基于模型预测控制的楼宇负荷需求响应研究
参考文档：《Model Predictive Control of Thermal Storage for Demand Response》完全复现
主要内容：代码主要做的是一个建筑楼宇的需求响应问题，模型的求解采用的是较为创新的模型预测控制，代码非常精品
这个程序是一个用于模型预测控制（Model Predictive Control，MPC）的热储存需求响应（Thermal Storage for Demand Response）的程序。它模拟了一个建筑物，该建筑物可以制冷并储存冰，然后在需要时使用冰来提供冷却。建筑物操作员支付动态能源价格，并偶尔接收到负荷削减价格信号。通过使用模型预测控制，对冷却进行调度。
原创文章，转载请说明出处，资料来源：http://imgcs.cn/5c/674156989600.html
程序中使用了时间相关的向量和矩阵来存储数据。每个存储矩阵的列代表一个时间阶段，每个时间阶段的向量或矩阵存储在相应的列中。
该程序的单位采用国际单位制（SI）。kW和kWh表示电功率，kWc和kWhc表示冷负荷。两者之间的关系由提供冷却的系统的性能系数（Coefficient of Performance，COP）决定。
该程序的状态变量为：
- x1：储存在冰箱中的热能量的数量（kWhc）
- x2：未满足的冷负荷（kWhc）
控制变量为：
- u1：用于制冰的功率（kW）
- u2：通过融化冰来满足的冷负荷（kWhc）
- u3：用于主冷却机的功率（kW）
干扰变量为：
- w1：建筑物的冷负荷（kWhc）
- w2：建筑物的固定负荷（kWh）
该程序的主要目的是通过模型预测控制来解决热储存需求响应问题。它通过优化控制变量来最小化总成本，同时满足冷负荷需求和负荷削减要求。程序的主要内容包括初始化参数、导入数据、定义可调参数、计算确定性参数、计算基线、定义负荷削减价格和阶段成本、生成干扰变量、绘制参数图、实现MPC策略、比较MPC和理想策略等。
该程序涉及到的知识点包括模型预测控制、优化算法、随机变量生成、参数调整和绘图等。
请注意，由于代码长度限制，上述解释只是对程序的概要分析，具体细节可能无法完全涵盖。
原创文章，转载请说明出处，资料来源：http://imgcs.cn/5c/674156989600.html
标签：预测,响应,负荷,模型,程序,楼宇,kWhc From： https://blog.51cto.com/u_16171368/6585811