描述性系统的数据驱动分析与预测控制及其在电力和水网络中的应用
系统与控制
2025-08-25 v1 系统与控制
最优化与控制
摘要
尽管数据驱动的线性系统分析和控制方法日益受到关注，但描述性系统——即用于建模具有代数约束的复杂工程系统(如电力和水网络)的系统——却相对得到很少的关注。本文发展了一个全面的数据驱动框架，用于在不依赖显式状态空间模型的情况下对离散时间描述性系统进行分析和控制。我们解决了由非因果性质所带来的根本性挑战，通过构建前向和后向数据矩阵，确立了以输入-输出数据为基础的可控性和可观测性的数据充分条件，其中已考虑R-可控性和C-可控性(R-可观测性和C-可观测性)。随后，我们将Willems基本引理推广到不可完全可控系统。这些方法论进展使Data-Enabled Predictive Control(DeePC)能够在描述性系统中实现输出跟踪，并能在不可完全可控条件下维持性能，两个案例研究分别为：i) 在具有3个发电机的IEEE 9节点电力系统中进行频率调节，尽管刻意违反R-可控性，DeePC仍维持了电力系统的频率稳定性；ii) 在具有3个储罐、2个水源和117条管道的EPANET水网络中进行压力头控制，在代数约束下成功实现了输出跟踪。
引用
@article{arxiv.2508.16091,
title = {Data-Driven Analysis and Predictive Control of Descriptor Systems with Application to Power and Water Networks},
author = {Yuan Zhang and Yu Wang and Jun Shang and Jinhui Zhang},
journal= {arXiv preprint arXiv:2508.16091},
year = {2025}
}