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.

针对矿井涌水量时间序列的分形与灰色特征,采用重标极差分析法(R/S分析法)确定涌水量时间序列的Hurst指数和平均循环周期,在一个周期内建立等维灰数递补动态GM(1,1)预测模型。充分利用最新信息,提高模型预测精度。运用基于R/S分析法的GM(1,1)模型对陕北某矿矿井涌水量进行分析预测,结果表明,模型拟合程度好,预测精度高,能够为矿井安全生产提供决策依据。

里面为线性系统的模型预测控制仿真程序，均为m文件，助于对线性系统模型预测控制的理解

explicit-mpc：基于鲁棒非线性回归和约简支持向量机的基于学习的显式非线性模型预测控制

基于模型预测控制的自动驾驶汽车纵向跟踪控制

参数的优化选择对支持向量回归机的预测精度和泛化能力影响显著, 鉴于此, 提出一种多智能体粒子群算法(MAPSO) 寻优其参数的方法, 并建立MAPSO支持向量回归模型, 用于非线性系统的模型预测控制, 推导出最优控制率. 采用该算法对非线性系统进行仿真, 并与基于粒子群算法、基于遗传算法优化支持向量回归机的模型预测控制方法和RBF 神经网络的预测控制方法进行比较, 结果表明, 所提出的算法具有更好的控制性能, 可以有效应用于非线性系统控制中.

为了提高三相永磁同步电机(PMSM)控制系统的性能,基于反双曲正弦函数的扩张状态观测器(ESO)技术,提出一种新颖的无速度传感器自适应滑模有限控制集模型预测控制(FCS-MPC)策略,采用ESO技术构造PMSM系统转速和反电动势的观测器,实现对电机转速和反电动势快速准确估计.用带有负载ESO的自适应滑模控制作为系统的转速调节器,以提高系统的鲁棒性;利用基于快速矢量选择的FCS-MPC策略,达到减少转矩脉动、降低系统算法计算量的目的.仿真结果表明,基于ESO的无速度传感器自适应滑模FCS-MPC策略能够使PMSM系统可靠稳定运行,达到满意的转矩和转速控制效果.与基于积分型滑模面的自适应滑模FCS-MPC策略相比,所提出的控制策略能使系统具有良好的动态性能和抗负载干扰能力.

飞机延迟 使用机器学习模型预测航班延误 在这个存储库中，我开发了一个模型，旨在预测起飞时的航班延误。 从技术角度来看，贯穿整个 notebook 的 Python 的主要方面是： visualization: matplolib, seaborn, basemap data manipulation: pandas, numpy modeling: sklearn, scipy class definition: regression, figures 打扫 1.1日期和时间 1.2 填充因子 比较航空公司 2.1 航空公司基本统计说明 2.2 延误分布：建立航空公司排名 延误：起飞或降落 始发机场与延误的关系 4.1 航空公司覆盖的地理区域 4.2 始发机场如何影响延误 4.3通常延误的航班 延误的时间可变性 预测航班延误 6.1 模式一：一航一机场 6.1.1 Pitfalls

MPTFC 旨在将 DTC 现象应用到 MPCC 结构中。 它分别包括转矩和磁通预测方程，并提供一种优化的开关状态。 但是很难为转矩和磁通选择协调的权重因子。 哪些方面需要改进。 逆变器采用三级NPC结构。

线性规划的matlab代码 基于线性状态空间模型的预测控制器框架 旨在实现一个代码编写复杂度不高于Matlab的模型预测控制器封装 未来将加入非线性模型（极有可能是基于高斯过程回归）的预测控制，可能会有大量代码需要重构 需要qpOASES 3.7版本，把qpOASES源码的include和src文件夹放在本工程的qpOASES文件夹内，并在工程目录中包含include路径 代码主要由四部分组成：矩阵类a_matrix，状态空间类state_space，预测控制类mpc（无差分约束）与mpc_d_constraint（包含差分约束），二次规划求解器qpOASES（需手动添加）。 使用指南 使用时，需包含mpc.h或mpc_d_constraint.h 矩阵类使用基础 在本程序中，所有变量都是以矩阵存在的（对Matlab的拙劣模仿），因此首先需要至少掌握内置矩阵类a_matrix的基本用法。 你可以像这样初始化一个矩阵： //initialize a 4*3 matrix a_matrix mat1={{1,2,3},{4,5,6},{7,8,9},{10,11,12}}; 矩阵可以直接使