改进模型预测控制器中的优化：大规模电动汽车群组的调度
最优化与控制
2024-03-26 v1
摘要
在拥有大规模电动汽车（EV）群组的停车场中，由于每辆车的高负载和电网容量的限制，充电必须以协调的方式进行。为实现这种协调，可以应用模型预测控制，从而反复求解一个优化问题。由于其重复性及对时间粒度的依赖性，优化必须（在计算上）高效。本文的工作聚焦于该优化子程序、其计算效率以及如何加速大规模EV群组的优化。具体而言，我们改进了FOCS算法，该算法可求解底层的优化问题，通过增加提前停止功能使其更好地适应模型预测控制的重复设置。基于真实世界数据，我们实证表明，所增加的功能将1分钟粒度的中位计算时间加快了高达44%。此外，由于FOCS是一种使用最大流方法作为子程序的算法，我们研究了选择不同最大流方法对运行时间的影响。最后，我们将FOCS与一个商业求解器进行比较，得出结论：在为大规模EV群组制定全天调度计划时，FOCS优于当前最先进的技术。
引用
@article{arxiv.2403.16622,
title = {Improving the Optimization in Model Predictive Controllers: Scheduling Large Groups of Electric Vehicles},
author = {Leoni Winschermann and Marco E. T. Gerards and Johann Hurink},
journal= {arXiv preprint arXiv:2403.16622},
year = {2024}
}
备注
9 pages, 8 figures, latex template based on IEEE template https://www.overleaf.com/latex/templates/ieee-conference-template/grfzhhncsfqn