广义预测控制（GPC）是一种鲁棒性强、能够有效地克服系统滞后、可应用于开环不稳定非最小相位系统的先进控制算法，但由于它需要Diophantine方程计算、矩阵求逆和最小二乘的递推求解，因此计算量很大，本文针对此缺陷提出四种不基于对象模型且实时性高的广义预测控制快速算法，为广义预测控制应用于实时性要求高的快速系统奠定了理论基础。但是实际工业过程中存在着各种约束，这会使求解控制量的滚动优化问题变得复杂，通常需求解一个有约束的二次规划或非凸规划，另外非凸规划的求解对初始条件也非常敏感，这些会影响到广义预测控制的性能。为了解决此问题，本文将粒子群优化算法应用到广义预测控制中，解决广义预测控制的局限性。

减灾战略 该存储库是本文的伴侣 K.J. Kircher and K.M. Zhang. "Model Predictive Control of Thermal Storage for Demand Response." In American Control Conference, Proceedings of the 33rd (2015). 它模拟了各种控制策略，用于在复杂，确实存在的经济环境中为商业建筑降温。 从Matlab包装器TSDR.m开始。 将其和文件夹“子功能”添加到您的路径。 运行优化例程需要CVX工具箱，该工具箱可从免费获得。 代码中的注释应从那里解释事情。

中国科学院大学广义预测控制讲义，从其背景，发展，其实现过程做了详细的介绍和论述

对于双输入双输出系统的模型预测控制（DMC）的MATLAB实现，能直接运行得到结论，是学习DMC的一个较好的资源。

简单的MPC源程序，其中包括一个简单的主程序以及一个实现MPC功能的子程序

风机经济模型预测控制

广义预测控制代码

离散控制Matlab代码

完整代码，可直接运行

风电是重要的清洁可再生能源,将其引入智能电网中对节能减排有着重要的意义.为降低大规模风电不确定性给电网调度带来的影响,提出一种基于随机模型预测控制的风电与传统机组协调调度方法.考虑了部分传统机组需要人工调度而无法频繁、连续操作的情况,并引入可调负荷以增加系统可调度能力.构建基于混合整数二次规划(MIQP)的风电调度目标函数,以及包括机组最大可调节次数、最小运行/停机时间、可调度负荷总能量需求一致性、风电切负荷比例等约束.提出两阶段场景缩减方法以实现典型场景的快速筛选.通过与传统开环调度方法的性能对比表明所提出方法的可行性与有效性,并在此基础上进一步分析机组启停次数和可调度负荷对系统运行的影响.