基于自适应松弛的非保守机会约束随机模型预测控制
系统与控制
2025-03-19 v4 系统与控制
摘要
机会约束随机模型预测控制器(CC-SMPC)在不确定性下权衡了完全约束满足与工厂经济性能。以往的CC-SMPC工作在约束违反方面过于保守，导致经济性能更差。其他过去的工作需要关于不确定性集合的先验信息，限制了其应用。本文考虑一个离散LTI系统，对输入有硬约束，对状态有机会约束，且不确定性分布、统计量或样本未知。本文提出了一种新颖的自适应在线更新规则，基于过去约束违反的时间平均值来松弛状态约束，从而在闭环中降低保守性。在理想控制策略假设下，证明了约束违反的时间平均值渐近收敛于最大允许违反概率。该方法应用于具有光伏发电和负荷需求的并网微电网中的最优电池储能系统(BESS)调度，并对BESS荷电状态(SOC)施加机会约束。真实仿真表明，与传统的无机会约束的经济MPC以及一种先进的有机会约束方法相比，所提方法具有更优的节电成本潜力。我们在闭环中非保守地满足机会约束，有效权衡了增加的成本节约与对BESS寿命的最小不利影响。
引用
@article{arxiv.2406.01973,
title = {Adaptive Relaxation based Non-Conservative Chance Constrained Stochastic MPC},
author = {Avik Ghosh and Cristian Cortes-Aguirre and Yi-An Chen and Adil Khurram and Jan Kleissl},
journal= {arXiv preprint arXiv:2406.01973},
year = {2025}
}
备注
16 pages, 3 figures, 3 tables, Submitted to IEEE Transactions on Control Systems Technology; Minor addition to footnote 6 from last version