×
马特奥·拉扎内利;伊曼纽尔·克里斯托米;露西娅·帕洛蒂诺;加布里埃尔·潘诺奇亚

基于双重分解方法的微电网能量管理分布式模型预测控制。 （英语） Zbl 1451.93101号

最佳方案。控制应用程序。方法 第41期，第1期，第25-41期（2020年）.
概述：本文研究了模型预测控制（MPC）在互联微电网（MG）网络中优化潮流的应用。更具体地说，分布式MPC（DMPC）方法用于计算每个MG应与其他MG和外部电网交换多少有功功率。由于存在耦合变量，必须以适当的方式使用DMPC方法，以确保MG之间共识程序的可行性。为此，我们采用了一种量身定制的双重分解方法，使我们能够在保证单个MG隐私的同时达成可行的解决方案（即无需共享私人信息，如发电量或本地消耗的能源）。仿真结果表明了所提出的协同控制策略的特点以及相对于其他经典集中式控制方法所取得的效益。

引用于三文件

MSC公司：

93B45码 模型预测控制
93B70型 网络控制
93甲15 大型系统

关键词：

分布式系统;对偶分解;微电网;模型预测控制
PDF格式BibTeX公司 XML格式引用
\textit{M.Razzanelli}等人，Optim。控制应用程序。方法41，No.1，25-41（2020；Zbl 1451.93101）
全文： 内政部 链接

参考文献：

[1] DouC、LvM、ZhaoT、JiY、LiH。基于多智能体系统的微电网分散协调控制。IET通用传输分配。2015;9(16):2474‐2484.
[2] 托马斯·尼萨拉。具有需求响应的微电网自主运行综合控制。IEEE Trans智能电网，2016年；8(5):2081‐2089.
[3] VorobevP、HuangPH、Al HosaniM、Kirtley JL、TuritsynK。制定微电网稳定性和控制通用规则的框架。论文发表于：2017 IEEE第56届决策与控制年会（CDC）；2017; 澳大利亚墨尔本。
[4] Dall’AneseE、ZhuH、GiannakisGB。智能微电网的分布式最优潮流。IEEE Trans智能电网，2013年；4(3):1464‐1475.
[5] 阿诺德GW。智能电网的挑战和机遇：一篇立场文章。IEEE程序。2011;99(6):922‐927.
[6] LombardiP、PowalkoM、RudionK。虚拟电厂的优化运行。论文发表于：2009年IEEE电力与能源学会大会（PES）；2009; 加拿大卡尔加里。
[7] AloiniD、CrisostomiE、RaugiM、RizzoR。虚拟电厂中的最优功率调度。在2011年第二届IEEE PES创新智能电网技术国际会议和展览会上发表的论文；2011; 英国曼彻斯特。
[8] FerraroP、CrisostomiE、ShortenR、MilanoF。并网微电网的随机频率控制。IEEE输电系统。2018;33(5):5704‐5713.
[9] DagdouguiH、MinciardiR、OuammiA、RobbaM、SacileR。混合可再生能源生产系统实时控制的动态决策模型。IEEE Syst J.2010；4(3):323‐333.
[10] 马西约夫斯基。预测控制：有约束。英国伦敦：培生教育；2002
[11] 罗林斯JB，MayneDQ。模型预测控制理论与设计。威斯康星州麦迪逊：Nob Hill Pub；2009
[12] Pannocchia G，罗林斯JB，WrightSJ。次优非线性MPC具有固有鲁棒性的条件。系统控制通讯。2011;60(9):747‐755. ·Zbl 1226.93110号
[13] 谢尔，伊利克医学博士。具有间歇资源的电力系统的预测经济/环境调度模型。论文发表于：2009年IEEE电力与能源学会大会（PES）；2009; 加拿大卡尔加里。
[14] 格里尔莫·帕里西奥。使用模型预测控制进行节能微电网管理。论文发表于：2011年第50届IEEE决策与控制会议和欧洲控制会议（CDC-ECC）；2011; 佛罗里达州奥兰多。
[15] ParisioA、WiezorekC、KyntäjäT、EloJ、JohanssonKH。基于MPC的多户微电网能源管理系统。论文发表于：2015 IEEE自动化科学与工程国际会议（CASE）；2015; 瑞典哥德堡。
[16] Mc NamaraP、NegenbornRR、De SchutterB、LightbodyG。用于电力网络的迭代分布式模型预测控制的权重优化。工程应用工艺智能。2013;26(1):532‐543.
[17] 费拉莫斯卡A、利莫nD、阿尔瓦拉多伊、卡马乔EF。用于跟踪的协作分布式MPC。自动化。2013;49(4):906‐914. ·Zbl 1284.93099号
[18] 潘诺奇亚·拉扎内利姆。用于无偏移量跟踪的简约合作分布式MPC算法。J过程控制。2017;60:1‐13.
[19] ZhangY、GatsisN、GiannakisGB。利用高渗透率可再生能源对微电网进行稳健的能源管理。IEEE Trans Sustain Energy，2013年；4(4):944‐953.
[20] RahmanMS，OoAMT。具有分布式能源的微电网基于分布式多代理的协调电源管理和控制策略。能量转换管理。2017;139:20‐32.
[21] Barrero‐GómezJ、Ocampo‐MartinezC、QuijanoN。关于两种用于优化目的的分布式人口博弈方法的通信讨论。IFAC‐在线论文。2017;50(1):11782‐11787.
[22] ParisioA、WiezorekC、KyntäjäT、EloJ、StrunzK、JohanssonKH。基于MPC的网络微电网合作能源管理。IEEE Trans智能电网，2017年；8(6):3066‐3074.
[23] StewartBT、VenkatAN、RawlingsJB、WrightSJ、PannocchiaG。协同分布式模型预测控制。系统控制通讯。2010;59(8):460‐469. ·Zbl 1198.93085号
[24] HalvgaardR、VandenbergheL、PoulsenNK、MadsenH、JörgensenJB。智能能源系统的分布式模型预测控制。IEEE Trans智能电网，2016年；7(3):1675‐1682.
[25] 瓦姆米亚、达格杜古、德斯桑特、萨克勒。智能微电网合作网络中基于协调模型预测的潮流控制。IEEE Trans智能电网，2015年；6(5):2233‐2244.
[26] AnandutaW、Barrero‐GomezJ、Ocampo‐MartinezC、QuijanoN。分布式模型预测控制方案的弹性信息交换协议。论文发表于：2018年度美国管制会议（ACC）；2018; 威斯康星州密尔沃基。
[27] CaoM、MorseAS、Anderson BDO。在动态变化的环境中达成共识：一种图形化的方法。SIAM J控制优化。2008;47(2):575‐600. ·Zbl 1157.93514号
[28] 沃尔夫·丹齐格勃。线性规划的分解原理。运营研究。1960;8(1):101‐111. ·Zbl 0093.32806号
[29] BertsekasDP。非线性规划。马萨诸塞州贝尔蒙特：雅典娜科学；1999. ·Zbl 1015.90077号
[30] KellyFP、MaullooAK、TanDKH。通信网络的速率控制：影子价格、比例公平和稳定性。1998年《运营研究杂志》；49(3):237‐252. ·Zbl 1111.90313号
[31] Xiao L、JohanssonM、BoydSP。通过双重分解同时进行路由和资源分配。IEEE传输通信。2004;52(7):1136‐1144.
[32] ChiangM、LowSH、CalderbankAR、DoyleJC。分层作为优化分解：一种网络体系结构的数学理论。IEEE程序。2007;95(1):255‐312.
[33] TangW，DaoutidisP。通过输入输出二部图中的社区检测进行分布式控制的网络分解。J过程控制。2018;64:7‐14.
[34] 巴雷罗·戈梅兹。使用密度相关人口博弈的分布式预测控制。在：人口游戏在基于优化的控制器设计中的作用：大规模洞察。瑞士查姆：施普林格国际出版公司；2019:111‐132. ·Zbl 1397.93002号
[35] 巴雷罗·戈梅兹。人口游戏在基于优化的控制器设计中的作用：大规模洞察力。瑞士商会：施普林格国际出版社；2019. ·Zbl 1397.93002号
[36] BoydS、XiaoL、MutapcicA。次梯度法。EE392o的讲义。加利福尼亚州斯坦福：斯坦福大学；秋季季度。2003:2004‐2005.
[37] BoydS、XiaoL、MutapcicA、MattingleyJ。分解方法注释。EE364B注释。加利福尼亚州斯坦福：斯坦福大学；2007:1‐36.
[38] BoydS、ParikhN、ChuE、PeleatoB、EcksteinJ。通过交替方向乘数法进行分布式优化和统计学习。发现趋势马赫学习。2011;3(1):1‐122. ·Zbl 1229.90122号
[39] 米兰诺夫。用于电力系统分析的基于python的软件工具。论文发表于：2013年IEEE电力与能源学会大会（PES）；2013; 加拿大温哥华。
[40] ShorNZ。不可微函数的最小化方法。德国柏林：施普林格科学与商业媒体；2012
[41] 不可微优化与多项式问题。德国柏林：施普林格科学与商业媒体；2013
[42] PolyakBT。优化简介。纽约州纽约市：Optimization Software Inc，出版部；1987
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。