基于深层神经 Koopman 算子的舰舱碳捕获经济模型预测控制
系统与控制
2025-04-15 v2 机器学习
系统与控制
摘要
舰舱碳捕获是有助于降低国际航运碳排放的有前景的解决方案。本文提出一种基于 Koopman 框架的数据驱动动态建模和经济预测控制方法。该集成建模和控制方法用于实现舰舱后燃碳捕获工厂的安全高效运行。具体而言，我们提出一种基于深层神经 Koopman 算子建模方法，建立了一个具有时变模型参数的 Koopman 模型。该 Koopman 模型基于可访问的部分状态测量，预测整体经济运行成本和关键系统输出。通过利用所学模型，开发了受约束的经济预测控制方案。尽管模型中涉及时变参数，但所制定的优化问题仍为凸问题，可在在线控制实现期间有效求解。对舰舱后燃碳捕获过程进行了大量测试，考虑了四种船舶运行条件。结果表明，所提出的方法显著改善了整体经济运行性能和碳捕获率。此外，所提出的方法通过确保系统输出受硬性约束的满足，保证了安全运行。
引用
@article{arxiv.2504.06818,
title = {Deep Neural Koopman Operator-based Economic Model Predictive Control of Shipboard Carbon Capture System},
author = {Minghao Han and Xunyuan Yin},
journal= {arXiv preprint arXiv:2504.06818},
year = {2025}
}