音乐大师J.M。;理学硕士Ridao。;A.科兹玛。;萨沃格南，C。;迪尔，M。;医学博士Doan。;A.萨多夫斯卡。;T·凯维茨基。;德舒特，B。;Scheu，H。;马夸特，W。;F.巴伦西亚。;埃斯皮诺萨，J。 基于水力发电厂基准的分布式MPC方案比较。 （英文） Zbl 1312.93043号 最佳方案。控制应用程序。方法 36，第3期，306-332（2015）. 摘要：在本文中，我们使用水力发电厂基准分析和比较了五种分布式模型预测控制（DMPC）方案。水力发电厂除了是最重要的可再生能源之一外，还面临着非常有趣的控制挑战。水力发电山谷的运行涉及在一个大的地理区域内协调几个子系统，以便在满足水位和流量限制的同时生产所需的能源。特别是，我们使用24小时功率跟踪场景测试了不同的DMPC算法，在该场景中，使用精确的非线性模型模拟水电站。通过这种方式，可以在一个通用基准上实现的不同DMPC方案之间进行定性和定量比较，这是文献中罕见的一种评估类型。 引用于三文件 MSC公司： 93B40码 系统理论中的计算方法（MSC2010） 93立方厘米 控制理论中的应用模型 68T42型 Agent技术与人工智能 93C20美元 偏微分方程控制/观测系统 关键词：分布式模型预测控制;多代理系统;水力发电 PDF格式BibTeX公司 XML格式引用 \textit{J.M.Maestre}等人，Optim。控制应用程序。方法36，No.3，306--332（2015；Zbl 1312.93043） 全文： 内政部 参考文献： [1] Barros，大型水电系统运行优化，《水资源规划与管理杂志》129（3），第178页–（2003）·doi:10.1061/（ASCE）0733-9496（2003）129:3（178） [2] Savorgnan C Diehl M水电站控制基准。技术报告，英国鲁汶，2011年 [3] HD-MPC项目的D Faille Deliverable 7.2.1：水力发电谷控制规范。技术报告，2009年法国电力公司 [4] Yeh，《水库管理和运行模型：最新综述》，《水资源研究》21（12）第1797页–（1985）·doi:10.1029/WR021i012p01797文件 [5] Banos，《可再生和可持续能源的优化方法：综述》，《可再生能源和可持续能源评论》15（4），第1753页–（2011）·doi:10.1016/j.rser.2010.12.008 [6] 洪玲，《放松管制电力市场中风险约束水电调度综述》，《可再生能源和可持续能源评论》12（5），第1465页–（2008）·doi:10.1016/j.rser.2007.01.018 [7] 卡马乔，《过程工业中的模型预测控制》（2004） [8] Kano，《日本化学过程控制的现状：良好实践和问卷调查》，《过程控制杂志》20（9）第969页–（2010）·doi:10.1016/j.jprocont.2010.06.013 [9] 秦，工业模型预测控制技术综述，控制工程实践11（7），第733页–（2003）·doi:10.1016/S0967-0661（02）00186-7 [10] G Ramond D Dumur A Libaux P Boucher水电站直接自适应预测控制2001 606 611 [11] Setz C Heinrich A Rostalski P Papafotiou G Morari M模型预测控制在河流电站梯级中的应用2008 11978 11983 [12] 阿克曼（Ackermann），《基于优化的河岸电站控制策略》，《运营水管理》第285页–（1997）一章 [13] Compas JM Decarreau P Lanquetin G Estival JL Fulget N Martin R J Richalet 1994年8月预测功能控制在轧钢机、快速机器人、河坝上的工业应用1643 1655 3 [14] Dantzig，《不确定性下的智能控制和优化及其在水力发电中的应用》，《欧洲运筹学杂志》97（2），第396页–（1997）·Zbl 0953.90561号 ·doi:10.1016/S0377-2217（96）00206-8 [15] Q Tran Dinh C Savorgnan M Diehl 2011年12月非线性模型预测控制的实时序列凸规划及其在水电站5905 5910中的应用 [16] 《分布式模型预测控制变得简单》，《智能系统、控制与自动化：科学与工程》（2014）第69卷 [17] Negenborn，《分布式模型预测控制：未来研究机会的概述和路线图》，《控制系统杂志》，IEEE 34（4），第87页–（2014）·doi:10.1109/MCS.2014.23297 [18] Scattolini，分布式和分层模型预测控制的体系结构——综述，《过程控制杂志》，19页，723页–（2009年）·doi:10.1016/j.jprocont.2009.02.003 [19] Fele，灌溉渠的联合模型预测控制，《过程控制杂志》24（4），第314页–（2014）·doi:10.1016/j.jprocont.2014.02.005 [20] Negenborn，灌溉渠分布式模型预测控制，网络和异质介质4（2），第359页–（2009）·Zbl 1194.93161号 ·doi:10.3934/nhm.2009年4月359日 [21] Zafra-Cabeza，《灌溉渠道的分层分布式模型预测控制方法：风险缓解视角》，《过程控制杂志》21（5），第787页–（2011）·doi:10.1016/j.jprocont.2010.12.012 [22] ⑩ahin，河流电站梯级的分散模型预测控制。《智能基础结构智能系统、控制和自动化：科学与工程》第463页–（2010年） [23] Savorgnan，《水电生产中应用的分布式系统的多重射击》，《过程控制杂志》21（5），第738页–（2011）·doi:10.1016/j.jprocont.2011.01.011 [24] JM Maestre Doan MD Muñoz de la Peña D van Overlop PJ T Keviczky M Ridao de Schutter B通过应用基于代理的模型预测控制器对水力发电网络的运行进行基准测试2012年7月 [25] Linke H A模型预测控制器，用于河流、水库的最佳水力利用2010年9月1868 1873 [26] J Zarate Florez JJ Martinez G Besancon D Faille 2011年12月明确协调基于MPC的分布式控制，应用于水力发电谷830 835 [27] Alvarado，《应用于HD-MPC四罐基准测试的分布式MPC技术的比较分析》，《过程控制杂志》21（5），第800页–（2011）·doi:10.1016/j.jprocont.2011.03.003 [28] Hermans，《电力网络非集中式模型预测控制技术评估》，《国际控制杂志》85（8），第1162页–（2012）·Zbl 1417.93133号 ·doi:10.1080/00207179.2012.679972 [29] Doan MD Keviczky T De Schutter B 2012年8月水电河谷配电应用 [30] F Valencia J Espinosa B De Schutter K Staňková2010基于博弈论的可行合作分布式模型预测控制方案 [31] Scheu，分布式模型预测控制中基于灵敏度的协调，《过程控制杂志》21（5），第715页–（2011）·doi:10.1016/j.jprocon.2011.01.013 [32] Maestre，基于代理协商的分布式模型预测控制，《过程控制杂志》21（5），第685页–（2011）·doi:10.1016/j.jprocont.2010.12.006 [33] Chow，《明渠液压》（1959年） [34] HG Bock KJ Plitt直接求解最优控制问题的多重打靶算法布达佩斯1984 243 247 [35] 鲍威尔，使用拉格朗日函数的非线性约束算法，数学规划14（3），第224页–·Zbl 0383.90092号 [36] Kozma，《分布式模型预测控制变得容易》，第69卷，《大规模非线性系统的分布式多发射击》一章（2014年） [37] Giselsson，分布式模型预测控制中的加速梯度法和双重分解，Automatica 49 pp 829–（2013）·Zbl 1267.93046号 ·doi:10.1016/j.automatica.2013.01.009 [38] F Valencia 2012基于博弈论的分布式模型预测控制：大规模系统控制方法 [39] 纳什，两人合作游戏，《计量经济学》21（1）第128页–（1953）·Zbl 0050.14102号 ·doi:10.2307/1906951 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。