基于层次模型的预测控制算法，用于数字孪生批量制造系统的能源优化调度

《IEEE Transactions on Automation Science and Engineering》：Hierarchical Model Predictive Control for Energy-aware Scheduling of Digital Twin-based Batch Manufacturing Systems

实时电价驱动的批制造节能调度研究，提出分层MPC框架与系统级数字孪生技术，实现能源成本优化与订单履约的协同控制。

　　

摘要：

随着人们对全球能源消耗问题的日益关注，提高制造业的能源效率变得尤为重要，尤其是在能源密集型批量生产过程中。实时电价（RTP）作为一种动态的需求侧管理策略，通过在电价较低时段安排生产来降低能源成本。然而，将RTP整合到批量生产调度中时，需要在节能与及时履行客户合同之间取得平衡，这需要多时间尺度的协调。本文提出了一种分层模型预测控制（MPC）框架，并结合了系统级能源效率数字孪生（SLEE-DT），用于实现能源感知的批量生产调度。SLEE-DT提供了统一的系统表示，能够捕捉生产和库存阶段之间的动态交互。分层MPC包括两个层次：上层离线优化层负责确定长期的库存和生产策略；下层运行时控制器根据系统状态和RTP信号执行动态调度。通过对一条电池生产线的案例研究，证明了所提出的框架能够在保持可靠履行客户合同的同时减少能源支出，展现了其在可扩展、成本效益高和可持续制造操作方面的潜力。