基于模型预测控制的电力系统与控制器优化
系统与控制
2021-04-29 v1 系统与控制
摘要
本文探究了电气化交通中设备特性与控制器参数的优化。汽车与飞机等移动交通系统的电气化,为提升效率与成本等关键性能指标提供了可能。然而,新部件中电学与热学动态之间强烈的双向耦合带来了集成挑战,加剧了部件退化并降低性能。缓解这些问题需要新颖的设备设计与控制策略。电气化交通文献提供了关于设备与控制器优化(即控制协同设计,CCD)的既有研究。这些研究中的一个空白是:CCD 框架内缺乏已被公认可用于管理电气化系统多域动态的模型预测控制(MPC)。本文通过三方面贡献弥补此空白。首先,建立了适用于设备优化与 MPC 的热-电-机械混合动力汽车(HEV)模型。其次,对该多域系统进行了设备与控制器的同步优化。第三,利用候选 HEV 模型将 MPC 集成于 CCD 框架中。结果表明,同步优化设备与 MPC 参数可使物理部件尺寸缩减逾 60%,关键性能指标误差降低逾 50%。
引用
@article{arxiv.2010.07415,
title = {Plant and Controller Optimization for Power and Energy Systems with Model Predictive Control},
author = {Donald J. Docimo and Ziliang Kang and Kai A. James and Andrew G. Alleyne},
journal= {arXiv preprint arXiv:2010.07415},
year = {2021}
}