Partitioning techniques for non-centralized predictive control: A systematic review and novel theoretical insights
作者: Alessandro Riccardi, Luca Laurenti, Bart De Schutter
分类: eess.SY
发布日期: 2025-09-14
💡 一句话要点
针对非集中式预测控制，提出系统化的分区技术综述与理论新见解。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 非集中式控制 模型预测控制 系统分区 图论 混合整数规划
📋 核心要点
- 大规模系统非集中式MPC面临系统分区难题，现有方法缺乏系统性的分类和理论支撑。
- 论文提出了一种新的分区方法体系，包括图论形式化、混合整数规划重构、预测分区等新概念。
- 通过案例研究，展示了分区技术在多个领域的应用，并分析了不同分区技术的优缺点。
📝 摘要（中文）
本文针对大规模系统的非集中式模型预测控制(MPC)策略设计与实现中的关键问题——系统分区问题，进行了系统性的综述。这些控制方法包括分散式MPC、分布式MPC、分层MPC和联盟式MPC。对系统进行分区以便应用非集中式MPC，包括寻找子系统的最佳定义，以及将它们分配到组中以定义局部控制器，从而最大化相关的性能指标。本综述将文献中的分区方法归纳为五大类：基于优化的方法、算法方法、基于社群检测的方法、博弈论导向的方法和启发式方法。为了支持该领域的分类和进一步发展，本文开发了一个统一的图论形式体系，将问题重新表述为混合整数规划，提出了预测分区和多拓扑表示的新概念，并对质量指标进行了方法论上的公式化。我们分析了不同类别的分区技术，并概述了它们的优缺点，包括对不同方法的技术讨论。讨论了代表性的案例研究，以说明分区技术在电力系统、水网络、风电场、化学过程、运输系统、通信网络、工业自动化、智能建筑和网络物理系统等各个领域中非集中式MPC的应用。最后，对未来的挑战进行了展望。
🔬 方法详解
问题定义：论文旨在解决大规模系统非集中式模型预测控制（MPC）中的系统分区问题。现有方法在处理复杂系统时，缺乏统一的理论框架和系统性的分类，难以选择合适的分区策略，导致控制性能受限。此外，现有方法在预测系统未来行为和处理多拓扑结构方面存在不足。
核心思路：论文的核心思路是对现有分区方法进行系统性的分类和分析，并提出新的理论工具和概念，以支持分区策略的设计和选择。通过统一的图论形式体系和混合整数规划重构，将不同的分区问题纳入一个共同的框架下进行分析。同时，引入预测分区和多拓扑表示等新概念，以提高分区策略的预测能力和适应性。
技术框架：论文构建了一个包含五个主要类别的分区技术框架：基于优化的方法、算法方法、基于社群检测的方法、博弈论导向的方法和启发式方法。该框架利用统一的图论形式体系对系统进行建模，并使用混合整数规划对分区问题进行数学描述。此外，论文还提出了预测分区和多拓扑表示等新概念，以增强框架的表达能力和适应性。最后，论文定义了一系列质量指标，用于评估不同分区策略的性能。
关键创新：论文最重要的技术创新点在于提出了一个统一的图论形式体系和混合整数规划重构，将不同的分区问题纳入一个共同的框架下进行分析。此外，预测分区和多拓扑表示等新概念的引入，也提高了分区策略的预测能力和适应性。与现有方法相比，该论文提供了一个更全面、更系统化的分区方法分析框架。
关键设计：论文的关键设计包括：(1) 使用图论对系统进行建模，节点代表子系统，边代表子系统之间的交互；(2) 将分区问题转化为混合整数规划问题，目标函数可以是控制性能、通信成本等；(3) 定义预测分区，考虑系统未来行为对分区策略的影响；(4) 引入多拓扑表示，处理系统拓扑结构变化的情况；(5) 设计质量指标，用于评估不同分区策略的性能，例如控制性能、鲁棒性、计算复杂度等。
🖼️ 关键图片
📊 实验亮点
论文通过案例研究展示了分区技术在不同领域的应用，并分析了不同分区技术的优缺点。虽然没有提供具体的性能数据和提升幅度，但通过对不同方法的优缺点进行对比，为实际应用中选择合适的分区策略提供了指导。
🎯 应用场景
该研究成果可应用于各种大规模系统的非集中式模型预测控制，例如电力系统、水网络、风电场、化学过程、交通运输系统、通信网络、工业自动化、智能建筑和网络物理系统。通过选择合适的分区策略，可以提高系统的控制性能、降低通信成本、增强系统的鲁棒性，并实现更高效的资源利用。
📄 摘要（原文）
The partitioning problem is of central relevance for designing and implementing non-centralized Model Predictive Control (MPC) strategies for large-scale systems. These control approaches include decentralized MPC, distributed MPC, hierarchical MPC, and coalitional MPC. Partitioning a system for the application of non-centralized MPC consists of finding the best definition of the subsystems, and their allocation into groups for the definition of local controllers, to maximize the relevant performance indicators. The present survey proposes a novel systematization of the partitioning approaches in the literature in five main classes: optimization-based, algorithmic, community-detection-based, game-theoretic-oriented, and heuristic approaches. A unified graph-theoretical formalism, a mathematical re-formulation of the problem in terms of mixed-integer programming, the novel concepts of predictive partitioning and multi-topological representations, and a methodological formulation of quality metrics are developed to support the classification and further developments of the field. We analyze the different classes of partitioning techniques, and we present an overview of their strengths and limitations, which include a technical discussion about the different approaches. Representative case studies are discussed to illustrate the application of partitioning techniques for non-centralized MPC in various sectors, including power systems, water networks, wind farms, chemical processes, transportation systems, communication networks, industrial automation, smart buildings, and cyber-physical systems. An outlook of future challenges completes the survey.