Energy-Aware Model Predictive Control for Batch Manufacturing System Scheduling Under Different Electricity Pricing Strategies

📄 arXiv: 2506.22923v1 📥 PDF

作者: Hongliang Li, Herschel C. Pangborn, Ilya Kovalenko

分类: math.OC, eess.SY

发布日期: 2025-06-28

💡 一句话要点

提出一种能量感知的模型预测控制方法，用于优化批量生产系统在不同电价策略下的调度。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 模型预测控制 能量感知调度 批量生产系统 混合整数二次规划 电价策略

📋 核心要点

  1. 制造业面临降低能源成本的压力，现有调度方法难以兼顾时变电价和生产约束。
  2. 提出能量感知的模型预测控制框架，动态调度生产过程，响应电价变化，同时满足生产目标。
  3. 案例研究表明，该方法在不同电价方案下，能够降低能源成本，同时满足生产目标和约束。

📝 摘要（中文）

制造业是能源消耗最高的行业之一，面临着降低能源成本的日益增长的压力。本文提出了一种能量感知的模型预测控制（MPC）框架，用于动态调度制造过程，以响应随时间变化的电价，同时不影响生产目标或违反生产约束。开发了一个基于网络的制造系统模型，以捕获复杂的物料流、批量处理以及缓冲器和机器的容量。调度问题被表述为一个混合整数二次规划（MIQP），它平衡了能源成本、缓冲器水平和生产需求。一个案例研究评估了所提出的MPC框架在四种工业电价方案下的性能。数值结果表明，该方法在满足生产目标和遵守生产约束的同时，降低了能源使用费用。研究结果强调了在制造调度决策中考虑详细的电力成本结构的重要性，并为制造商在选择不同的电力定价策略时提供了实用的见解。

🔬 方法详解

问题定义：论文旨在解决批量生产系统在不同电价策略下如何进行能量感知的调度问题。现有方法通常难以在满足生产目标和约束的同时，有效利用时变电价带来的优化空间，从而导致能源成本较高。

核心思路：论文的核心思路是利用模型预测控制（MPC）框架，通过预测未来一段时间内的电价和生产状态，动态调整生产计划，从而在满足生产目标的前提下，最小化能源成本。这种方法能够充分利用电价波动，在电价较低时增加生产，在电价较高时减少生产，从而降低整体能源费用。

技术框架：该方法首先建立一个基于网络的制造系统模型，该模型能够描述复杂的物料流、批量处理以及缓冲器和机器的容量。然后，将调度问题建模为一个混合整数二次规划（MIQP）问题，该问题以最小化能源成本为目标函数，同时考虑缓冲器水平和生产需求等约束。MPC控制器根据当前状态和未来电价预测，求解该MIQP问题，得到最优的生产计划，并将其应用于实际生产过程中。

关键创新：该方法最重要的创新点在于将能量成本显式地纳入到MPC的优化目标中，并利用MIQP求解器高效地求解调度问题。与传统的调度方法相比，该方法能够更好地适应时变电价，从而降低能源成本。此外，基于网络的制造系统模型能够准确地描述复杂的生产过程，为调度优化提供可靠的基础。

关键设计：该方法中的关键设计包括：1）基于网络的制造系统模型的构建方法，需要准确描述物料流、批量处理和设备容量；2）MIQP问题的目标函数和约束条件的设计，需要平衡能源成本、缓冲器水平和生产需求；3）MPC控制器的预测时域和控制时域的选择，需要根据实际生产过程的动态特性进行调整；4）电价预测模型的选择，需要能够准确预测未来一段时间内的电价。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

案例研究在四种工业电价方案下评估了所提出的MPC框架。数值结果表明，该方法能够在满足生产目标和遵守生产约束的同时，显著降低能源使用费用。具体的性能提升幅度取决于电价方案的特性，但在所有情况下，该方法都优于传统的调度方法。这些结果验证了该方法在实际应用中的有效性。

🎯 应用场景

该研究成果可应用于各种批量生产系统，例如化工、制药、食品饮料等行业。通过实施能量感知的模型预测控制，企业可以降低能源成本，提高生产效率，并减少对环境的影响。此外，该方法还可以帮助企业更好地应对电力市场的变化，提高其竞争力。

📄 摘要（原文）

Manufacturing industries are among the highest energy-consuming sectors, facing increasing pressure to reduce energy costs. This paper presents an energy-aware Model Predictive Control (MPC) framework to dynamically schedule manufacturing processes in response to time-varying electricity prices without compromising production goals or violating production constraints. A network-based manufacturing system model is developed to capture complex material flows, batch processing, and capacities of buffers and machines. The scheduling problem is formulated as a Mixed-Integer Quadratic Program (MIQP) that balances energy costs, buffer levels, and production requirements. A case study evaluates the proposed MPC framework under four industrial electricity pricing schemes. Numerical results demonstrate that the approach reduces energy usage expenses while satisfying production goals and adhering to production constraints. The findings highlight the importance of considering the detailed electricity cost structure in manufacturing scheduling decisions and provide practical insights for manufacturers when selecting among different electricity pricing strategies.