基于高斯过程回归的模型自适应在线反馈优化在压缩机站中的应用
系统与控制
2022-12-08 v1 系统与控制
摘要
在线反馈优化是一种用于将过程工厂的运行引导至其最优工作点的方法，而无需显式求解非线性约束优化问题。这是通过利用线性工厂模型和测量反馈来实现的。然而，在使用该方法时，工厂-模型失配的存在会导致次优结果。学习工厂-模型失配使在线反馈优化能够克服这一缺陷。在这项工作中，我们提出了一种使用高斯过程回归进行在线模型自适应的在线反馈优化的新颖应用。我们以一个压缩机站中具有参数化和结构性工厂-模型失配的实际负载分配问题来演示我们的方法。我们假设对压缩机特性图的认识不完善，并设计了一个在线反馈优化控制器，使压缩机站的功耗最小化。在所评估的场景中，与完全掌握工厂信息的情况相比，对工厂的不完善认知导致功耗增加 5%。我们证明，带有模型自适应的在线反馈优化将这一增幅仅降低至 0.8%，无论失配类型如何，都接近于完全掌握工厂信息的情况。
引用
@article{arxiv.2212.03604,
title = {Online Feedback Optimization of Compressor Stations with Model Adaptation using Gaussian Process Regression},
author = {M. Zagorowska and M. Degner and L. Ortmann and A. Ahmed and S. Bolognani and E. A. del Rio Chanona and M. Mercangoz},
journal= {arXiv preprint arXiv:2212.03604},
year = {2022}
}