Unlocking feedforward capabilities in Model Predictive Control algorithms to deal with measurable disturbances
University of Almería（阿尔梅里亚大学）
提出一种在MPC中嵌入真正前馈能力的双控制结构框架，通过无控制代价的前馈动作实现可测扰动的完全补偿，并在DMC、GPC和状态空间MPC中验证有效性。
2026-06-05 cs.SY eess.SY
Research on Flexibility Margin of Electric-Hydrogen Coupling Energy Block Based on Model Predictive Control
氢能在低碳能源转型中发挥着重要作用，电氢耦合将成为典型的能源场景。针对风光互补比例较高的低碳电氢耦合系统运行柔性问题，研究了基于模型预测控制（MPC）的电氢耦合能量块柔性裕度。通过分析非均质能源的功率交换特性，建立了各种非均质能源的均质化模型。通过对电力系统柔性裕度的分析，从系统运行的维度定义了柔性裕度评价指标的3个维度，建立了电氢耦合能量块调度模型。采用模型预测控制算法对电氢耦合能量块的功率平衡运行进行优化，定量分析计算能量块的柔性裕度。通过实例分析，验证了本文提出的计算方法不仅可以实现电氢耦合能量块的在线功率平衡优化，而且可以有效量化电氢耦合能量块的运行柔性裕度。
2022-03-26 cs.SY eess.SY
Unlocking the Potential of Flexible Energy Resources to Help Balance the Power Grid
Swiss Federal Institute of Technology, Zurich（苏黎世联邦理工学院）；IBM Research–Zurich（IBM苏黎世研究实验室）
本文研究如何通过协调多种互补资源的灵活控制，提升电力电网平衡能力，采用鲁棒优化计算最优调整策略，模拟显示精选资源聚合可提供远超个体容量的调节能力。
2018-06-20 cs.SY eess.SY
A Predictive Flexibility Aggregation Method for Low Voltage Distribution System Control
University of Liege（列日大学）；Montefiore Institute, University of Liège（蒙泰菲奥尔研究所）
本文提出一种预测灵活性聚合方法，结合集中优化实现低压配电网实时控制，通过多参数优化和操作规划问题生成灵活性图，提升系统效率与经济性。
2026-03-10 cs.SY eess.SY
Grocery Store Flexibility Management Using Model Predictive Control With Neural Networks
随着越来越多的能源由可再生能源（RES）生产，平衡生产和消费的挑战正在转移到消费者而不是电网。这就需要在个别建筑物和地区层面上采用新的、智能的灵活性管理方法。为此，本文提出了一种嵌入深度神经网络的基于模型的最优控制（MPC）算法，用于日前的消费和生产预测。该算法用于优化位于芬兰的一个中型杂货店的能源消耗。系统在模拟工具中进行了测试，利用现实生活中的电力测量从杂货店。我们报告了一个$8.4\%$减少日常峰值负荷的灵活性提供了一个$20$千瓦时电池。另一方面，在试图优化能源现货价格方面没有看到明显的好处。我们的结论是，我们的方法是能够显着降低在杂货店的峰值负荷，而无需额外的运营成本。
2020-01-21 cs.SY eess.SY
Predictive Control of EV Overnight Charging with Multi-Session Flexibility
本文提出一种基于模型预测控制的电动汽车夜间充电多时段规划方法，放宽每日必须充满的假设以利用跨夜灵活性，在英国电网数据上实现相比不受控充电减排40%至46%。
2025-05-08 cs.SY eess.SY
Bidding and Dispatch Strategies with Flexibility Quantification and Pricing for Electric Vehicle Aggregator in Joint Energy-Regulation Market
针对联合能量-调频市场中电动汽车聚合商的在线投标调度问题，提出灵活性量化定价方法、随机模型预测控制投标模型与仿射映射调度策略，可实时求解且方案有效。
2024-11-04 cs.SY eess.SY
Cognitive Flexibility as a Latent Structural Operator for Bayesian State Estimation
King Mongkut's University of Technology Thonburi（泰国国王科技大学）；University of Illinois Chicago（伊利诺伊大学芝加哥分校）
本文提出认知灵活性作为贝叶斯状态估计的潜在结构运算符，通过在线选择潜在结构提升预测准确性，同时在模型正确时保持非侵入性。
2026-04-09 cs.SY eess.SY
Learning-Based Predictive Control via Real-Time Aggregate Flexibility
聚合器已经成为协调分布式可控负载的重要工具。为了有效地使用，聚合器必须能够向系统运营商传达其控制的负载的可用灵活性，即聚合灵活性。然而，大多数现有的聚合弹性的措施往往是慢时标的估计和更少的关注已经支付给聚合器和运营商之间的实时协调。在本文中，我们考虑解决一个在线优化的闭环系统，并提出了一种设计的实时聚合的灵活性反馈，称为最大熵反馈（MEF）。除了导出MEF的分析性质，结合学习和控制，我们表明，它可以近似使用强化学习和作为一个惩罚项在一种新的控制算法-惩罚预测控制（PPC），它修改香草模型预测控制（MPC）。我们的计划的好处是（1）。高效沟通。运行PPC的操作员不需要知道负载的确切状态和约束，而只需要知道MEF。（二）、快速计算。PPC通常具有比MPC公式少得多的变量。（三）、降低成本。我们表明，在一定的规律性假设下，PPC是最优的。我们使用自适应电动汽车充电网络的数据集来说明PPC的功效，并表明PPC优于经典MPC。
2022-05-31 cs.SY eess.SY math.OC
QuickFlex: a Fast Algorithm for Flexible Region Construction for the TSO-DSO Coordination
预计电力系统中的大多数新技术变革将发生在配电网中。配电灵活性的巨大潜力可以满足输电系统的需求，通过更加重视灵活需求和电动汽车等较小的资源，将以发电机为中心的能源和辅助服务模式转变为以需求为中心的模式。为了释放这些能力，必须了解可以从配电网中大量新技术中获得的聚合灵活性。因此，配电网可以在输电一级提供总体灵活性。迄今为止，大多数计算方法用于估计在配电网和输电网之间的接口处的聚合柔性具有需要大量计算时间的缺点，这阻碍了它们的适用性。提出了一种新的配电网柔性域构造算法，称为QuickFlex。与以前的方法相反，可以选择先验柔性域精度。我们的方法需要很少的迭代来构造柔性区域。所需的迭代次数主要与分布网格的输入大小和灵活元素无关。数值试验在5 ~ 123节点的四个网格上进行。结果表明，QuickFlex优于现有的建议，在文献中的速度和准确性。
2021-07-02 cs.SY eess.SY
Real-Time Control of Sustainable Data Centers: A Two-Layer Model Predictive Control Framework with Workload Flexibility and Heat Recovery
Distributed Electrical Systems Laboratory, École polytechnique fédérale de Lausanne（洛桑联邦理工学院分布式电力系统实验室）
针对集成多能源系统的数据中心，提出含随机优化上层与自适应MPC下层的两层控制框架，可降低调度偏差与不平衡成本，适配季节及碳感知信号，实现经济可持续的电网支持运行。
2026-08-18 cs.SY eess.SY
Risk-Averse Model Predictive Control for Priced Timed Automata
在本文中，我们提出了一个风险规避定价时间自动机（PTA）模型预测控制（MPC）框架，以增加灵活性的信息物理系统。为了提高这些系统的灵活性，我们的风险规避框架解决了一个多目标优化问题，以最大限度地减少成本和风险，同时。虽然最小化成本确保了最少的努力来完成任务，但最小化风险即使在不确定性期间也能保证任务的可行性。我们的框架探讨了这两个品质之间的权衡，以获得风险规避控制行动。与不具有风险规避特征的PTA MPC相比，具有风险规避特征的PTA MPC动态决策算法的解对PTA变化的反应相对更好。一个制造系统的例子来显示所提出的控制策略的应用。
2022-10-27 cs.SY eess.SY
Optimal Energy Management in Indoor Farming Using Lighting Flexibility and Intelligent Model Predictive Control
提出一种结合transformer预测与作物光照约束的模型预测照明控制方法，仿真证明可显著降低一公顷温室的年度成本、峰值负荷和能耗。
2025-10-04 cs.SY eess.SY
Grid Edge Intelligence-Assisted Model Predictive Framework for Black Start of Distribution Systems with Inverter-Based Resources
本文提出一种基于电网边缘智能的配电系统黑启动预测框架，利用表后分布式能源资源灵活性，在构网型储能黑启动策略中显式纳入频率最低点、频率变化率和准稳态频率约束，并通过同步开关实现快速安全负荷恢复，最终在改进IEEE 123节点系统上验证了不同GEI渗透率下的效果。
2025-08-18 cs.SY eess.SY
Neural Predictive Control for the Optimization of Smart Grid Flexibility Schedules
Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院）；elena international GmbH（elena国际有限公司）
模型预测控制（MPC）是一种以数学方式表达电网柔性最优调度问题的方法。所得到的时间约束优化问题可以在每个优化时间步中使用经典优化方法（例如二阶锥规划（SOCP）或内点法（IPOPT））重新求解。在滚动时域方案中应用MPC时，减少了预测中的不确定性对最优调度的影响。虽然MPC方法保证了时间约束的电网优化的准确结果，但它们固有地受到大型和复杂电力系统模型所需的计算时间的限制。使用函数逼近学习最优控制行为提供了以短计算时间确定接近最优控制动作的可能性。针对线性和非线性电力系统，提出了一种神经预测控制（NPC）方法，通过仿真学习系统的最优控制策略。它表明，该程序可以找到接近最优的解决方案，同时减少了一个数量级的计算时间。使用基准智能电网验证学习的控制器。
2021-08-19 cs.AI cs.SY eess.SY
A Primary Frequency Control Strategy for Variable-Speed Pumped-Storage Plant in Power Generation Based on Adaptive Model Predictive Control
针对低惯量电网频率控制难题，本文提出基于自适应模型预测控制的变速抽水蓄能电站发电工况一次调频策略，利用其灵活性提升调频性能。
2022-11-01 cs.SY eess.SY
Balancing Wind and Batteries: Towards Predictive Verification of Smart Grids
我们研究了一个具有风力发电和蓄电池储能的智能电网。传统上，提前一天的规划旨在平衡需求和风力发电，但实际风力状况往往偏离预测。存储和发电的短期灵活性填补了潜在的空白，计划在30-60分钟的时间范围内以分钟为单位。寻找最优柔性配置需要求解一个半无限非凸随机规划，这通常很难精确求解。以前的方法依赖于抽样，但这样的关键问题要求严格的方法，更强的保证。我们的方法采用概率模型检测技术。首先，我们投的问题作为一个连续空间的马尔可夫决策过程离散控制，最佳的部署策略，使预期的电网频偏最小化。为了减轻状态空间爆炸，我们利用模型的特定结构特性来实现迭代探索方法，该方法在更新风数据时重复使用预先计算的值。我们的实验表明，该方法的可行性和通用性跨网格配置和时间尺度。
2021-02-08 cs.SY eess.SY
PhysQ: A Physics Informed Reinforcement Learning Framework for Building Control
间歇性可再生能源的大规模整合需要大量的需求方灵活性。鉴于建筑环境约占欧盟总能耗的40%，释放其灵活性是能源转型过程中的关键一步。本文特别关注住宅建筑的能源灵活性，利用其固有的热质量。基于数据驱动控制领域的最新发展，我们提出了PhysQ。作为一个基于物理信息的建筑控制强化学习框架，PhysQ在弥合传统的基于模型的控制和基于强化学习的数据密集型控制之间的差距方面迈出了一步。通过我们的实验，我们表明，所提出的PhysQ框架可以学习高质量的控制策略，优于一切照旧，以及一个基本的模型预测控制器。我们的实验表明，成本节约约9%，与常规控制器相比。此外，我们还证明了PhysQ有效地利用了先前的物理知识，使用比传统强化学习方法更少的训练样本来学习这些策略，使PhysQ成为住宅建筑中可扩展的替代方案。此外，PhysQ控制策略利用直观且基于传统建筑模型的建筑物状态表示，这使得学习策略的解释优于其他数据驱动的控制器。
2022-11-21 cs.SY eess.SY
Comprehensive Review on the Control of Heat Pumps for Energy Flexibility in Distribution Networks
本文综述热泵在配电网能源灵活性中的调度与实时优化控制方法，指出先进MPC和RL策略在电网影响评估中的研究不足。
2025-02-19 cs.SY eess.SY
Experimental implementation of an emission-aware prosumer with online flexibility quantification and provision
本研究通过集成模型预测控制策略增强建筑能源管理系统，使真实建筑成为排放感知的灵活产消者，实现12.5%的减排并无反弹风险地提供灵活性。
2023-10-24 cs.SY eess.SY
On the Practical Design of Tube-Enhanced Multi-Stage Nonlinear Model Predictive Control
管增强多阶段非线性模型预测控制是一种鲁棒控制方案，可以处理大范围的不确定性，降低保守性和可管理的计算复杂度。在本文中，我们从应用的角度阐述了该方法的灵活性。我们讨论的路径，使设计决策系统地实施新的计划。我们说明了一个工业实例的计划的设计和实施的关键步骤。
2022-04-20 cs.SY eess.SY math.OC
Reconfigurable Plug-and-play Distributed Model Predictive Control for Reference Tracking
针对变拓扑网络提出了一种即插即用的模型预测控制（PSTMPC）方案，以跟踪分段常数参考。该方案允许子系统偶尔加入和离开网络，同时保持渐近稳定性和递归的可行性，包括两个主要阶段。在重新设计阶段，基于无源性的控制，以确保网络的渐近稳定性得到保持。在过渡阶段，可重构的终端成分，以确保分布式MPC问题是最初可行的后，PPENDIX操作。所提出的方案的有效性进行评估，将其应用到网络的质量弹簧阻尼器系统，并将其与基准计划。结果发现，新的重新设计阶段的结果在更快的PAPPLE操作，而新的过渡阶段，通过接受更多的请求，增加了灵活性。
2022-11-16 cs.SY eess.SY
Safe and Stable Closed-Loop Learning for Neural-Network-Supported Model Predictive Control
Technical University of Darmstadt（达姆施塔特工业大学）
针对信息不完整场景下参数化预测控制器的安全学习难题，提出用神经网络参数化MPC阶段代价函数、在贝叶斯优化学习中融入稳定性信息的方法，实现闭环性能提升与严格概率安全保证。
2024-09-16 cs.LG cs.SY eess.SY
A Simulation Tool for V2G Enabled Demand Response Based on Model Predictive Control
针对缺乏评估MPC类车网互动需求响应策略工具的问题，提出一款开源MPC控制器仿真工具，可应对运营不确定性，在最大化G2V/V2G收益的同时评估电池影响，支持CPO结合电价、电网约束和用户偏好实时优化充放电计划。
2024-05-20 cs.SY eess.SY
Moving Beyond Marginal Carbon Intensity: A Poor Metric for Both Carbon Accounting and Grid Flexibility
本文论证边际碳强度（MCI）在碳核算和电网灵活性优化上均不可靠且不可操作，指出其存在不可观测等局限，呼吁研究直接报告过剩电力等更具可操作性的指标。
2025-07-15 cs.SY eess.SY
Optimal Dispatch of Connected and Autonomous Electric Vehicles to Enhance Short-Term Grid Flexibility in Smart Cities
University of Pavia（帕维亚大学）；University of Genoa（热那亚大学）
提出一种协调的能源-出行调度框架，通过动态调度配备虚拟电池分区的联网自动驾驶电动汽车车队，在时间约束下为智能城市提供电网支持服务，并利用模型预测控制满足出行能量需求和截止时间要求。
2026-05-25 cs.SY eess.SY
AccelMPC: High-Rate, Low-Power FPGA-Accelerated Model Predictive Control for Tiny Drones
Dartmouth College（达特茅斯学院）；École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
AccelMPC通过端到端协同设计，利用FPGA加速ADMM求解器，在微型无人机上实现1 kHz约束MPC，求解速度提升15.6倍，能量延迟积改善195.4倍，并开源全部设计。
2026-09-10 cs.RO cs.SY eess.SY
Cognitive-Flexible Control via Latent Model Reorganization with Predictive Safety Guarantees
King Mongkut’s University of Technology Thonburi（泰国孔敬理工大学）
本文提出认知灵活控制框架，通过动态重组潜在表示并结合贝叶斯MPC，实现安全且高效的非平稳网络物理系统控制。
2026-03-07 cs.SY eess.SY
Contouring Error Bounded Control for Biaxial Systems with Structural Flexibility and Input Delay
Victoria University of Wellington（惠灵顿维多利亚大学）；Northeastern University（东北大学）
本文提出了一种针对具有位置依赖柔性和输入延迟的双轴系统的新型控制策略，确保末端执行器在指定误差范围内精确跟踪轮廓，通过高保真模型和模型预测控制方法实现鲁棒性。
2026-04-13 cs.SY eess.SY
A Predictive Operation Controller for an Electro-Thermal Microgrid Utilizing Variable Flow Temperatures
本文针对电-热微电网提出一种基于可变流量温度和模型预测控制的最优运行控制策略，通过多层网络建模和约束凸优化提升系统灵活性并利用热网存储容量。
2024-04-02 cs.SY eess.SY
Weighting Factors Tuning by Direct Feedback in Predictive Control of Multiphase Motors
本文提出一种闭环方案，通过直接反馈将权重因子与性能指标关联，为多相电机预测控制确定最优权重因子，计算负担小，并在五相感应电机上实验验证。
2025-10-10 cs.SY eess.SY
Stochastic Virtual Battery Modeling of Uncertain Electrical Loads Using Variational Autoencoder
有效利用灵活的负载为网格服务，同时满足最终用户的喜好和约束，需要一个准确的估计所提供的电力负载的聚合预测的灵活性。虚拟电池（VB）模型通常用于量化可调负载（例如住宅空调、电热水器）中的预测灵活性，其经由包括自耗散率以及功率和能量容量作为参数的一阶动力学来模拟（虚拟）能量状态的时间演变。关于最终用途和设备模型的不确定性和缺乏信息使得确定性VB模型不切实际。在本文中，我们引入了随机VB模型的概念，并提出了一种基于\textit{variational autoencoder}的深度学习算法来识别VB模型参数的概率分布。使用可用的传感器和仪表数据，所提出的算法不仅生成VB参数的点估计值，而且生成这些值周围的置信区间。所提出的框架的有效性证明了收集电热水器负载，其操作是由不确定的用水配置文件。
2020-03-18 cs.SY eess.SY
A Model Predictive Control Framework to Enhance Safety and Quality in Mobile Additive Manufacturing Systems
Department of Mechanical Engineering, The Pennsylvania State University（机械工程系，宾夕法尼亚州立大学）
针对移动增材制造系统易忽略打印质量且缺乏精度的问题，提出一种模型预测控制框架，在保障动态环境中安全导航的同时维持高打印质量，并通过案例验证了其可行性与可靠性。
2025-06-29 cs.RO cs.SY eess.SY
A Framework for Quasi Time-Optimal Nonlinear Model Predictive Control with Soft Constraints
本文提出一种软约束非线性模型预测控制框架，在滚动时域中显式处理振动行为，通过惩罚不期望振动扩大可行性，实现准时间最优控制，并在高柔性堆垛机示例中验证了闭环性能。
2025-01-26 cs.SY eess.SY
Learning a Distributed Control Scheme for Demand Flexibility in Thermostatically Controlled Loads
鉴于可再生能源发电的渗透率不断提高，需求灵活性对电网越来越重要。仔细协调恒温控制负载（TCL）可以潜在地调节能源需求，降低运营成本，并提高电网弹性。然而，它是具有挑战性的控制一个异质人口的TCL：控制问题有一个大的状态动作空间;每个TCL有独特的和复杂的动态;和多个系统级的目标需要同时优化。为了解决这些挑战，我们提出了一个分布式控制解决方案，它包括一个中央负载聚合器，优化系统级目标和建筑物级控制器，跟踪聚合器计划的负载配置文件。为了优化我们的代理的政策，我们从强化学习（RL）和模型预测控制的启发。具体来说，聚合器更新的进化策略，这是最近被证明是一个有竞争力的和可扩展的替代更复杂的RL算法，使政策更新独立于建筑物级控制器。我们使用新引入的CityLearn模拟环境，在四个九个建筑群的四个气候区评估我们提出的方法。我们的方法实现了平均减少16.8%的环境成本相比，基准基于规则的控制器。
2020-10-05 cs.SY eess.SY
Optimal price signal generation for demand-side energy management
本文提出基于灵活性函数的最优价格信号生成方法，研究其在需求侧管理、辅助服务和物理层性能中的作用，并比较顺序与同时计算策略。
2024-07-31 cs.SY eess.SY
Maximizing Reach-Avoid Probabilities for Linear Stochastic Systems via Control Architectures
ETH Zürich（苏黎世联邦理工学院）；MIT（麻省理工学院）
本文提出一种结合马尔可夫决策过程和模型预测控制器的控制架构，用于最大化线性随机系统的可达-避免概率，通过在线更新参考信号实现高效鲁棒控制。
2026-01-22 cs.SY eess.SY math.OC
Single vs Multi Vector Predictive Control of Five-phase Drives
本文提出一种基于调制分析的比较方法，评估单矢量与多矢量FSMPC在五相驱动中的性能，发现单矢量方法因灵活性和直流母线利用率更优而更具优势。
2025-10-10 cs.SY eess.SY
Ellipsoidal partitions for improved multi-stage robust model predictive control
本文提出一种结合椭球管和场景树的改进多阶段鲁棒模型预测控制方法，通过超平面分划不确定性椭球实现独立控制，在人机系统中验证了其在处理不确定性和保持计算可行性方面的优势。
2025-09-16 cs.SY eess.SY math.OC
Linearized Gaussian Processes for Fast Data-driven Model Predictive Control
Northern Arizona University（北亚利桑那大学）
本文提出了一种基于线性化高斯过程和序列凸优化的方法，以提升高斯过程基于模型预测控制的求解性能，该方法在速度、可扩展性和可预测性方面优于其他常用方法。
2019-10-01 cs.SY eess.SY
Economic Nonlinear Model Predictive Control of Prosumer District Heating Networks: The Extended Version
本文提出一种用于区域供热网络的经济非线性模型预测控制算法，通过构建基于图的优化模型集成产消者与双向流，在实时MPC中实现运行优化，较传统控制器成本降低达9%且更好维持系统约束。
2025-01-29 cs.SY eess.SY
Explainable Reinforcement Learning-based Home Energy Management Systems using Differentiable Decision Trees
IDLab；Ghent university（根特大学）；imec
本文提出一种基于可微决策树的强化学习方法，用于家庭能源管理，兼具可扩展性和可解释性，性能与标准RL相当，成本节省优于基线约20%。
2024-03-18 cs.LG cs.SY eess.SY
Cooperative distributed model predictive control for embedded systems: Experiments with hovercraft formations
Hamburg University of Technology（汉堡工业大学）；TU Dortmund University（多特蒙德工业大学）；EPFL（洛桑联邦理工学院）
本文提出无需中央协调器、可在气垫船机载毫秒级运行的协作式分布式MPC方法，并通过多场景编队实验验证其灵活性。
2025-03-17 cs.RO cs.SY eess.SY
Receding-Constraint Model Predictive Control using a Learned Approximate Control-Invariant Set
University of Trento（特伦托大学）
针对非线性系统精确控制不变集难以计算的问题，提出一种新颖的模型预测控制方案，通过向后移动安全集约束保证递归可行性，并在检测到风险时触发任务中止策略保证安全性，有效减少了约束违反。
2024-08-28 cs.RO cs.SY eess.SY
Improving the Load Flexibility of Stratified Electric Water Heaters: Design and Experimental Validation of MPC Strategies
针对分时电价下的分层电热水器，本文提出基于三节点热模型的MPC策略，并通过仿真与实时实验证明其较单节点MPC和恒温控制可更有效降低成本、转移负荷。
2023-12-07 cs.SY eess.SY
Model Predictive Control of Smart Districts Participating in Frequency Regulation Market: A Case Study of Using Heating Network Storage
本文针对日本蒸汽型区域供热网络缺乏储热罐的问题，提出利用管网热惯性，通过模型预测控制（MPC）框架，在满足网络物理约束下，实现CHP机组参与频率调节市场，并验证了控制器的实时性。
2023-05-12 cs.SY eess.SY
RHONN Modelling-enabled Nonlinear Predictive Control for Lateral Dynamics Stabilization of An In-wheel Motor Driven Vehicle
轮毂电机电动汽车具有响应速度快、控制分配灵活等特点，是实现先进车辆动力学控制的良好平台。在轮毂电机驱动车辆（IMDV）的诸多主动安全功能中，侧向稳定性控制是一项关键技术，可以通过转矩矢量控制来实现。为了进一步提高IMDV的侧向稳定性能，提出了一种基于递归高阶神经网络（RHONN）建模方法的数据驱动非线性模型预测控制（NMPC）。首先，建立了新的RHONN模型来描述车辆的非线性动力学行为。与传统的基于物理的建模方法不同，RHONN模型只需要数据，并形成高阶多项式。基于RHONN模型，以车辆横摆角速度和侧偏角的稳态响应作为底层控制器的控制目标进行迭代优化，以提高系统的鲁棒性。此外，设计了一种基于RHONN的非线性模型预测控制器，以提高滚动时域控制的预测精度。此外，约束优化问题，制定了车辆横向动力学稳定所需的横摆力矩。最后，在CarSim/Simulink仿真环境下的IMDV上验证了所提出的基于RHONN的非线性预测控制器的性能.验证结果表明，该方法优于传统方法，并进一步提高了系统的稳定裕度。仿真结果表明，该方法能够有效地提高IMDV在不同行驶工况下的横向稳定性能，验证了该方法的可行性和有效性。
2022-03-21 cs.SY eess.SY
Optimal Coordination of Heat Pump Demand Flexibility and Battery Energy Storage Considering the Operation of Distribution Networks
School of Sustainable Energy Engineering, Faculty of Applied Sciences, Simon Fraser University（西蒙菲莎大学应用科学学院可持续能源工程学院）
提出MILP-MPC框架协调热泵预热、电池储能与电压调节设备，在配电网中削减峰值23.1%并缓解过载，支持供暖电气化。
2026-10-07 cs.SY eess.SY
Reserve Provision from Electric Vehicles: Aggregate Boundaries and Stochastic Model Predictive Control
本文将多辆电动汽车聚合为带功率与能量边界的概念电池以预测可用备用容量，并结合多元线性回归和含CVaR的两阶段随机MPC进行日前调度，证明扩大车队可提升预测精度、增加收入并降低约60%成本。
2025-02-17 cs.SY eess.SY
Scalable tube model predictive control of uncertain linear systems using ellipsoidal sets
针对受动态模型不确定性和外部扰动影响的线性系统，提出了一种新的鲁棒模型预测控制（MPC）算法。的不确定性建模使用一个线性分数扰动结构与时变扰动矩阵，使算法被应用到一个大的模型类。MPC控制器构造一个状态管作为一个参数化的椭球集的序列来约束系统的状态轨迹。所提出的方法的结果在一个半定的计划在线求解，其规模与系统的顺序线性。状态管的设计被配制成一个离线优化问题，它提供了灵活性，施加所需的功能，如强大的不变性的终端集。这与大多数现有的管MPC策略相比，在状态管中使用多面体集，这是难以设计的，其复杂性随着系统阶数的组合而增长。该算法保证约束满足，递归的可行性，和闭环的稳定性。使用两个仿真研究证明了该算法的优点。
2022-06-09 cs.SY eess.SY math.OC
IMPACT: A Toolchain for Nonlinear Model Predictive Control Specification, Prototyping, and Deployment
KU Leuven（鲁汶大学）
本文提出IMPACT工具链，通过提供易用接口和自动代码生成功能，支持多工具与求解器，降低非线性模型预测控制（NMPC）的实现复杂性，实现快速原型设计与多平台部署。
2023-03-15 cs.RO cs.SY eess.SY
Cautious Model Predictive Control using Gaussian Process Regression
Institute for Dynamic Systems and Control, ETH Zürich（苏黎世联邦理工学院动态系统与控制研究所）
本文提出了一种结合高斯过程回归的模型预测控制方法，用于建模非线性动力系统，通过考虑残余不确定性来实现安全控制。
2019-12-29 cs.SY eess.SY math.OC
LP-MPPI: Low-Pass Filtering for Efficient Model Predictive Path Integral Control
Institute of Robotics and Machine Intelligence, Poznan University of Technology, Poznan, Poland（机器人与机器智能研究所，波兹南技术大学，波兰波兹南）；IDEAS Research Institute, Warsaw, Poland（IDEAS研究所，波兰华沙）
LP-MPPI通过低通滤波提高模型预测路径积分控制的效率，减少高频噪声，提升控制平滑度和性能表现。
2026-02-03 cs.RO cs.SY eess.SY
Heterogeneously parameterized tube model predictive control for LPV systems
提出了一种适用于线性变参数（LPV）系统的非均匀参数化管基模型预测控制（MPC）设计方法。在非均质管中，管截面的参数化和相关的控制律允许沿预测范围变化。在这个框架中可以描述的两种极端情况是场景MPC（高复杂性，较大的吸引域）和具有简单的时不变控制参数化的位似管MPC（低复杂性，较小的吸引域）。在建议的框架中，这些极端的参数化，以及其他参数化的中间复杂性，可以结合在一个单一的管。通过在参数化设计中允许更多的灵活性，可以影响计算成本和吸引域的大小之间的权衡。参数化结构的充分条件下，递归的可行性和闭环稳定性得到保证。一个具体的参数化方案和位似管MPC的原则相结合的建议，它是满足所需的条件。该方法的属性，包括其实现改进的复杂性/性能权衡的能力，证明使用两个数值例子。
2019-10-18 cs.SY eess.SY math.OC
