8、分布式模型预测控制：原理、策略与合作方法解析

分布式模型预测控制：原理、策略与合作方法解析

在工业控制系统中，有效且稳定的控制策略至关重要。传统的集中式控制在大型互联系统中面临诸多挑战，分布式模型预测控制（DMPC）应运而生，为解决这些问题提供了新的思路。本文将深入探讨DMPC的相关原理、策略以及基于合作博弈的方法。

1. 集中式控制的挑战与分布式控制的需求

集中式控制在大型网络系统中存在组织层面的障碍。大型网络系统的操作员认为集中式控制缺乏灵活性，且在许多情况下，网络系统的不同部分由不同组织拥有，使得集中式控制所需的全面信息共享变得不切实际。因此，分布式控制成为了大型互联系统的必要选择。

2. 受限模型预测控制

2.1 模型预测控制简介

模型预测控制（MPC），也称为滚动时域控制，是一种通过在给定时间范围内求解开环最优控制问题来获得控制输入的控制方案。优化过程会产生一个最优控制序列，该序列中的第一个控制量将应用于物理系统。在每个控制时刻，控制器会获取新的测量值并求解更新后的最优控制问题。MPC在过程工业中非常受欢迎，因为它能明确纳入操作约束。

在MPC文献中，为确保MPC策略的稳定性，提出了各种方法。主流方案是对预测的终端状态施加稳定性约束，但这要求预测时域足够长。最近，Cheng和Krogh提出了一种新的方案——稳定性约束模型预测控制（SC - MPC），该方案在当前优化问题的预测的第一个状态上施加从先前步骤传播而来的约束。这种稳定性约束对于线性时不变（LTI）可控系统始终是可行的收缩约束。

2.2 分布式模型预测控制与稳定性约束（DMPC - SC）

为解决大型互联系统中集中式控制的不足，提出了分布式模型预测