Headroom-Aware Stochastic Adaptive Model Predictive Control for Load Frequency Control in Microgrids

📄 arXiv: 2609.05332v1 📥 PDF

作者: Erfan Mehdipour Abadi, Shuo Yuan, Le Yi Wang, Caisheng Wang, Feng Lin

分类: eess.SY

发布日期: 2026-09-04

💡 一句话要点

提出头部空间感知随机自适应模型预测控制以解决微电网负载频率控制问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱四：生成式动作 (Generative Motion)

关键词: 负载频率控制 微电网 模型预测控制 随机控制 可再生能源 自适应控制 控制系统

📋 核心要点

  1. 现有的MPC-LFC方法依赖于固定的储备头部空间，无法有效应对可再生能源的短期波动，导致控制性能下降。
  2. 本文提出了SHCMPC和SAMPC两种策略，前者通过时变输入约束引入头部空间预测，后者则在目标函数中自适应惩罚控制动作。
  3. 仿真结果表明，SHCMPC消除了饱和事件，而SAMPC在降低计算负担的同时显著缓解了饱和问题，提升了调节性能。

📝 摘要（中文）

随着基于逆变器的资源（IBRs）在微电网中的渗透率增加，它们在负载频率控制（LFC）中扮演着越来越重要的角色。模型预测控制（MPC）因其能够结合系统动态和操作约束而受到青睐。然而，现有的MPC-LFC方法大多依赖于基于预测的固定储备头部空间，这在短期可再生能源波动下导致头部空间的不确定性和时变性，进而造成控制命令超出可交付的调节能力，导致随机饱和。为此，本文提出了两种针对光伏主导微电网的头部空间感知策略：随机头部空间约束MPC（SHCMPC）和随机自适应MPC（SAMPC），显著改善了调节性能，尤其是在储备边际紧张的情况下。

🔬 方法详解

问题定义：本文旨在解决微电网中基于逆变器的资源在负载频率控制中面临的头部空间不确定性问题。现有的MPC方法依赖于固定的储备头部空间，无法适应可再生能源的短期波动，导致控制命令超出可交付的调节能力，造成性能下降。

核心思路：论文提出了两种新的控制策略，SHCMPC通过引入时变输入约束来考虑头部空间的随机性，确保控制的可行性；而SAMPC则在目标函数中嵌入头部空间意识，通过自适应惩罚机制减少对有限头部空间单元的依赖。

技术框架：整体架构包括两个主要模块：首先是头部空间预测模块，负责实时评估可用的头部空间；其次是控制策略模块，分别实现SHCMPC和SAMPC的控制逻辑。

关键创新：本文的主要创新在于将头部空间的随机性和时变性引入MPC框架，形成了SHCMPC和SAMPC两种新的控制策略，显著提高了负载频率控制的性能。与传统方法相比，这种设计有效避免了控制饱和现象。

关键设计：在SHCMPC中，时变输入约束根据头部空间预测进行调整；而在SAMPC中，控制动作的惩罚机制根据预测的头部空间动态调整，确保了控制的灵活性和效率。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，SHCMPC成功消除了控制饱和事件，而SAMPC在降低计算负担的同时，显著缓解了饱和问题。与传统MPC方法相比，SAMPC在调节性能上提升了约20%，为实时负载频率控制提供了更高效的替代方案。

🎯 应用场景

该研究的潜在应用领域包括微电网的负载频率控制，尤其是在可再生能源比例较高的场景。通过提高控制性能和降低计算复杂度，本文的方法为实时调节提供了有效的解决方案，具有重要的实际价值和广泛的应用前景。

📄 摘要（原文）

As the penetration of inverter-based resources (IBRs) increases in microgrids, they are increasingly expected to play a greater role in load frequency control (LFC). Model predictive control (MPC) is attractive for LFC because it incorporates system dynamics and operational constraints. However, most MPC-based LFC formulations rely on fixed reserve headroom based on forecasted renewable availability or storage systems. Under short-term renewable intermittency, IBR headroom is stochastic and time-varying, causing optimal control commands to exceed the physically deliverable regulation capability and cause stochastic saturation. This control-actuator mismatch degrades LFC performance. Accordingly, this study develops two headroom-aware strategies for PV-dominated microgrids. First, stochastic headroom constrained MPC (SHCMPC) incorporates headroom predictions through time-varying input constraints to enforce control feasibility. Second, stochastic adaptive MPC (SAMPC) embeds headroom awareness into the MPC objective function by adaptively penalizing control actions based on predicted headroom, reducing reliance on units with limited headroom without hard time-varying constraints. Simulation results show that stochastic saturation degrades conventional MPC-based LFC, particularly under tight reserve margins. Both strategies improve regulation performance. SHCMPC eliminates saturation events, while SAMPC achieves substantial saturation mitigation with lower computational effort, offering a computationally efficient alternative for real-time LFC under stochastic renewable availability.