.png){kind=icon}
返回
A data-driven closed-loop dynamic scheduling-control co-optimization method for industrial energy systems☆
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jprocont.2026.103811.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
工业能源系统通常采用分层决策架构，其中上层调度层优化经济能源分配，下层控制层跟踪产生的参考值。然而，现有基于模型和数据驱动的优化方法往往忽视闭环动态特性，导致调度方案过于保守或激进。为解决此问题，提出了一种数据驱动的闭环动态优化框架，该框架深度整合了调度与控制。首先，建立了非线性转化单元的两阶段数据驱动表征。此外，在调度层采用分布式架构，将系统级问题分解为能源网络和转化单元子问题。针对每个单元，开发了一种嵌入闭环预测的数据驱动优化方法，该方法将表征跟踪行为的无参、数据驱动预测模型嵌入调度问题。同时，在控制层部署数据驱动预测控制以实现参考跟踪。基于中国某钢铁企业真实工业数据的案例研究表明，所提方法相较于传统基于模型的分布式优化可降低14.70%的总运营成本，相较于未嵌入闭环的数据驱动分布式优化可降低4.49%。此外，该方法在负荷波动、模型失配和测量噪声下仍能保持良好的鲁棒性和跟踪性能。
Keyword:
Industrial energy systems
Scheduling and control
Operation optimization
Closed-loop prediction
Data-driven predictive control
