面向微电网频率控制的目标调整模型预测控制

研究问题

在波动的可再生能源发电和不确定的负荷条件下，微电网如何在扰动完全显现之前就通过控制器维持频率稳定？

方法

本项目开发了面向微电网频率调节的**目标调整模型预测控制（MPC）**框架。该方法结合：

• 滚动时域优化 —— 在每个时间步上求解基于预测窗口的约束最优控制问题。
• 目标调整 —— 根据更新的运行条件在线修正控制目标，使控制器适应可再生能源发电和负荷模式的变化。
• 不确定性的随机处理 —— 将可再生能源发电和需求的预测及不确定性范围纳入优化。

方法使用 Python 和 CasADi 数值优化工具实现，并在代表性微电网配置中进行了仿真验证。

个人贡献

Frederik Banis 是主要期刊论文的第一作者。他开发了目标调整 MPC 公式，设计了仿真实验，并撰写了论文。合作者贡献了指导、方法建议和审阅。

验证与关键结果

• 在可变可再生能源发电条件下，目标调整 MPC 相比固定目标 MPC 提高了频率稳定性。
• 仿真结果表明负荷扰动后频率偏差降低，恢复时间缩短。
• 方法在具有真实风力和太阳能发电曲线的代表性微电网测试案例上得到验证。

该方法发表于同行评审期刊 IET Renewable Power Generation（2019年）。截至2026年3月，论文被引用20次（Google Scholar）。

成果

• 期刊论文： DOI 10.1049/iet-rpg.2019.0487
• 会议论文： MEDPOWER 2018 — Utilizing flexibility in Microgrids using MPC.
• 相关软件： SINDYc 与 MCMC 框架（Zenodo）
• 博士论文： Efficient Operation of Energy Grids，DTU，2020。DOI 10.11581/DTU.00000334

合作者

• 丹麦技术大学 DTU Compute —— Henrik Madsen、Niels Kjølstad Poulsen（导师）
• Daniela Guericke（合著者）

状态与后续

状态： 已发表（2019年）。该方法基础在后续的分层微电网控制和 SINDYc 用户建模工作中得到扩展。

向当前研究的迁移： 此处开发的序贯决策框架——在信息不完全可用的条件下进行约束优化——正是现在驱动生物医学传感自适应波形设计的方法基础。