基于数据驱动的分布式EMPC方法在互联系统经济优化中的应用:汉克尔矩阵视角

《ISA Transactions》:Data-Driven Distributed EMPC for Economic Optimization of Interconnected Systems: A Hankel Matrix Approach

【字体: 大 中 小 】 时间:2026年02月03日 来源:ISA Transactions 6.6

编辑推荐:

  法特梅·奥斯托瓦尔|阿里·阿克巴尔·萨法维|莱昂哈德·乌尔巴斯 伊朗设拉子大学动力与控制工程系,设拉子 摘要 本文提出了一种针对分布式线性时不变系统的新型非迭代数据驱动分布式经济模型预测控制方案。该系统由多个动态交互的子系统组成,这些子系统共同优化经济目标。每个子系

  法特梅·奥斯托瓦尔|阿里·阿克巴尔·萨法维|莱昂哈德·乌尔巴斯
伊朗设拉子大学动力与控制工程系,设拉子

摘要
本文提出了一种针对分布式线性时不变系统的新型非迭代数据驱动分布式经济模型预测控制方案。该系统由多个动态交互的子系统组成,这些子系统共同优化经济目标。每个子系统都利用输入输出数据来解决自身的局部优化问题。同时,该方法还考虑了基于汉克尔矩阵的一致性约束下的邻居轨迹假设。通过数据驱动框架,可实现强对偶性和耗散性,并适用于一般的供应率情况。此外,本文还提出了一种利用输入输出轨迹来设计分布式EMPC终端参数的方法。理论分析保证了递归可行性和闭环稳定性。在建筑温度控制系统上的仿真结果表明,与其它MPC方法相比,所提方法具有更高的能效和更好的效果。

引言
分布式系统由通过网络连接的子系统组成,这些子系统通过分布式计算元素进行交互,此时采用集中式控制往往不切实际。控制器设计的目的是优化各种经济目标,如盈利能力、效率以及成本降低。从第一原理出发建立精确的模型可能较为困难,这就促使人们采用数据驱动方法。本文提出的一种控制方案结合了(i)经济目标、(ii)分布式架构,以及(iii)用于具有线性动态特性的网络系统的无模型方法,以实现经济成本的优化。

传统的经济优化方法通常采用分层结构,即实时优化器设定稳态目标,再由模型预测控制工具进行优化[1]。然而,这种方法存在一些问题,比如无法获取理想的设定点,以及忽视了瞬态成本。经济MPC则将经济目标直接纳入MPC层,使得优化范围能够超越传统的二次成本函数[2]。在E MPC中的稳定性分析最初依赖于强对偶性假设,后来这一假设被放宽为严格的耗散性要求[3]。

大多数E MPC方案都是集中式的,对于大规模网络系统而言并不实用。分布式MPC/E MPC则根据子系统之间的连接关系、成本函数以及通信协议,将全局优化问题分解为多个局部子问题[4]、[5]。对于具有动态耦合特性且通信能力有限的线性系统,非迭代一致性约束方法是一种很有前景的选择[6]。在这方面,有研究针对具有耦合动态特性的网络线性系统,开发了一种具有强大一致性和约束能力的非合作DEMPC算法[7],该算法能有效兼顾状态调节和整体经济性能的提升。

传统的D(E)MPC方法通常需要基于第一原理建模或系统辨识来获得精确的预测模型,而这在实际操作中往往较为困难。这促使人们采用数据驱动方法,利用实测数据来避免复杂的模型构建。在这方面,有研究比较了基于第一原理和基于人工神经网络的E MPC框架在优化暖通空调系统能效方面的表现[8]。另有文献对数据驱动控制的概念和方法进行了全面介绍[9]。最近的文献还综述了各种数据驱动预测控制方法,强调了它们在计算效率以及应对模型不确定性方面的优势[10]。其中,有研究探讨了基于Koopman方法的MPC以及基于Willems基本引理的直接数据驱动MPC[11]。还有研究进一步发展出了一个涵盖直接数据驱动系统分析、控制设计及建模的完整框架[12]。

近年来,直接数据驱动MPC和数据驱动E MPC分别得到了多项研究[13]、[14]、[15]、[16]以及[17]、[18]、[19]。其中,有研究证明了数据驱动E MPC的递归可行性以及渐近平均性能[17]。而[18]、[19]中的方法则通过直接从数据中确定最优均衡点,保证了系统的渐近稳定性以及强对偶性。此外,还有研究总结了数据驱动MPC的方法特点,指出它们即使在面对噪声或非线性系统时,也能确保系统的稳定性、鲁棒性以及约束条件的满足。

据我们所知,基于汉克尔矩阵的直接数据驱动DEMPC仍然是一个未被充分研究的领域。不过,关于数据驱动DMPC的文献已有一些,其中包括迭代和非迭代两种方案。迭代方法[21]、[22]依赖于频繁的状态测量和通信。而非迭代方法,如[23],则通过引入一致性约束来平衡系统的可扩展性与通信需求。虽然[23]能够保证递归可行性与系统稳定性,但如何基于输入输出数据计算一致性约束参数仍是一个未解决的问题。

随着分布式系统复杂性的不断增加以及可用数据的增多,人们迫切需要结合经济目标、分布式架构以及数据驱动技术的高级控制策略。尽管DEMPC和数据驱动方法各自都有所发展,但目前仍然缺乏一种能够保证闭环稳定性以及整体经济性能的直接数据驱动DEMPC框架,尤其是对于一般的经济成本函数而言。目前现有的数据驱动耗散性研究成果[24]、[25]仅限于二次供应率的情况,而现有的数据驱动MPC/DMPC终端参数及一致性约束设计[14]、[23]则不适用于分布式经济系统。

为弥补这些不足,本文提出了一种针对具有耦合动态特性以及未知恒定干扰的线性时不变系统的新型数据驱动DEMPC方案。该方法将经济目标与非迭代、非合作式的分布式架构相结合,完全依赖输入输出数据来实现功能。每个子系统都在本地优化自身的经济目标,同时通过一致性约束与相邻子系统进行协调,从而无需依赖复杂的系统模型即可实现整体经济性能的最优化。与那些侧重于二次成本跟踪的传统数据驱动DMPC方法不同,所提出的框架能够在系统的瞬态阶段和稳态阶段都兼顾经济性能的优化。

本文的主要贡献有三方面。首先,本文提出了一种数据驱动方法,用于在分布式环境中验证一般经济成本函数的强对偶性和耗散性,这一方法突破了[24]、[25]中所采用的二次假设。其次,本文提出了一种直接从数据中设计终端参数的新方法,从而克服了[14]、[23]在经济学和分布式系统应用方面的局限性。最后,本文还提出了一种从汉克尔矩阵中计算一致性约束参数的方法,解决了[23]中提到的需要反复试错的难题。

这些成果构建了一个数据驱动DEMPC框架,该框架不仅能够保证递归可行性和闭环稳定性,还能确保系统收敛到经济最优均衡状态,且无需依赖任何系统模型。所提出的方案在性能上可与基于模型的方法如[7]相媲美,同时避免了模型构建和干扰估计的麻烦。与[7]不同的是,本文将干扰视为未知的恒定值,而不考虑其微小变化,这简化了实现过程,也为构建稳健的数据驱动分布式经济控制系统奠定了基础。

本文的结构如下:第2节概述了问题的提出及相关预备知识。第3节详细介绍了所提出的数据驱动DEMPC算法,并讨论了强对偶性和终端参数的相关假设。第4节分析了该算法的理论特性,包括其递归可行性以及闭环稳定性。第5节和第6节分别展示了该方法的适用性,并对全文进行了总结。

文中使用的各类符号汇总于表1中。对于给定的序列vll=0N?1,汉克尔矩阵的定义如下:
HLv=v0v1?vL?1v1v2?vL??……vN?LvN?L+1?vN?1.

定义1(激励的持续性[11]):如果序列ull=0N?1中的元素ul属于Rm,且其汉克尔矩阵的秩为mL,即HLu0,N?1具有满行秩,则称该序列具有L阶的持续激励特性。

问题表述
假设存在M个具有未知恒定干扰的未知线性时不变子系统Si,这些子系统通过输出变量相互关联。用M=1,…,M表示所有子系统的集合。对于每一个子系统Si(i∈M),其动态行为可由以下方程描述:
xik+1=Aiixik+Biiuik+∑j∈NiBijyjk+diωiyik=Ciixik+Diiuik
其中,xik∈Rn、uik∈Rm、yik∈Rp以及ωi∈Rn分别表示时刻k≥0时子系统i的局部状态、输入、输出和干扰量。Ni则表示……

数据驱动分布式EMPC
本节提出了一种针对相互连接的子系统的数据驱动DEMPC方案。为每个子系统分别构建一个EMPC优化问题,该问题的构建基于输入输出数据,从而确保方案的可行性、稳定性以及与相邻子系统的一致性。文中还讨论了耗散性假设的作用,这一假设有助于实现强对偶性,进而便于设计出能够保证递归可行性与渐近稳定性的终端参数。最后,本文还提出了一种整合上述要素的分布式算法……

闭环分析
为了在算法2的框架下确保递归可行性与闭环稳定性,必须为优化问题(8)构造出一个可行的控制序列。在集中式(E)MPC中,通常可以通过调整之前的最优轨迹并添加终端控制指令来获得可行的输出轨迹。但在分布式(E)MPC中,无法保证在时刻k时该候选轨迹的可行性,因为最优解取决于……

案例分析
本节通过一个由四个房间组成的直线排列的建筑实例,展示了所提出的数据驱动DEMPC方案的有效性。该研究的目的是在保持每个房间温度处于舒适范围(22–23℃)的同时,优化处于制冷模式下的暖通空调系统的能效。该示例还体现了所提方法在处理更大规模建筑时的适用性。该建筑内室温的线性化动态行为可由以下方程描述:
xik+1=aiixik+biuik+∑j∈Niaij

结论
本文提出了一种针对相互作用的线性时不变子系统网络的新型数据驱动分布式EMPC方案,这是首个直接的基于数据驱动的分布式EMPC方法。该框架仅利用历史测量数据以及传输过来的输入输出轨迹即可优化经济目标,无需进行系统辨识。一致性约束引导各个子系统朝着经济最优的稳态均衡状态发展,从而无需通过迭代方式交换信息。

CRediT作者贡献说明
莱昂哈德·乌尔巴斯:撰写——审阅与编辑、验证、监督、概念构思。阿里·阿克巴尔·萨法维:撰写——审阅与编辑、验证、监督、项目管理、方法设计、概念构思。法特梅·奥斯托瓦尔:撰写——初稿撰写、可视化处理、软件应用、方法设计、实验分析、形式化推理、概念构思。

利益冲突声明
作者声明,他们不存在任何可能影响本文研究结果的已知财务利益或个人关系。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号