XiaoMi-AI文件搜索系统
World File Search SystemDMPC
应用能量-NSF -PAR
需求响应是智能电网在利用公用事业与其客户之间及时交互以提高电力网络的可靠性和可持续性时的新兴应用。本文调查了需求响应和交流最佳电力流的联合协调，并削减了可再生能源资源，不仅可以节省发电成本的总量，可再生能源降低成本和价格弹性需求成本，还可以管理各种类型的需求响应限制和GRID操作约束的总体电力负载的波动。它的在线实施非常具有挑战性，因为未来的统计数据是无法预测的。集中式和分布式模型预测控制（CMPC和DMPC）的方法分别针对在线调度问题的集中式计算和分布式计算提出了基于基于的方法。CMPC可以为DMPC提供基线解决方案。DMPC非常具有挑战性，可以在每个时间插槽中调用非convex优化问题的分布式计算。为此具有挑战性的DMPC提出了一种新型的乘数（ADMM）DMPC算法的交替方向方法。它在更新过程的更新过程中涉及迭代子例程计算，这些变量可以有效地处理困难的非convex约束。已经进行了全面的实验来测试所提出的方法。仿真结果表明，DMPC与其基线对应物（CMPC）之间的客观值差距均在1％之内，进一步验证了拟议的基于ADMM的DMPC算法的有效性。
分布式模型的预测性控制，用于领先车辆未知输入的异质车辆排
在本文中，提出了针对异性恋车辆排的分布式模型预测控制（DMPC）算法。允许领先的车辆由非零和时间变化的输入驱动，而不是以恒定的速度行驶。除了每个车辆的个别状态和输入限制外，所有车辆均通过状态耦合的车间间距约束和状态耦合成本函数耦合，从而维持一维排的构造与令人满意的瞬态性能。每辆车都与其附近的车辆通信，并且可能不知道领先的车辆的动力学状态信息。每个车辆的控制输入是由每个车辆的本地信息以及其邻居的假定状态信息确定的局部优化问题计算的。通过设计以下车辆的分布式终端控制法，将每个状态耦合设置为几个特定子集，然后迫使每辆车辆以优化其在分配的子集中受到约束的状态，可以将耦合约束和成本函数解耦，因此可以采用分布式和平行的计算方法来计算所有以下所有车辆的控制权。基于量身定制的终端平等约束以及量身定制的终端控制法，在所有时间步骤中都实现了本地MPC优化问题的递归可行性，并且还可以保证每辆车的渐近稳定性。在模拟中证明了所提出的DMPC方法的有效性，并且所提出的DMPC的优势与领先的车辆的非零，无法访问，并且随时间变化的输入强调了与不断变化的领先车辆速度的异构车辆平台的比较模拟。
使用易腐烂的商品在多阶段供应链中管理库存水平和牛仔效应：一种新的分布式模型预测控制方法
多阶段SC的MPC技术通常会根据三种不同的对照档案（集中式，分散和分布式）进行。前两个在（Alessandri等，2011），（Fu等，2014）中进行了讨论，（Fu等，2016），（Mestan等，2016），（Perea-Lopez等，2003）。集中式方法的主要限制是：数值综合性，计算成本，不愿共享信息。分散的方法没有这些弊端，但会导致性能丧失，因为控制剂彼此独立地决定控制措施。因此，兴趣最近集中在分布式MPC（DMPC）（Fu等，2019），（Fu等，2020）（Kohler等，2021）。上述论文并未考虑到库存系统中的不在项目的存在。另一方面，如果未考虑易腐商品的影响，则会观察到供应链系统的严重退化。易腐烂商品库存水平的集中式MPC已在（Hipolito等，2022； Lejarza and Baldea，2020）中进行了研究。这些后一篇论文假定了一个完全已知的恶化因素。然而，在实际情况的压倒性部分中，这种简化的信息无法满足（Chaudary等，2018）。