基于模型预测控制的MGT‑CCHP分层最优控制系统的利记博彩app

技术特征：

1.一种基于模型预测控制的MGT-CCHP分层最优控制系统，其特征在于，包括：动态最优目标值设置单元(1)，模型预测控制单元(2)，扰动模型单元(3)，MGT-CCHP系统单元(4)和状态及扰动观测器单元(5)；动态最优目标值设置单元(1)与模型预测控制单元(2)相连，模型预测控制单元(2)有两路输出端，其中第一路输出端连接扰动模型单元(3)输入端，第二路输出端连接MGT-CCHP系统单元(4)，MGT-CCHP系统单元(4)的输入端同时连接外部不可测扰动，扰动模型单元(3)和MGT-CCHP系统单元(4)的输出端连接状态及扰动观测器单元(5)的输入端，状态及扰动观测器单元(5)的输出端连接动态最优目标值设置单元(1)和模型预测控制单元(2)。

2.如权利要求1所述的基于模型预测控制的MGT-CCHP分层最优控制系统，其特征在于，动态最优目标值设置单元(1)中目标函数的构成同时考虑经济性和扰动的影响，确保在扰动存在情况下，给出的目标值下层能够跟踪到达且经济性最优；模型预测控制单元(2)用于跟踪上层动态最优目标设置单元(1)给出的最优目标值，计算出控制变量；扰动模型单元(3)表示不可测扰动和模型失配对模型造成的影响；MGT-CCHP系统单元(4)表示被控对象；状态及扰动观测器单元(5)利用扩增状态观测器，基于系统输入输出值，估算出系统状态量和扰动量，用于动态最优目标值设置单元(1)和模型预测控制单元(2)中的计算。

3.如权利要求1所述的基于模型预测控制的MGT-CCHP分层最优控制系统，其特征在于，被控对象MGT-CCHP系统单元(4)为三输入三输出对象，三个输入量分别是燃料阀门开度、回热阀门开度和高压冷剂蒸汽阀门开度，三个输出量分别是输出功率、冷却水温度和生活热水温度。

4.如权利要求1所述的基于模型预测控制的MGT-CCHP分层最优控制系统，其特征在于，模型预测控制单元2为基于状态空间模型的多变量模型预测控制单元，其具体实现包括如下步骤：

(1)MGT-CCHP系统动态特性可由下面离散状态空间模型描述：

$\left\{\begin{array}{c}x(k+1)=Ax\left(k\right)+Bu\left(k\right)+G_{d}d\left(k\right)\\ y\left(k\right)=Cx\left(k\right)+Du\left(k\right)\end{array}\right.---\left(1\right)$

其中x(k)∈Rⁿ是状态变量，u(k)∈R^m是输入变量，y(k)∈R^l是输出变量，d(k)∈R^nd是扰动项代表不可测扰动和模型失配的影响。A,B,C,D,G_d是系统矩阵；

(2)扩增状态观测器来估计状态及扰动值，扩增状态观测器如下表示：

$\left\{\begin{array}{c}\left[\begin{array}{c}\hat{x}(k+1)\\ \hat{d}(k+1)\end{array}\right]=\left[\begin{array}{cc}A& G_d\\ 0& I\end{array}\right]\left[\begin{array}{c}\hat{x}\left(k\right)\\ \hat{d}\left(k\right)\end{array}\right]+\left[\begin{array}{c}B\\ 0\end{array}\right]u\left(k\right)+L_k\left(y\right(k)-\hat{y}(k\left)\right)\\ \hat{y}\left(k\right)=C\hat{x}\left(k\right)+Du\left(k\right)\end{array}\right.---\left(2\right)$

其中L_k是观测器增益，‘∧’符号代表估计值；

(3)扩增状态观测器的构建可基于常规卡尔曼滤波理论，其中：

L_k＝P_kC^T(CP_kC^T+R)^-1 (3)

P_k＝AP_k-1A^T+G_dQ₀G_d^T-AP_k-1C^T(CP_k-1C^T+R₀)-¹CP_k-1A^T (4)

调节参数Q₀ and R₀是单位阵，P_k,P_k-1分别是k,k-1时刻的状态误差协方差估计。

5.如权利要求1所述的基于模型预测控制的MGT-CCHP分层最优控制系统，其特征在于，上层动态最优目标值设置单元(1)将静态目标值设置单元和稳态目标计算器扩展成动态目标值设置单元。

6.如权利要求4所述的基于模型预测控制的MGT-CCHP分层最优控制系统，其特征在于，上层动态最优目标值设置单元1其具体实现包括如下步骤：

$\underset{x_s,u_s}{min}\underset{i=1}{\overset{n}{\Σ}}{\mathrm{\α}}_i{J}_i\left(k\right)---\left(5\right)$

$s.t.x_s\left(k\right)={\mathrm{Ax}}_s\left(k\right)+{\mathrm{Bu}}_s\left(k\right)+G_d\hat{d}\left(k\right)---\left(6\right)$

y_ref(k)＝Cx_s(k)+Du_s(k) (7)

u_min≤u_s(k)≤u_max (8)

y_min≤y_ref(k)≤y_max (9)

其中(5)是优化目标函数，α_i是每个目标函数的权值；(6)和(7)是稳态约束，x_s,u_s和y_ref是状态变量、输入变量、输出变量的最优设定值；(8)和(9)是输入输出约束，u_min,u_max和y_min,y_max是输入输出变量的上下界；

J₁＝C_F·l_F·u₁代表燃气消耗成本，其中C_F是燃气价格，l_F是阀门开度和燃气流量之间的系数；J₂＝||T_c-y₂||²,J₃＝||T_h-y₃||²,J₄＝||E-y₁||²代表MGT-CCHP系统输出偏离用户需求时施加的惩罚，T_c,T_h和E是需要的冷/热水温度和输出功率；J₅＝-(||u₂||²+||u₃||²)代表阀门节流损失，负号代表阀门开度越大，节流损失越小。

7.如权利要求4所述的基于模型预测控制的MGT-CCHP分层最优控制系统，其特征在于，模型预测控制单元2具体实现进一步包括以下步骤：

(1)考虑稳态约束(6)和(7)，将其带入(1)，可以得到

$\left\{\begin{array}{c}\stackrel{\‾}{x}(k+1)=A\stackrel{\‾}{x}\left(k\right)+B\stackrel{\‾}{u}\left(k\right)+G_d\stackrel{\‾}{d}\left(k\right)\\ \stackrel{\‾}{y}\left(k\right)=C\stackrel{\‾}{x}\left(k\right)+D\stackrel{\‾}{u}\left(k\right)\end{array}\right.---\left(10\right)$

其中

(2)MPC控制器的预测模型采用(10)的标称模型：

$\left\{\begin{array}{c}\stackrel{\‾}{x}(k+1)=A\stackrel{\‾}{x}\left(k\right)+B\stackrel{\‾}{u}\left(k\right)\\ \stackrel{\‾}{y}\left(k\right)=C\stackrel{\‾}{x}\left(k\right)+D\stackrel{\‾}{u}\left(k\right)\end{array}\right.---\left(11\right)$

(3)通过预测模型(11)未来P步，未来输出可以表示为

${\stackrel{\‾}{Y}}_P\left(k\right)=\stackrel{\‾}{A}\stackrel{\‾}{x}\left(k\right)+\stackrel{\‾}{B}\stackrel{\‾}{U}\left(k\right)---\left(12\right)$

其中

(4)考虑动态控制目标函数如下

$J=Y_P{\left(k\right)}^T{\mathrm{QY}}_P\left(k\right)+\stackrel{\‾}{U}{\left(k\right)}^{T}R\stackrel{\‾}{U}\left(k\right)---\left(13\right)$

其中Q和R分别是误差权矩阵和控制权矩阵，通过将(12)带入(13)，在采样时刻k,最小化(13)，同时满足输入输出约束

$\left[\begin{array}{c}{I}_m\\ I_m\\ .\\ .\\ .\\ I_m\end{array}\right](u_{min}-u_s(k\left)\right)\≤\stackrel{\‾}{U}\left(k\right)\≤\left[\begin{array}{c}{I}_m\\ I_m\\ .\\ .\\ .\\ I_m\end{array}\right](u_{max}-u_s(k\left)\right)---\left(14\right)$

$\left[\begin{array}{c}{I}_l\\ I_l\\ .\\ .\\ .\\ I_l\end{array}\right](y_{min}-y_{ref}(k\left)\right)\≤Y_P\left(k\right)\≤\left[\begin{array}{c}{I}_l\\ I_l\\ .\\ .\\ .\\ I_l\end{array}\right](y_{max}-y_{ref}(k\left)\right)---\left(16\right)$

得到最优控制序列然后将控制序列的第一步施加到控制对象上。