Chance Constrained Optimization for Energy Management in Electric Vehicles
未来电动汽车的电动动力系统可以包括能量产生单元（例如，燃料电池和光伏模块），能量存储系统（例如，电池和超级电容器），能量转换单元（例如，双向DC/DC转换器和DC/AC逆变器）和电机，其可以在发电和电动模式下工作[1- 6]。能量管理系统负责以满足技术约束的方式操作上述组件。这个任务应该通过解决一个最优化问题来完成，这个问题的目标是使总的运行成本最小化[5]。最优化问题已被确定性方法[7]广泛解决，该方法考虑了有功-无功负荷曲线的预测值。然而，如图1（a）所示，不可能准确预测值，这意味着来自确定性方法的解决方案可能导致不可行的操作（即，违反约束）。因此，在考虑不确定参数时，应利用随机最优化方法[8]来寻找最优解策略。
2020-12-05 math.OC
Predictive energy management for hybrid electric aircraft propulsion systems
本文提出了一种模型预测控制（MPC）算法，用于由燃气轮机和电动机部件组成的混合电力推进系统的飞机能量管理。串联和并联配置被认为是。通过将点质量飞行器动力学模型与电损耗和燃气涡轮机中的损耗的模型相结合，在给定的未来飞行路径上消耗的燃料被最小化，受到对电池、电动机和燃气涡轮机的约束。在温和的假设下，其解决方案是用来定义一个预测的能量管理控制律，考虑到在飞行过程中的飞机质量的变化，制定为一个凸问题的优化。我们调查的性能算法解决这个问题。提出了一种乘子的交替方向法（ADMM）算法，并与通用的凸内点求解器进行了比较。我们还表明，ADMM实现减少了所需的计算时间的数量级相比，一个通用的非线性规划求解器，使其适合于实时监督能源管理控制。
2022-06-10 math.OC
Energy Management in Plug-in Hybrid Electric Vehicles: Convex Optimization Algorithms for Model Predictive Control
本文详细研究了用于求解具有非线性损失的混合动力电动汽车能量管理模型预测控制的最优化问题的凸公式的算法的计算性能。提出了一种投影内点法，通过将不等式约束作为投影应用于控制输入，减小了牛顿步矩阵求逆的规模和复杂度，并通过与乘子交替方向法（ADMM）算法和通用凸优化软件CVX的仿真比较，验证了投影内点法的性能.据发现，ADMM算法具有良好的性能时，需要一个解决方案，具有适度的精度，而投影内点方法是有利的，当需要高精度，并且都是显着快于CVX。
2019-09-01 math.OC
Sequential Optimization of Speed, Thermal Load, and Power Split in Connected HEVs
University of Michigan（密歇根大学）
本文提出了一种序列优化方法，用于连接混合动力汽车中的节能驾驶速度轨迹规划、空调热负荷规划（节能冷却）和动力总成控制，通过主动利用交通数据进行车辆速度预测，评估个体和集体的能源节约效果。
2019-03-20 cs.SY eess.SY math.OC
Predictive Control for Energy Management in Ship Power Systems under High-power Ramp Rate Loads
电子武器和作战系统集成到舰船上，给其动力系统带来了挑战。主要挑战是在高功率斜坡率负载下运行，例如轨道炮和雷达系统。当操作时，这些负载设备可能在功率斜坡率方面超过船舶发电机，这可能驱动系统不稳定。因此，电动船舶需要与发电机协调的能量存储装置的集成，以保持分布式资源和负载装置之间的功率平衡。为了通过使用能量存储系统来支持发电机，必须部署能量管理方案以确保满足负载需求。本文提出并实现了一种基于模型预测控制的能量管理方案，以优化高功率斜坡率条件下储能和发电机之间的协调。仿真和实验结果验证了所提出的技术在缩小规模，概念电力船舶电力系统。
2017-04-07 math.OC
Predictive Energy Management for Mitigating Load Altering Attacks for Islanded Microgrids Using Battery Energy Storage Systems
本文针对孤岛微电网中的负荷篡改攻击，提出基于电池储能系统的安全预测能量管理控制方法，并通过改进IEEE 9节点系统实时仿真验证其有效性。
2025-07-02 math.OC
Model Predictive Climate Control of Connected and Automated Vehicles for Improved Energy Efficiency
University of Michigan（密歇根大学）
本文提出了一种用于未来连接和自动化车辆空调系统的模型预测控制方法，通过预测模型优化能耗，实现9%的能效提升。
2018-03-02 cs.SY eess.SY math.OC
Battery Degradation Heuristics for Predictive Energy Management in Shipboard Power Systems
本文针对舰船电力系统中脉冲功率负载的高爬坡速率需求，提出基于最小化电池绝对功率和最小化荷电状态两种启发式方法的模型预测能量管理策略，以协调发电机与电池功率分配，在保证发电机高效运行的同时缓解电池退化。
2024-06-07 math.OC
Hybrid Optimal Theory and Predictive Control for Power Management in Hybrid Electric Vehicle
本文提出了一种基于非线性模型的混合动力最优控制技术来计算并联混合动力汽车（PHEV）的功率/能量管理的次优功率分配策略。功率分配策略作为PHEV的功率管理控制问题（PMCP）的模型预测控制解决方案，即，以决定内燃机、电驱动装置和其它子系统之间的功率分配。混合动力车辆的递阶控制结构，即，在本研究中，假设了监督级和本地或子系统级。PMCP包括一个动态非线性模型，和一个性能指标，这两者都是制定潮流在监管层。该模型被描述为一个双模态切换系统，与电动ED的操作模式一致。规定所需行为的性能指标惩罚车辆跟踪误差，燃料消耗和摩擦损失，以及维持电池的充电状态（SOC）。功率分配策略是通过首先从具有性能指标的原始双模态切换系统模型创建嵌入式最优控制问题（EOCP）来获得的。采用直接配点法将问题转化为一个非线性规划问题。一个非线性预测控制技术（NMPC）结合一个顺序二次规划求解器被用来计算次优数值解的PMCP。本文还提出了用原始双模态PHEV的轨迹近似EOCP的数值解的方法。几个案例研究的仿真结果表明，该方法的实用性。
2018-04-02 math.OC
Distributed Model-Predictive Energy Management Strategy for Shipboard Power Systems Considering Battery Degradation
本文提出一种考虑电池退化的船载电力系统分布式模型预测能量管理策略，通过退化启发式方法实现发电机与储能间的最优功率分配，有效平衡发电机效率与储能健康。
2024-07-29 math.OC
Stochastic Model Predictive Control based on Mixed Random Variables for Economic Energy Management
Institute for Automation and Applied Informatics Karlsruhe Institute of Technology (KIT), Germany（卡尔斯鲁厄理工学院自动化与应用信息学研究所）
本文提出基于混合随机变量的随机模型预测控制方法，用于优化家庭能源管理，通过考虑不确定的消费和可再生能源生成，实现降低电力成本的目标。
2026-03-31 math.OC
MPC-Based Precision Cooling Strategy (PCS) for Efficient Thermal Management of Automotive Air Conditioning System
本文提出一种基于MPC的精密冷却策略（PCS），利用车速预览精确跟踪冷却功率轨迹，在SC03循环下相比福特基准节能4.9%，且仅使车厢温度略升，并能进一步降低能耗。
2019-06-10 cs.SY eess.SY math.OC
Predictive Management of Electric Vehicles in a Community Microgrid
将电动汽车充电负荷建模为可延迟负荷，这意味着可以将电力消耗转移到不同的时间窗口以实现各种电网目标。在当地社区的情况下，电动汽车被认为是可控的存储设备在一个全局优化问题，与其他微电网组件，如建筑负荷，可再生能源发电，电池储能系统等，但是，在驱动器的行为的不确定性有巨大的影响微电网运营的成本效益，这还没有充分探讨在以前的文献。在本文中，我们提出了一个预测电动汽车管理策略，在社区微电网，并评估它使用真实世界的数据集的系统基本负荷，太阳能发电和电动汽车充电行为。建立了两阶段运行模型，即第一阶段批发市场参与和第二阶段负荷曲线跟踪，以实现经济有效的电动汽车管理。预测控制策略，包括滚动时域控制，适用于以分散的方式解决能量分配问题。实验结果表明，所提出的方法可以显着降低总的能量成本，并降低总系统负载的斜坡指数高达56.3%。
2018-02-01 eess.SP math.OC
Model and Load Predictive Control for Design and Energy Management of Shipboard Power Systems
在目前的中压直流（MVDC）船载电力系统（SPS）中，存在多信源以向公共直流总线供电。传统上，这种系统的功率管理通过控制包括燃料操作发电机和底层转换器的发电模块（PGM）来执行。此外，能源管理是由新兴的单一或混合能源存储系统（ESS）。本文提出了一个模型和负荷预测控制框架的电力和能源管理的SPS。这里，具有负载预测的MPC用于三个主要目标：（1）根据发电机和能量存储元件各自的功率状态（SOP）和斜坡速率限制从发电机和能量存储元件请求功率和能量，（2）考虑并整合发电机成本和降级，以及（3）在预测范围结束时达到ESS的特定停车（最终）荷电状态（SOC）。利用MATLAB演示了最优化问题的解决方案，并在实时仿真环境中验证了控制框架的功能。
2021-05-20 cs.SY eess.SY math.OC
Energy Management for Autonomous Underwater Vehicles Using Economic Model Predictive Control
研究了自主水下航行器（AUV）的能量最优控制问题。为了提高水下机器人的续航能力，提出了一种基于经济模型预测控制（MPC）框架的能量最优控制方案。首先，我们制定了一个代价函数，计算在有限的时间预测范围内的车辆运行所花费的能量。然后，为了考虑超出预测范围的能量消耗，将接近达到目标的能量（能量消耗）的终端成本并入MPC代价函数中。
2019-06-20 cs.SY eess.SY math.OC
Saturation-Aware Model Predictive Energy Management for Droop-Controlled Islanded Microgrids
在本文中，我们提出了一种基于极小极大模型预测控制（MPC）的能量管理系统，该系统对可再生能源的进料和负载的不确定性具有鲁棒性。MPC制定包括一个模型的低电平下垂控制与饱和的功率和能量限制的单位。强大的基于MPC的能源管理系统往往不能充分利用可再生能源来保证安全运行。为了减轻这种影响，我们进一步考虑可再生能源的下垂控制。对于下垂控制单元的微电网，我们表明，增强下垂反馈与饱和扩大了可行的控制动作的空间。然而，所得到的控制器需要解决一个混合整数的问题，额外的变量和方程表示饱和。我们推导出一个计算易处理的制定这个问题。此外，我们研究了通过使用饱和下垂，可再生下垂和两者的组合在案例研究中获得的性能。
2021-07-06 cs.SY eess.SY math.OC
Optimal Management of Renewable Generation and Uncertain Demand with Reverse Fuel Cells by Stochastic Model Predictive Control
本文提出了一种用于管理可再生能源社区的反向燃料电池的控制策略。一个两阶段的基于神经网络的模型预测控制算法的设计，以确定最佳的经济策略，以遵循在操作过程中。采用适当定义的离散马尔可夫链方法对可再生能源发电量和用户需求进行预测。控制算法能够考虑到预测的不确定性和可逆燃料电池的非线性行为。所提出的方法的性能进行了测试的可再生能源社区组成的聚合的工业建筑配备了光伏。
2022-08-30 cs.SY eess.SY math.OC
Degradation Aware Predictive Energy Management Strategy for Ship Power Systems
将现代防御武器集成到船舶电力系统中，在满足这些负载的高斜坡率要求方面提出了挑战。发电机可能需要满足这些负载的斜坡率。如果不这样做，可能会导致稳定问题。这通过发电机和能量存储元件的聚集来解决，以处理由负载引起的所需电力需求。本文提出了一种基于模型预测控制的能量管理策略，将不确定性的负荷预测。所提出的控制器优化协调发电机和储能元件之间的功率分配，以保证满足功率需求，同时考虑斜坡率限制和负载不确定性。一个低带宽模型，由一个单一的发电机和一个单一的能量存储元件被用来验证所提出的能量管理策略的结果。结果表明，在负载预测的不确定性下的控制器的鲁棒性和负载的不确定性对电池容量损失的影响。
2021-05-25 cs.SY eess.SY math.OC
An ADMM Algorithm for MPC-based Energy Management in Hybrid Electric Vehicles with Nonlinear Losses
在本文中，我们提出了一个凸配方的模型预测控制（MPC）优化的能量管理的混合动力电动汽车，和一个交替方向法的乘法器（ADMM）算法的解决方案。我们开发了一个新的证明的凸性的问题，允许非线性动力学建模为线性系，然后证明ADMM的性能相比，动态规划（DP）通过仿真。结果表明，高达两个数量级的改善，解决方案的时间可比精度对DP。
2019-01-23 math.OC
Robust Model Predictive Control for Enhanced Fast Charging on Electric Vehicles through Integrated Power and Thermal Management
本文针对电动汽车提出一种集成动力与热管理的多目标MPC框架，通过利用电池SOC的时变加权策略优化快速充电性能并提升充电时间在不确定性下的鲁棒性。
2023-10-21 cs.SY eess.SY math.OC
Distributed solution methods for MPC based energy management method of interconnected microgrids: Dual ascent vs ADMM
本文研究互联微电网的最优能源管理问题，采用MPC应对约束与不确定性，并基于对偶上升法和ADMM设计两种分布式方法，使智能体仅凭局部信息即可做出最优决策，数值仿真验证了其有效性。
2024-01-05 math.OC
Solar Cruiser Disturbance Torque Estimation and Predictive Momentum Management
University of Minnesota, Twin Cities（明尼苏达大学双城分校）
本文提出了一种结合扰动扭矩估计的模型预测控制（MPC）框架，用于NASA太阳帆任务的动量管理。研究重点在于利用主动质量转换器（AMT）和反射率控制装置（RCDs）作为动量管理执行器，通过卡尔曼滤波实时估计未建模的扰动扭矩，提升动量管理的可靠性和性能。
2026-06-04 math.OC physics.space-ph
Zonal congestion management mixing large battery storage systems and generation curtailment
由于可再生能源的高度整合，法国输电系统运营商（RTE）需要面对电网特定区域的严重拥堵。目前，网络重构和可再生能源削减管理拥塞，保证系统的安全和稳定。然而，在敏感地区，需要制定更强有力的杠杆。大型电池储能系统因其在拥塞管理中的潜力而受到越来越多的关注。本文提出了一种混合蓄电池和可再生能源限电的局部阻塞管理模型。随后，能量管理方法依赖于模型预测控制的原则。RTE数据集上的模拟结果的自由度和敏感参数的设计分析。
2018-07-04 math.OC
Privacy-Protecting Energy Management Unit through Model-Distribution Predictive Control
智能电表在电网中的推出，由于增加了测量频率和粒度，给消费者隐私带来了风险。通过各种非侵入式负载监控技术，消费者行为可以从他们的计量数据中推断出来。在本文中，我们提出了一种能源管理方法，降低能源成本和保护隐私，通过最小化的信息泄漏。该方法基于模型预测控制器，该模型预测控制器利用能量存储和本地发电，并且预测其动作对消费者的实际能量消耗的统计的影响以及电网所看到的影响。在计算上，该方法需要解决一个可管理的大小每当新的仪表读数。我们模拟的控制器上生成的住宅负荷配置文件与不同的隐私成本在一个两层的使用时间的能源定价环境。结果表明，信息泄漏是有效地减少，但增加了能源成本的代价。结果还表明，与所提出的控制器的消费者的负载配置文件所看到的网格类似的非侵入式负载均衡和懒惰步进之间获得的混合物。
2017-06-27 cs.IT math.IT math.OC
A Hierarchical Robust Control Strategy for Decentralized Signal-Free Intersection Management
提出去中心化无信号交叉口的分层鲁棒控制策略，联合优化 CAV 通行顺序与速度轨迹，并通过二阶锥规划和仿真验证其能效、吞吐量与鲁棒性。
2023-02-08 cs.SY eess.SY math.OC
Drive Mode Optimization and Path Planning for Plug-in Hybrid Electric Vehicles
驱动模式是驾驶员可选择的动力系统和某些车辆参数的预设配置。插件式混合动力电动车辆（PHEV）通常以可影响混合能源管理系统的驱动模式的特殊选项为特征，例如电动车辆（EV）模式（完全依靠电池）和充电维持（CS）模式（在推进车辆的同时利用内燃机对电池充电）。本文研究了一个优化问题，使驾驶员选择适当的驱动模式的燃料最小化。我们开发了优化算法，根据行程信息优化驾驶模式的决策，并与路径规划相结合，以找到最佳路径，考虑中间加油站和充电站。我们还提供了一个在线算法，是基于所揭示的行程信息。我们评估我们的算法经验的雪佛兰伏特，这表明显着的燃油节省。
2017-04-04 cs.DS math.OC
Learning-based Model Predictive Control for Smart Building Thermal Management
Virginia Commonwealth University（弗吉尼亚联邦大学）
提出了一种基于学习的模型预测控制（MPC）方法，用于四区域智能建筑的热控制。我们的目标是尽量减少能源消耗和保持居民的舒适度。所提出的控制方案结合了学习与基于模型的控制。通过人工神经网络（ANN）在长期范围内估计建筑区域中的占用情况，并且将该数据馈送到基于模型的预测器中以获得室内温度预测。Energy Plus软件被用作实际的数据集提供者（天气数据、室内温度、能耗）。在模拟的每个步骤中解决包括实际和预测数据的优化问题，并生成加热/冷却系统的输入设定点温度。将该方法的结果与传统MPC结果进行比较，证明了该方法在节能（减少40.56%的制冷功耗和减少16.73%的制热功耗）和居民舒适度方面的显著更好的性能。
2019-09-11 cs.LG cs.NE cs.SY
Predictive and Prescriptive Performance of Bike-Sharing Demand Forecasts for Inventory Management
Technical University of Denmark（丹麦技术大学）；Technical University of Munich（慕尼黑工业大学）；University of Groningen（格罗宁根大学）；University of Twente（特文特大学）；Munich Data Science Institute（慕尼黑数据科学研究所）
自行车共享系统是一种快速发展的交通方式，为被动的机动个人移动提供了一种有效的替代方案。自行车需求的不对称性导致需要重新平衡自行车站，这通常在夜间进行。为了确定给定日期站点的最佳起始库存量，用户不满意度函数（UDF）将用户取货和退货建模为具有分段线性速率的非齐次泊松过程。在本文中，我们通过引入变分泊松递归神经网络模型（VP-RNN）来预测未来的拾取率和返回率，设计了一个直接适用于UDF的深度生成模型。我们对来自美国纽约市的真实旅行数据进行了传统和基于学习的预测方法的实证评估，并展示了我们的模型在系统效率和需求满足方面如何优于基准。通过明确关注决策算法与基于学习的预测方法的结合，我们突出了文献中的一些缺点。至关重要的是，我们展示了更准确的预测并不一定能转化为更好的库存决策。通过对预测、模型假设和决策之间的相互作用的深入了解，我们指出，预测和决策模型应该仔细评估和协调，以最佳地控制共享移动系统。
2021-07-28 cs.LG math.OC
Approximate Model Predictive Control for Microgrid Energy Management via Imitation Learning
Delft Center for System and Control, TU Delft（代尔夫特系统与控制中心，代尔夫特理工大学）；Department of Electrical, Electronic and Computer Engineering, University of Pretoria（电气、电子与计算机工程系，比勒陀利亚大学）
本文提出基于模仿学习的框架，用于近似混合整数经济模型预测控制，通过神经网络模仿专家控制策略，实现快速实时决策，降低计算时间并提升鲁棒性。
2026-04-27 cs.AI cs.SY eess.SY
Integrated Optimal Fast Charging and Active Thermal Management of Lithium-Ion Batteries in Extreme Ambient Temperatures
本研究针对极端环境温度下的锂离子电池，提出集成最优快速充电与主动热管理的控制策略，构建热-NDC电池模型，分别设计状态反馈及带扩展卡尔曼滤波的输出反馈模型预测控制算法，实现充电速度与电池健康的平衡，经数值实验验证有效。
2024-10-07 cs.SY eess.SY math.OC
Dynamic Energy Management
我们提出了一个统一的方法，凸优化的基础上，随着时间的推移，由设备的网络产生和消耗的功率管理。我们从静态网络中优化潮流的简单设置开始，然后继续优化动态潮流的情况，即，在一定范围内随时间变化的电力流。我们利用这一点来开发一种实时控制策略，模型预测控制，在每个时间步解决动态潮流最优化问题，使用预测未来的数量，如需求，容量，或价格，选择当前的潮流值。最后，我们认为一个有用的扩展模型预测控制，明确占预测的不确定性。我们用面向对象的软件实现来反映我们的框架，这是一个开源的Python库，用于规划和控制任何规模的电力流。我们证明我们的方法与各种例子。附录给出了关于该软件包的更多细节，并描述了一些基本但非常有效的方法，用于根据历史数据构建预测。
2019-03-14 math.OC q-fin.PM
Two-Layer Model Predictive Battery Thermal and Energy Management Optimization for Connected and Automated Electric Vehicles
University of Michigan（密歇根大学）
本文提出了一种双层模型预测控制策略，用于优化电动汽车的电池热力和能源管理，通过实时预测和优化提高燃油经济性，同时减少计算量并避免电池温度约束违规。
2018-09-26 cs.SY eess.SY math.OC
Smart energy management: process structure-based hybrid neural networks for optimal scheduling and economic predictive control in integrated systems
School of Energy and Environment, Southeast University（能源与环境学院，东南大学）；Department of Chemical & Materials Engineering, University of Alberta（阿尔伯塔大学化学与材料工程系）；School of Chemistry, Chemical Engineering and Biotechnology, Nanyang Technological University（南洋理工大学化学、化学工程与生物技术学院）
针对集成能源系统多时间尺度运行难题，提出融合物理先验的三类混合时序MLP代理模型，据此构建日前调度器与双层NEMPC框架，仿真验证其性能较基准方法提升超70%。
2024-10-07 cs.LG cs.SY eess.SY
Distributed Model Predictive Control of Buildings and Energy Hubs
模型预测控制（MPC）策略可以应用于能源枢纽的协调，以减少其能源消耗。尽管这些技术的有效性，它们的节能潜力可能未被充分利用，这是由于能量需求通常被假定为固定量而不是受控的动态变量。能源中心和建筑物能源管理系统的联合优化可以实现更高的节能。本文研究了不同的MPC策略如何在建筑物和能源中心的能源管理系统上执行。我们首先讨论两种MPC方法：集中式和分散式。虽然集中式控制策略提供了最佳性能，但其实现在计算上是禁止的，并且引起了隐私问题。另一方面，分散控制方法，它提供了易于实施，显示出显着较低的性能。我们提出了第三种策略，基于对偶分解的分布式控制，它具有这两种方法的优点。数值案例研究和比较表明，分布式控制的性能接近集中式情况下的性能，同时保持显着较低的计算负担，特别是在大规模的情况下，许多代理。最后，我们通过在瑞士Dübendorf的NEST演示器中的全尺寸能量枢纽系统上的实验来验证和验证所提出的方法的可靠性。
2021-10-04 cs.SY eess.SP eess.SY
