流电能转换设备入手,对单端正激式直流变换器的有限控制集模型预测控制（FCS-MPC）策略快速实现方法进行了研究。采用周期内细化模型对PWM驱动的变换器动态特性进行描述,实现精确状态预测。利用平均等效模型并采用衰减集结预测控制方法实现轨迹预估,从而在控制周期中限定有限控制集数量,提高FCS-MPC方法的计算速度。该方法更加符合PWM驱动的高频直流变换器的实际工作状态,在保证状态轨迹平滑且系统稳定的前提下,提高了直流电源输出的稳定性,提高了设备调节的快速性和鲁棒性。·针对新能源领域中的常用交流转换设备——三相并网逆变器,论文提出了一种适用于并网逆变器控制的扰动跟随坐标系衰减集结预测控制算法。针对电网电压随机波动问题,采用电网电压矢量定位的方式,建立扰动跟随坐标系模型,避免了因电网扰动产生的无法有效定位系统未来坐标系的问题。针对建模中由于开关死区时间、元件参数不精确以及等效简化等造成的模型失配问题,仍采用累积增量模型进行控制,降低了系统对参数的依赖程度。采用的衰减集结预测控制算法在很大程度上降低了控制器的计算量,并结合系统结构在理论上验证了算法的稳定性。·进一步,针对用电设备,本文重点对电动车中常用的永磁同步电机展开讨论,提出了一种双模耦合结构（DMCS）状态观测器,观测器内采用的双模耦合结构降低了估计模型中耦合变量对估计的影响,基于集结优化的滚动时域估计方法（AOMHE）通过减少优化问题中约束数量降低了在线计算量,提出的实时修正近似到达代价项的新方法方便有效的保证了状态估计在线运算的收敛。在预测控制方法中采用简化的约束处理方式,提高了控制器的计算速度,并通过仿真对所提出的估计策略和与其构成的预测控制系统进行了验证。·针对多微电网互联系统的负荷频率控制问题,采用了一种基于数据驱动方法的分布式衰减集结预测控制方法（Data Driven-DAA-DMPC）。针对模型参数不准确的问题,采用数据驱动的模型表示方法降低了不精确模型对控制的影响。控制方法以改进的衰减集结预测控制为基础,提高了系统计算速度,同时文中讨论了整体系统在名义模型下的稳定性问题。通过仿真验证了所述算法在计算时间和控制效果方面的优势。
刘泽健[7]（2020）在《孤岛型单三相混联结构微电网群协同优化控制研究》文中认为能源转型战略背景下,微电网技术逐步规模化,用户侧一定区域内多个邻近微电网产生电气联结形成微电网群系统,可实现更大范围内的资源优化,促进分布式能源消纳和提升供电可靠性。在主网故障/检修和偏远、海岛或电网薄弱地区等场景下,孤岛型单三相混联结构微电网群具有广泛应用前景,如何充分发挥微电网群系统运行模式和“源荷储”资源的灵活性,是保障孤岛型单三相混联结构微电网群安全、稳定、高效运行的关键。因此,本文孤岛型单三相混联结构微电网群的协同优化控制技术展开研究,主要研究内容如下:（1）在分析孤岛型单三相混联结构微电网群系统组网结构和控制架构的基础上,对三相不平衡问题进行深入分析,明确了单三相混联结构微电网群中采用灵活调控策略实现三相不平衡调节的有效途径;进一步针对异相电气不互联特性,提出一种结合广义布尔运算的全景拓扑分析方法,为协同优化控制策略的研究奠定基础。（2）针对孤岛型单三相混联结构微电网群的分散式自治实时控制,提出一种基于模型预测控制的实时控制策略。所提策略基于分层控制架构,考虑三相不平衡,以实时联络线功率与给定基准值偏差最小为控制目标,构建了多输入、多扰动、多变量的动态预测模型,并引入反馈校正环节进行预测误差修正,实现滚动式的有限时域闭环优化。通过实例仿真,所提策略可通过分散自治实现实时平抑源荷出力波动,跟踪联络线功率,验证了其有效性和鲁棒性。（3）在基于MPC的分散式实时控制的基础上,基于分层控制架构,提出孤岛型单三相混联结构微电网群多时间尺度递阶控制策略,包括分钟级集中协调控制和小时级动态孤岛切换控制。分钟级集中协调控制是考虑分散式实时控制的弃光和切负荷措施的恢复,在三相不平衡度约束下基于多目标混合整数非线性规划实现系统源荷储资源集中式协调优化;小时级动态孤岛切换是通过分区互联组合方案的最优决策和执行,实现微电网群系统整体资源配置最优。经算例验证,所提策略可与分散式实时控制协同,实现孤岛型单三相混联结构微电网群多时间尺度递阶控制,有利于孤岛型系统的安全高效运行。（4）针对微电网群研究中主流的分层控制架构,设计一种基于多进程的考虑个体独立性和进程间信息交互的仿真平台。该平台面向多控制主体,以“一控制器一进程”为设计原则,适应各控制器相对独立地运行控制算法,多个进程间的信息交互支持多类特定文件传输协议。通过算例测试验证所提方案的有效性和实用性,有利于降低孤岛型单三相混联结构微电网群复杂工况仿真场景下控制算法开发与验证难度。
孙舶皓[8]（2019）在《包含大规模风电集群互联电力系统频率波动预测控制技术研究》文中提出随着化石能源短缺及环境污染问题的日益突出,风电作为一种技术较为成熟的清洁发电方式在电网中的渗透率不断提高,并对部分老旧传统火电机组完成能源替代。然而风电具有波动性与不确定性的出力性质,在高渗透率风电并网场景下会降低电力系统频率质量和频率稳定性。目前,在我国已建设及规划多个千万千瓦级风电基地,如何在风电预测有效出力范围内对风电集群的有功出力进行灵活控制,使其具备与传统AGC电源协同调频的能力并抑制风电集群所接入电力系统的频率波动成为亟待解决的问题。在全面综述国内外现有研究成果的基础上,本文基于模型预测控制理论与互联电力系统频率控制理论、大系统控制理论和随机规划理论的有机结合,构建包含大规模风电集群互联电力系统频率波动预测控制技术方案,解决大规模风电集群接入电力系统的频率波动问题。所开展的主要研究工作与获得的研究成果如下:（1）在“分布”控制层面,提出了一种基于分布式模型预测控制（Distributed Model Predictive Control,DMPC）的包含大规模风电集群互联系统超前频率控制策略。首先,建立了一个包含大规模风电集群及传统电源的多区互联系统频率响应模型;其次,提出了考虑超短期风电功率预测信息的分布式模型预测控制策略;最后,提出了求解结合拉盖尔函数分布式模型预测控制策略的纳什均衡分解协调在线优化控制算法。仿真结果表明,所提策略和算法能有效实现大规模风电集群和传统电源在频率控制上的协调配合,并满足多变量系统在线滚动优化的速度要求,证明所提方法的有效性与鲁棒性。（2）在“分层”控制层面,提出一种基于分层分布式模型预测控制（Hierarchical-Distributed Model Predictive Control,H-DMPC）的多时空尺度协调风电集群综合频率控制策略。首先在各层采用时间尺度逐层细化的预测时域、控制时域以及超短期风电功率预测值;其次在各层建立空间尺度逐层细化的滚动优化模型;最后根据电网及风电集群实时运行状态建立反馈校正环节,实现综合频率控制策略的闭环运行。IEEE 39节点系统仿真算例表明,所提控制策略能够有效实现风电集群参与系统调频,并能兼顾考虑系统的经济性及安全性目标。（3）在“随机”控制层面,提出了一种基于随机分层分布式模型预测控制（Stochastic-Hierarchical-Distributed Model Predictive Control,S-H-DMPC）的风电集群频率控制机会约束目标滚动规划方法。首先,建立了一个考虑功率波动相关性的风电集群功率预测误差模型;其次,提出了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;最后,提出了基于蒙特卡罗随机模拟的模型求解方法。WSCC 3机9节点系统和IEEE 118节点系统仿真算例表明,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。
江朝东[9]（2019）在《永磁同步电机伺服系统的模型预测控制方法研究》文中认为永磁同步电机具有功率因数高、结构紧凑、重量轻、维护方便等特点,被广泛应用于交流调速系统中。然而由于永磁同步电机伺服系统受非线性摩擦、参数不确定性和负载扰动等因素影响,传统的线性控制策略,如比例积分控制方法,难以实现高性能控制。随着现代控制理论和微型计算机技术的发展,许多先进控制算法被应用于永磁同步电机的控制中。模型预测控制因其实现简单、能够充分利用模型信息、有效处理约束问题等优点被广泛应用。为了提升系统的综合性能,近年来许多学者将模型预测控制应用于永磁同步电机的控制中。本文针对永磁同步电机伺服系统的模型预测控制方法展开研究。在矢量控制的基础上,首先设计了永磁同步电机速度环模型预测控制算法。为进一步提升系统的动态性能,在传统MPC的基础上设计了变预测时域MPC。仿真和实验结果表明,相比于传统PI控制,MPC方法具有更好的动态性能。考虑到伺服系统在低速、往返运动时,摩擦会降低跟踪精度的问题,本文设计了基于摩擦补偿和扩张状态观测器的模型预测控制方法。首先利用分段线性辨识方法建立系统的摩擦模型,再用ESO对摩擦补偿偏差、负载扰动等组成的集总扰动进行观测,最后基于摩擦和扰动信息建立一个更为精确的预测模型,并基于此模型设计MPC算法。仿真和实验结果表明,当电机做低速、往返运动时,此方法可以提高系统的速度响应性能和位置跟踪精度。传统的串级控制方法虽然具有较强的鲁棒性,但也在一定程度上限制了系统带宽。为了进一步提升系统的动态响应性能,本文将永磁同步电机的q轴电流和速度控制器融合为一个控制器,设计了单环模型预测控制方法。仿真与实验结果表明,相比于串级控制,单环MPC方法具有更好的动态性能和更高的稳态精度。
王琳[10]（2019）在《大型流程系统的双层结构预测控制与动态实时优化》文中认为大型工业系统的全局优化控制通常通过分层递阶的结构将生产中的多目标逐级分解,针对不同时间尺度的优化目标,在各层分别进行研究。实时优化（Real Time Optimization,RTO）层根据计划调度层的排产信息等经济指标,面向全局系统的经济性能,给出满足运行约束的稳态最优点。先进控制（Advanced Process Control,APC）层常采用模型预测控制（Model Predictive Control,MPC）跟踪上层给出的稳态设定点,同时综合处理动态系统运行过程中的扰动与约束。然而实际过程运行中的不同排产计划、原材料价格变化、市场需求波动、对象模型变化等情况,会导致系统工作点频繁变化,使得对象运行过程中的动态经济性能变得不可忽略。传统的稳态优化控制策略缺乏对系统动态过程经济性能的关注,为了提升系统整个运行过程的经济性能,本文设计了动态优化控制策略。上层采用动态实时优化（Dynamic RTO,D-RTO）,下层采用模型预测控制,在此基础上提出基于系统经济性能的事件触发动态实时优化算法,并在一种典型大型流程工业系统中进行了实验。首先,本文在分层递阶控制结构下设计了动态实时优化算法。上层采用经济模型预测控制器,优化出包含一系列可行稳态操作点的动态轨迹,操作点是下层可达的。针对可行稳态点,下层采用带有终端约束的局部模型预测控制器进行跟踪。同时分析了该方法的可行性与稳定性,并通过对连续搅拌釜反应器的仿真实验验证了方法的有效性。其次,针对实际系统中不确定性导致的性能下降和控制不可行的问题,本文提出一种面向双层结构经济运行的事件触发动态实时优化与模型预测控制算法。在上层采用经济模型预测控制对目标函数进行优化,计算出最优参考轨迹并传给下层;下层采用李雅普诺夫模型预测控制器跟踪上层轨迹;通过构建基于经济性能指标的事件触发条件来补偿不确定性造成的系统性能损失。当系统实际性能指标与上层优化的性能指标之差超出阈值时,需要重新求解经济模型预测控制问题,并基于当前状态更新参考轨迹。在此基础上,进一步分析了基于经济性能触发的动态实时优化与模型预测控制结构的可行性和闭环稳定性。对连续搅拌釜反应器的仿真实验验证了方法的有效性。最后,将基于经济性能的事件触发动态实时优化与模型预测控制结构用于工业炼油催化裂化反应再生系统的优化控制,针对模型不确定性参数的变化,在满足系统动态运行过程约束的前提下,提升了经济性能。通过在触发条件中对性能指标设置不同权重,实现了各种性能之间的综合优化。实验表明该算法既能提升系统经济性能,也能根据不同的控制要求权衡各方面性能,最终达到满意的控制效果。
二、递阶变时域滚动优化生产控制策略（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、递阶变时域滚动优化生产控制策略（论文提纲范文）
（1）非线性迭代学习模型预测控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究目的和意义 |
| 1.2 迭代学习模型预测控制理论的基本问题 |
| 1.2.1 二维预测模型 |
| 1.2.2 控制律迭代优化 |
| 1.2.3 二维稳定性分析 |
| 1.3 迭代学习模型预测控制面临的挑战 |
| 1.3.1 建模问题 |
| 1.3.2 优化问题 |
| 1.3.3 适应性问题 |
| 1.4 本文的研究内容 |
| 第2章 迭代学习模型预测控制基础理论 |
| 2.1 引言 |
| 2.2 迭代学习控制 |
| 2.2.1 控制问题描述 |
| 2.2.2 学习律 |
| 2.2.3 最优ILC算法收敛性分析 |
| 2.2.4 仿真算例 |
| 2.3 模型预测控制 |
| 2.3.1 预测控制基本原理 |
| 2.3.2 基于状态空间模型的预测控制 |
| 2.3.3 仿真算例 |
| 2.4 基于状态空间模型的迭代学习模型预测控制 |
| 2.4.1 二维预测模型 |
| 2.4.2 控制律求解 |
| 2.4.3 收敛性分析 |
| 2.4.4 仿真算例 |
| 2.5 本章小结 |
| 第3章 变参考轨迹非线性鲁棒迭代学习模型预测控制 |
| 3.1 引言 |
| 3.2 二维预测模型推导 |
| 3.2.1 非线性系统的LPV蕴含 |
| 3.2.2 增广迭代误差模型 |
| 3.2.3 二维增广误差模型 |
| 3.3 RILMPC算法 |
| 3.3.1 控制问题描述 |
| 3.3.2 鲁棒稳定状态反馈控制律 |
| 3.3.3 LMI求解 |
| 3.3.4 控制输入约束 |
| 3.4 收敛性分析 |
| 3.5 仿真研究 |
| 3.5.1 仿真一: 数值系统 |
| 3.5.2 仿真二: 搅拌反应釜系统 |
| 3.6 本章小结 |
| 第4章 快动态批次过程非线性高效迭代学习预测函数控制 |
| 4.1 引言 |
| 4.2 二维预测模型 |
| 4.2.1 非线性系统轨迹线性化 |
| 4.2.2 二维LTV增量预测模型 |
| 4.3 稳定ILMPC策略 |
| 4.3.1 ILMPC问题描述 |
| 4.3.2 ILMPC约束处理 |
| 4.4 高效ILPFC策略 |
| 4.4.1 ILPFC问题描述 |
| 4.4.2 ILPFC性能分析 |
| 4.5 ILPFC/ILMPC收敛性分析 |
| 4.6 仿真研究 |
| 4.6.1 仿真一: 无人地面车辆 |
| 4.6.2 仿真二: 非线性间歇反应器 |
| 4.7 本章小结 |
| 第5章 基于数据驱动建模的迭代学习模型预测控制 |
| 5.1 引言 |
| 5.2 非线性批次过程CAFNN建模 |
| 5.3 Tube CAFNN-ILMPC策略 |
| 5.3.1 标称ILMPC控制器 |
| 5.3.2 辅助控制器 |
| 5.4 Tube CAFNN-ILMPC 2D稳定性 |
| 5.4.1 时域稳定性 |
| 5.4.2 迭代收敛性 |
| 5.5 仿真研究 |
| 5.6 本章小结 |
| 第6章 变批次长度事件触发迭代学习模型预测控制 |
| 6.1 引言 |
| 6.2 变批次长度问题描述 |
| 6.2.1 基于预测的误差信息修正算法 |
| 6.2.2 基于修正误差信息的线性迭代学习模型预测控制 |
| 6.3 基于事件触发的非线性迭代学习模型预测控制 |
| 6.3.1 非线性ILMPC问题描述 |
| 6.3.2 基于EKF训练的二维神经网络预测模型 |
| 6.3.3 基于事件触发的非线性迭代学习模型预测控制器设计 |
| 6.3.4 收敛性分析 |
| 6.4 仿真研究 |
| 6.4.1 仿真一: 线性数值系统 |
| 6.4.2 仿真二: 非线性注塑过程 |
| 6.5 本章小结 |
| 第7章 结论与展望 |
| 7.1 研究结论 |
| 7.2 研究展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（2）工业烟丝干燥过程建模与先进控制策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 工业干燥过程建模及先进控制策略研究的背景及意义 |
| 1.3 工业干燥过程建模及先进控制策略研究的现状分析 |
| 1.3.1 工业干燥过程的研究现状 |
| 1.3.2 工业干燥过程建模的研究现状 |
| 1.3.3 工业干燥过程先进控制策略的研究现状 |
| 1.3.4 工业干燥过程建模及先进控制策略相关研究之不足 |
| 1.4 本文的主要研究工作和创新点 |
| 1.5 符号说明 |
| 第2章 工业烟丝干燥过程机理数学建模 |
| 2.1 引言 |
| 2.2 工业烟丝干燥过程建模相关研究概况 |
| 2.3 工业干燥过程建模理论方法 |
| 2.3.1 控制系统数学模型 |
| 2.3.2 工业过程主要建模法 |
| 2.4 工业烟丝干燥过程 |
| 2.4.1 烟丝干燥过程工艺描述 |
| 2.4.2 烟丝干燥设备结构及工艺要求 |
| 2.4.3 工业烟丝干燥过程建模 |
| 2.4.4 烟丝干燥过程控制方案 |
| 2.5 系统控制周期内层级间协同优化 |
| 2.5.1 有限元正交配置法 |
| 2.5.2 非线性约束优化算法 |
| 2.6 本章小结 |
| 第3章 基于非线性滚动时域估计器的状态和参数估计 |
| 3.1 引言 |
| 3.2 状态估计方法相关概述 |
| 3.3 滚动时域估计(MHE)相关概述 |
| 3.4 全信息估计策略(FIE) |
| 3.5 有限滚动时域估计(MHE) |
| 3.6 状态及参数的滚动时域估计 |
| 3.7 工业干燥过程估计算法鲁棒性对比 |
| 3.7.1 基于线性模型的各类状态估计策略对比 |
| 3.7.2 基于非线性模型的L1-Norm 估计器和L2-Norm 估计器对比 |
| 3.8 本章小结 |
| 第4章 烟丝干燥过程的区域非线性模型预测控制 |
| 4.1 引言 |
| 4.2 干燥过程系统及控制策略相关概述 |
| 4.3 非方多变量系统的非线性控制策略 |
| 4.4 区域模型预测控制策略 |
| 4.5 干燥过程控制策略结果分析 |
| 4.5.1 负载跟踪能力测试的结果 |
| 4.6 本章小结 |
| 第5章 烟丝干燥过程的优先级多目标非线性模型预测控制 |
| 5.1 引言 |
| 5.2 多目标MPC优化算法结构 |
| 5.3 多目标MPC可行性判定及软约束调整 |
| 5.4 多目标优先级及目标约束优先级调整 |
| 5.5 多目标MPC控制策略仿真验证 |
| 5.5.1 单变量系统的多目标控制策略验证 |
| 5.5.2 多变量系统的多目标控制策略验证 |
| 5.6 本章小结 |
| 第6章 烟丝干燥过程的双层非线性模型预测控制 |
| 6.1 引言 |
| 6.2 烟丝干燥系统及性能指标概述 |
| 6.3 非线性滚动时域估计与实时优化 |
| 6.3.1 非线性滚动时域估计(NMHE) |
| 6.3.2 实时优化设计(RTO) |
| 6.4 子层稳态目标优化设计(SSTO) |
| 6.4.1 SSTO可行性判断 |
| 6.4.2 SSTO目标跟踪 |
| 6.4.3 SSTO经济优化 |
| 6.4.4 SSTO可行性与经济优化的协调 |
| 6.5 集成SSTO的 MPC |
| 6.6 控制策略验证 |
| 6.6.1 系统参数和约束 |
| 6.6.2 SSTO和 RTO的优化设定值 |
| 6.6.3 最优操作设定值跟踪能力测试的结果 |
| 6.6.4 非方系统的控制策略对比 |
| 6.7 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 研究工作展望 |
| 参考文献 |
| 攻读学位期间发表论文清单 |
| 攻读学位期间承担的科研项目 |
| 致谢 |
（3）基于分布式模型预测控制的综合能源系统多时间尺度优化调度（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 综合能源系统优化国内外研究现状 |
| 1.2.1 综合能源系统多时间尺度研究现状 |
| 1.2.2 综合能源系统控制分布式模型预测控制研究现状 |
| 1.3 本文主要工作及结构安排 |
| 第二章 综合能源系统建模及风光不确定性研究 |
| 2.1 能源转换设备模型 |
| 2.1.1 微型燃气轮机 |
| 2.1.2 P2G |
| 2.1.3 电热锅炉 |
| 2.1.4 电制冷机 |
| 2.2 储能设备模型 |
| 2.2.1 蓄电池 |
| 2.2.2 储气罐 |
| 2.2.3 储热罐 |
| 2.2.4 蓄冷罐 |
| 2.3 风电/光伏不确定性分析 |
| 2.3.1 场景生成 |
| 2.3.2 场景削减 |
| 2.3.3 数据分析 |
| 2.4 本章小结 |
| 第三章 基于分布式模型预测控制的综合能源系统优化调度 |
| 3.1 模型预测控制方法 |
| 3.2 分布式模型预测控制 |
| 3.3 多时间尺度滚动调度策略 |
| 3.3.1 日前调度模型 |
| 3.3.2 日内调度模型 |
| 3.3.3 实时调度模型 |
| 3.4 算例分析 |
| 3.5 本章小结 |
| 第四章 基于混合时间尺度控制的综合能源系统优化调度 |
| 4.1 IES混合时间尺度优化分析 |
| 4.1.1 能源传输特性分析 |
| 4.1.2 能源调度周期选择 |
| 4.2 基于DMPC的 IES混合时间尺度优化控制策略 |
| 4.3 算例分析 |
| 4.3.1 日内阶段各控制层元件出力结果及分析 |
| 4.3.2 基于DMPC的分层调度结果及分析 |
| 4.3.3 基于多组元件的DMPC控制策略研究 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（4）电力系统分布式模型预测控制方法综述与展望（论文提纲范文）
| 0 引言 |
| 1MPC |
| 1.1 CMPC |
| 1.2De-MPC |
| 1.3Di-MPC |
| 2 两类Di-MPC |
| 2.1 非协作式Di-MPC |
| 2.2 协作式Di-MPC |
| 3 电力系统Di-MPC研究现状 |
| 3.1 互联电力系统频率控制 |
| 3.2 互联电力系统电压控制 |
| 3.3 多端直流输电系统控制 |
| 3.4 风电场功率控制 |
| 3.5 微电网频率/电压控制 |
| 3.6 能量管理与优化调度 |
| 4 电力系统Di-MPC研究方向探讨 |
| 4.1 通信网络约束的Di-MPC |
| 4.2 分布式多目标MPC |
| 4.3 信息-物理融合系统的混合整数MPC及其分布式优化 |
| 4.4 考虑不确定性的分布式随机MPC |
| 4.5 基于数据驱动的Di-MPC |
| 5 结语 |
（5）计及不确定性的微网模型预测控制能量优化调度研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 微网概述及国内外发展现状 |
| 1.2.2 微网优化调度策略研究现状 |
| 1.2.3 微网系统不确定性问题的研究 |
| 1.2.4 基于模型预测控制的微网研究现状 |
| 1.3 本文主要内容及章节安排 |
| 第2章 考虑不确定因素的微网优化调度基础理论与建模 |
| 2.1 引言 |
| 2.2 考虑不确定性的微网优化调度系统架构 |
| 2.2.1 微网系统架构和功能 |
| 2.2.2 优化调度策略概述 |
| 2.3 微网优化调度基础模型与策略 |
| 2.3.1 风电出力数学模型 |
| 2.3.2 燃气轮机数学模型 |
| 2.3.3 储能装置特性建模 |
| 2.3.4 分时电价数学模型 |
| 2.4 模型预测控制理论及求解 |
| 2.4.1 基本原理 |
| 2.4.2 主要特征 |
| 2.4.3 性能指标 |
| 2.4.4 问题求解 |
| 2.5 随机规划理论与场景分析方法 |
| 2.5.1 随机规划基础 |
| 2.5.2 场景分析方法 |
| 2.5.3 场景数量的经验估计 |
| 2.6 微网系统短期功率预测模型 |
| 2.6.1 基于改进的PSO-ELM预测模型 |
| 2.6.2 短期功率区间预测模型 |
| 2.7 本章小结 |
| 第3章 基于考虑场景分析的随机模型预测控制微网优化调度 |
| 3.1 引言 |
| 3.2 基于场景分析的微网MPC优化调度模型 |
| 3.2.1 微网优化调度模型概述 |
| 3.2.2 目标函数 |
| 3.2.3 约束条件 |
| 3.3 微网不确定性场景建模 |
| 3.3.1 风电随机场景生成 |
| 3.3.2 场景数量确定方法 |
| 3.4 考虑不确定场景的微网优化调度模型求解 |
| 3.4.1 模型求解思路 |
| 3.4.2 算法流程框图 |
| 3.5 算例仿真及结果分析 |
| 3.5.1 日前预测结果分析 |
| 3.5.2 日内优化调度结果 |
| 3.5.3 系统的保守性分析 |
| 3.6 本章小结 |
| 第4章 考虑电动汽车随机接入热电联供型微网优化调度 |
| 4.1 引言 |
| 4.2 基于EV和 CHP的调度框架和设备建模 |
| 4.2.1 含EV和 CHP的微网优化调度 |
| 4.2.2 电动汽车出行数学模型 |
| 4.2.3 CHP机组出力数学模型 |
| 4.2.4 燃气锅炉出力特性建模 |
| 4.3 电动汽车不确定性场景模型 |
| 4.3.1 电动汽车分组调度策略 |
| 4.3.2 电动汽车可调度场景模型 |
| 4.4 计及损耗的电动汽车电池分析 |
| 4.4.1 电池损耗方法研究 |
| 4.4.2 电池损耗及约束模型 |
| 4.5 基于MPC的系统调度模型及求解 |
| 4.5.1 目标函数 |
| 4.5.2 约束条件 |
| 4.5.3 模型求解 |
| 4.6 算例仿真和结果分析 |
| 4.6.1 Case I-办公楼宇型微网优化调度 |
| 4.6.2 Case II-居民小区型微网优化调度 |
| 4.6.3 结论分析 |
| 4.7 本章小结 |
| 第5章 基于自适应随机模型预测控制的微网优化调度和综合性能评价 |
| 5.1 引言 |
| 5.2 自适应问题描述 |
| 5.3 微网系统数学模型 |
| 5.3.1 目标函数 |
| 5.3.2 约束条件 |
| 5.4 自适应随机模型更新策略 |
| 5.4.1 MPC的自适应描述 |
| 5.4.2 改进的自适应MPC更新策略 |
| 5.4.3 微网自适应约束条件更新 |
| 5.5 自适应随机MPC模型求解 |
| 5.5.1 模型自适应辨识 |
| 5.5.2 模型求解流程 |
| 5.6 算例分析及综合性能评价 |
| 5.6.1 自适应随机模型参数设置 |
| 5.6.2 ASMPC和 RMPC方法对比分析 |
| 5.6.3 不同自适应更新策略的对比分析 |
| 5.6.4 预测时域对控制性能的影响分析 |
| 5.6.5 调整参数对控制性能的影响分析 |
| 5.7 本章小结 |
| 第6章 结论与展望 |
| 6.1 全文工作总结 |
| 6.2 研究工作展望 |
| 参考文献 |
| 作者简介 |
| 致谢 |
| 攻读博士学位期间取得的科研成果 |
| 攻读博士学位期间参加的科研工作 |
（6）基于集结优化的电力系统快速预测控制算法设计与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号对照表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 模型预测控制原理及特点 |
| 1.2.1 模型预测控制原理 |
| 1.2.2 模型预测控制的特点 |
| 1.3 预测控制在电力系统中的应用 |
| 1.3.1 预测控制在电力系统中的应用及面临问题 |
| 1.3.2 电力系统快速预测控制研究现状 |
| 1.4 集结优化策略 |
| 1.4.1 集结优化策略的一般形式 |
| 1.4.2 集结优化策略的典型设计 |
| 1.5 本文主要研究内容及结构 |
| 1.5.1 研究思路及主要内容 |
| 1.5.2 文章结构 |
| 第二章 衰减集结预测控制方法及稳定性分析 |
| 2.1 引言 |
| 2.2 改进的衰减集结预测控制算法 |
| 2.2.1 衰减集结预测控制的一般形式 |
| 2.2.2 衰减集结预测控制一般形式的稳定性条件 |
| 2.2.3 衰减集结预测控制一般形式的特点及存在问题 |
| 2.2.4 改进的衰减集结预测控制策略及稳定性分析 |
| 2.3 简化的累积增量模型衰减集结预测控制算法 |
| 2.3.1 累积增量式状态空间模型 |
| 2.3.2 累积增量模型衰减集结预测控制及存在问题 |
| 2.3.3 简化的累积增量模型衰减集结预测控制算法 |
| 2.4 仿真验证 |
| 2.5 本章小结 |
| 第三章 基于轨迹预估的FCS-MPC在直流变换器控制中的应用 |
| 3.1 引言 |
| 3.2 单端正激式直流变换器模型 |
| 3.2.1 变换器周期平均等效模型 |
| 3.2.2 变换器周期内细化模型 |
| 3.3 基于轨迹预估的FCS-MPC方法 |
| 3.3.1 直流变换器FCS-MPC策略 |
| 3.3.2 基于衰减集结预测控制的系统轨迹预估方法 |
| 3.3.3 轨迹预估的FCS-MPC算法 |
| 3.4 仿真分析及应用 |
| 3.4.1 仿真环境 |
| 3.4.2 仿真验证 |
| 3.5 本章小结 |
| 第四章 基于衰减集结预测控制的并网逆变器控制器设计 |
| 4.1 引言 |
| 4.2 LCL型三相并网逆变器扰动跟随坐标系模型 |
| 4.2.1 LCL型三相并网逆变器结构及状态空间模型 |
| 4.2.2 旋转坐标系变换 |
| 4.2.3 并网逆变器的累积增量模型 |
| 4.2.4 扰动跟随坐标系模型建立 |
| 4.3 三相并网逆变器衰减集结预测控制方法 |
| 4.3.1 系统模型的衰减集结优化 |
| 4.3.2 三相并网逆变器衰减集结预测控制算法 |
| 4.3.3 系统稳定性分析 |
| 4.4 仿真示例及分析 |
| 4.4.1 仿真环境搭建 |
| 4.4.2 衰减集结预测控制仿真 |
| 4.4.3 与经典MPC控制效果对比 |
| 4.4.4 模型参数不匹配下的控制效果 |
| 4.5 本章小结 |
| 第五章 基于集结优化滚动时域估计的永磁同步电机预测控制方法 |
| 5.1 引言 |
| 5.2 永磁同步电机状态估计模型 |
| 5.2.1 永磁同步电机状态估计双模型结构 |
| 5.2.2 状态估计系统结构及符号说明 |
| 5.3 滚动时域估计方法 |
| 5.3.1 全信息最优估计 |
| 5.3.2 滚动时域估计 |
| 5.3.3 实时修正近似到达代价项的新方法 |
| 5.4 基于集结优化滚动时域估计的双模耦合结构观测器 |
| 5.4.1 双模耦合结构观测器设计 |
| 5.4.2 集结优化滚动时域估计及优化问题的标准二次型转换 |
| 5.4.3 永磁同步电机集结优化滚动时域估计策略 |
| 5.5 永磁同步电机衰减集结预测控制 |
| 5.5.1 永磁同步电机预测控制模型 |
| 5.5.2 永磁同步电机预测控制器参考值设定 |
| 5.5.3 衰减集结预测控制器的约束处理及算法实现 |
| 5.6 仿真示例 |
| 5.6.1 仿真环境 |
| 5.6.2 观测器状态估计性能 |
| 5.6.3 永磁同步电机预测控制系统性能 |
| 5.6.4 控制及估计性能对比 |
| 5.7 本章小结 |
| 第六章 多微电网互联系统负荷频率控制分布式预测控制方法 |
| 6.1 引言 |
| 6.2 多微电网互联系统分布式负荷频率控制问题描述 |
| 6.3 微电网互联系统负荷频率控制系统模型 |
| 6.3.1 调速器模型 |
| 6.3.2 原动机模型 |
| 6.3.3 功率频率关系模型 |
| 6.3.4 单微电网区域内负荷频率控制模型 |
| 6.3.5 多微电网互联系统模型 |
| 6.3.6 多微电网互联系统分布式控制模型 |
| 6.4 基于数据驱动的分布式衰减集结预测控制算法 |
| 6.4.1 分布式迭代计算模型结构 |
| 6.4.2 控制模型的数据驱动表达方式 |
| 6.4.3 基于数据驱动方法的分布式衰减集结预测控制 |
| 6.4.4 系统名义稳定性分析及算法实施步骤 |
| 6.5 仿真示例 |
| 6.5.1 仿真环境 |
| 6.5.2 系统仿真 |
| 6.6 本章小结 |
| 第七章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间参与的项目 |
（7）孤岛型单三相混联结构微电网群协同优化控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 单三相混联结构微电网群研究现状 |
| 1.2.2 微电网群协同优化控制研究现状 |
| 1.2.3 微电网群控制仿真技术研究现状 |
| 1.3 本文主要内容及章节安排 |
| 第2章 孤岛型单三相混联结构微电网群系统概述 |
| 2.1 孤岛型单三相混联结构微电网群组网结构及控制架构 |
| 2.2 单三相混联结构微电网群三相功率不平衡问题分析 |
| 2.2.1 三相功率不平衡及其危害 |
| 2.2.2 三相功率不平衡解决方案 |
| 2.3 单三相混联结构微电网群全景拓扑分析 |
| 2.3.1 黑板模型功能设计 |
| 2.3.2 基于广义布尔运算表示的拓扑分析 |
| 2.3.3 实例分析 |
| 2.4 本章小结 |
| 第3章 孤岛型单三相混联结构微电网群实时模型预测控制 |
| 3.1 模型预测控制算法 |
| 3.2 考虑三相不平衡的微电网群实时模型预测控制 |
| 3.3 算例分析 |
| 3.4 本章小结 |
| 第4章 孤岛型单三相混联结构微电网群多时间尺度递阶控制 |
| 4.1 多时间尺度递阶控制架构 |
| 4.2 分钟级集中协调控制 |
| 4.3 小时级动态孤岛切换控制 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 第5章 基于多进程的孤岛型单三相混联结构微电网群分层控制仿真平台设计 |
| 5.1 仿真平台方案设计 |
| 5.1.1 多进程原理及优势 |
| 5.1.2 多进程架构设计 |
| 5.1.3 多进程间信息交互 |
| 5.2 算例测试 |
| 5.2.1 测试系统 |
| 5.2.2 多进程仿真过程 |
| 5.2.3 结果与分析 |
| 5.3 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读博士/硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（8）包含大规模风电集群互联电力系统频率波动预测控制技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 维持电力系统频率稳定性的意义 |
| 1.3 论文相关内容研究现状 |
| 1.3.1 模型预测控制方法研究现状 |
| 1.3.2 含风电接入的电力系统频率波动抑制研究现状 |
| 1.4 论文的主要工作 |
| 第2章 模型预测控制方法与相关控制理论 |
| 2.1 模型预测控制方法基础理论 |
| 2.2 “分布控制”与互联电力系统频率控制理论 |
| 2.3 “分层控制”与大系统分层递阶控制理论 |
| 2.4 “随机控制”与随机规划理论 |
| 2.4.1 期望值模型 |
| 2.4.2 机会约束模型 |
| 2.5 本章小结 |
| 第3章 基于分布式模型预测控制的包含大规模风电集群互联系统超前频率控制策略 |
| 3.1 引言 |
| 3.2 包含大规模风电集群及传统电源的多区互联系统频率响应模型 |
| 3.2.1 第i区状态空间方程 |
| 3.2.2 非线性约束条件的处理 |
| 3.2.3 第i区状态空间的矩阵表达式 |
| 3.3 DMPC控制策略 |
| 3.3.1 结合拉盖尔函数的DMPC |
| 3.3.2 风电集群主动参与调频的方式 |
| 3.4 考虑纳什均衡的分解协调控制算法 |
| 3.5 算例分析 |
| 3.5.1 仿真系统描述 |
| 3.5.2 考虑负荷突增扰动的仿真结果分析 |
| 3.5.3 考虑负荷随机扰动的仿真结果分析 |
| 3.6 本章小结 |
| 第4章 基于分层分布式模型预测控制的多时空尺度协调风电集群综合频率控制策略 |
| 4.1 引言 |
| 4.2 基于H-DMPC的多时空尺度协调风电集群综合频率控制总体思路 |
| 4.2.1 H-DMPC控制器 |
| 4.2.2 综合频率控制框架 |
| 4.3 H-DMPC控制器建模 |
| 4.3.1 全区三次调频控制器建模 |
| 4.3.2 分区二次调频控制器建模 |
| 4.3.3 分类一次调频控制器建模 |
| 4.3.4 H-DMPC控制器调频作用时间协调 |
| 4.4 预测模型及反馈校正环节建模 |
| 4.4.1 超短期风电功率组合预测方法 |
| 4.4.2 预测校正及状态反馈 |
| 4.5 算例分析 |
| 4.5.1 IEEE 39节点系统算例 |
| 4.5.2 仿真结果分析 |
| 4.6 本章小结 |
| 第5章 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 |
| 5.1 引言 |
| 5.2 基于S-H-DMPC的风电集群频率控制机会约束目标滚动方法总体思路 |
| 5.3 考虑波动相关性的风电集群功率预测误差模型 |
| 5.3.1 风电集群功率预测误差各时间尺度边缘概率分布模型 |
| 5.3.2 考虑波动相关性的风电集群功率预测误差联合概率密度函数 |
| 5.4 双层机会约束目标滚动规划方法 |
| 5.4.1 机会约束目标规划的一般形式 |
| 5.4.2 上层全区机会约束目标滚动规划建模 |
| 5.4.3 下层分区机会约束目标滚动规划建模 |
| 5.5 模型求解方法 |
| 5.5.1 机会约束条件的处理 |
| 5.5.2 考虑波动相关性的风电集群功率预测误差向量抽样方法 |
| 5.6 算例分析 |
| 5.6.1 WSCC 3机9节点系统算例 |
| 5.6.2 IEEE 118节点算例 |
| 5.7 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录A IEEE 39节点系统数据 |
| 附录B IEEE 118节点系统数据 |
| 附录C WSCC 3机9节点标准算例PSAT程序 |
| 致谢 |
| 个人简历、在学期间发表的学术论文与研究成果 |
（9）永磁同步电机伺服系统的模型预测控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 永磁交流伺服系统的控制技术研究现状 |
| 1.2.1 永磁交流伺服系统的控制策略研究现状 |
| 1.2.2 永磁交流伺服系统的控制算法研究现状 |
| 1.3 永磁同步电机模型预测控制的研究现状 |
| 1.4 本文内容安排 |
| 第二章 永磁同步电机调速系统原理及方案实现 |
| 2.1 引言 |
| 2.2 永磁同步电机的数学模型 |
| 2.2.1 三相静止坐标系下的数学模型 |
| 2.2.2 两相静止坐标系下的数学模型 |
| 2.2.3 两相旋转坐标系下的数学模型 |
| 2.3 永磁同步电机矢量控制方案 |
| 2.4 小结 |
| 第三章 永磁同步电机速度环模型预测控制方案的设计与实现 |
| 3.1 引言 |
| 3.2 模型预测控制的基本原理 |
| 3.3 永磁同步电机调速系统速度环模型预测控制的设计 |
| 3.3.1 预测模型 |
| 3.3.2 反馈校正 |
| 3.3.3 滚动优化 |
| 3.4 速度环变预测时域模型预测控制的设计 |
| 3.5 仿真与实验结果分析 |
| 3.5.1 仿真结果分析 |
| 3.5.2 实验结果分析 |
| 3.6 小结 |
| 第四章 基于摩擦补偿和扩张状态观测器的永磁同步电机模型预测控制的设计与实现 |
| 4.1 引言 |
| 4.2 摩擦辨识建模 |
| 4.2.1 摩擦模型 |
| 4.2.2 Stribeck模型参数辨识 |
| 4.3 基于摩擦补偿的扩张状态观测器设计 |
| 4.3.1 扩张状态观测器的基本原理 |
| 4.3.2 基于分段线性化摩擦补偿的扩张状态观测器设计 |
| 4.4 永磁同步电机速度环复合模型预测控制的设计 |
| 4.4.1 预测模型 |
| 4.4.2 预测输出 |
| 4.4.3 代价函数 |
| 4.4.4 滚动优化 |
| 4.5 仿真与实验结果分析 |
| 4.5.1 仿真结果分析 |
| 4.5.2 实验结果分析 |
| 4.6 小结 |
| 第五章 永磁同步电机单环模型预测控制方案的设计与实现 |
| 5.1 引言 |
| 5.2 永磁同步电机单环模型预测控制的设计 |
| 5.2.1 预测模型 |
| 5.2.2 反馈校正 |
| 5.2.3 代价函数 |
| 5.2.4 约束问题求解 |
| 5.3 仿真与实验结果分析 |
| 5.3.1 仿真结果分析 |
| 5.3.2 实验结果分析 |
| 5.4 小结 |
| 第六章 结束语 |
| 致谢 |
| 参考文献 |
| 作者在攻读硕士学位期间发表的论文与获奖情况 |
（10）大型流程系统的双层结构预测控制与动态实时优化（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 模型预测控制 |
| 1.2.2 大型流程系统的稳态经济优化及跟踪控制 |
| 1.2.3 大型流程系统的动态经济优化及轨迹跟踪 |
| 1.2.4 炼油生产过程的优化控制 |
| 1.3 本文的主要研究内容与结构 |
| 第二章 动态实时优化与稳态过渡点跟踪 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 动态优化控制算法 |
| 2.3.1 动态实时优化层 |
| 2.3.2 模型预测控制层 |
| 2.3.3 基于经济性能的可行稳态过渡点优化算法 |
| 2.4 仿真算例 |
| 2.5 本章小结 |
| 第三章 基于经济性能的事件触发动态实时优化及轨迹跟踪 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 基于性能指标的事件触发动态实时优化算法 |
| 3.3.1 动态实时优化层 |
| 3.3.2 模型预测控制层 |
| 3.3.3 事件触发的动态实时优化方法 |
| 3.4 系统性能分析 |
| 3.5 仿真算例 |
| 3.6 本章小结 |
| 第四章 催化裂化反应再生系统的动态实时优化与控制 |
| 4.1 引言 |
| 4.2 催化裂化介绍 |
| 4.2.1 催化裂化工艺发展 |
| 4.2.2 催化裂化反应过程 |
| 4.3 反应再生系统介绍 |
| 4.3.1 前置烧焦罐式高效再生器 |
| 4.3.2 MIP-CGP提升管反应器 |
| 4.3.3 催化裂化反应再生系统模型 |
| 4.4 催化裂化反应再生系统的动态实时优化与控制 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文主要工作和研究成果 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间参与的项目 |
四、递阶变时域滚动优化生产控制策略（论文参考文献）
- [1]非线性迭代学习模型预测控制研究[D]. 马乐乐. 华北电力大学(北京), 2021(01)
- [2]工业烟丝干燥过程建模与先进控制策略研究[D]. 陈安钢. 东华大学, 2021(01)
- [3]基于分布式模型预测控制的综合能源系统多时间尺度优化调度[D]. 周建平. 合肥工业大学, 2021(02)
- [4]电力系统分布式模型预测控制方法综述与展望[J]. 乐健,廖小兵,章琰天,常俊晓,卢姬. 电力系统自动化, 2020(23)
- [5]计及不确定性的微网模型预测控制能量优化调度研究[D]. 郭晓钢. 浙江大学, 2020(11)
- [6]基于集结优化的电力系统快速预测控制算法设计与应用[D]. 陈文博. 上海交通大学, 2020(01)
- [7]孤岛型单三相混联结构微电网群协同优化控制研究[D]. 刘泽健. 华南理工大学, 2020
- [8]包含大规模风电集群互联电力系统频率波动预测控制技术研究[D]. 孙舶皓. 中国电力科学研究院, 2019(09)
- [9]永磁同步电机伺服系统的模型预测控制方法研究[D]. 江朝东. 东南大学, 2019(06)
- [10]大型流程系统的双层结构预测控制与动态实时优化[D]. 王琳. 上海交通大学, 2019(06)