16、大规模随机系统的实际问题与控制算法设计

大规模随机系统的实际问题与控制算法设计

1. 大规模随机系统的控制现状

在大规模随机系统中，如洪水控制系统，测量站会收集信息并在时间 (T/C) 内发送到控制中心。控制中心利用这些信息评估当前情况、校准水流路由方程、预测未来流入量或调整简化的随机流入模型。然而，完成这些活动并对水库所有流出量做出决策所需的总时间较长，无法在短时间间隔 (t_{k + 1}-t_{k}) 内重复分析和决策过程。

因此，目前主要做法是将控制放水的权力下放给水库操作员。他们可直接从测量站或控制中心获取必要信息（如流入量预测），使用简单快速的调度规则计算并设置流出量，并在短时间间隔内重复此过程。控制中心则监控情况，当局部独立决策从全局角度看不理想时接管控制权。目前，全局层面的决策主要依据人工操作员的良好判断。

为减少高层决策频率并使控制结构在通信故障时更稳健，引入无需修改局部决策问题的高层决策机制是有用的。根据“例外管理”原则，中央控制算法应采用开环反馈类型。在这种情况下，分散信息问题是次要的，决策所需时间、可靠性因素和人工操作员使得引入分层控制成为必要。

2. 随机分层控制的算法设计

2.1 分区系统的描述

系统由多个子过程组成，每个子过程由状态方程描述：
[x_{k + 1}^i=f^i(x_k^i,m_k^i,u_k^i,z_k^i)\quad(16)]
其中，(x_k^i\in R^{n_{x_i}}) 是第 (i) 个子过程在时间 (k) 的状态，(m_k^i\in R^{n_{m_i}}) 描述了从时刻 (k) 到时刻 (k + 1) 的局部控制输入，(u_k^i\in R^{n_{u_i}}) 是来自其他