Toward Smart Energy Generation Using Economic Model Predictive Control
Notice bibliographique
Résumé
Model predictive control (MPC) is the most widely used advanced process control technique. Traditionally, MPC is often used in a hierarchical process control architecture and is mainly designed for tracking set-points determined by the real-time optimization (RTO) layer. The huge success of MPC in industrial applications owes much to its ability to optimally handle process constraints and interactions. However, with the increasing demand for profitability and flexibility in process operations, the hierarchical process control architecture is not sufficient in many applications. In the past decade, a new form of MPC called economic MPC (EMPC) has been developed and is considered as a promising next-generation advanced control method. Unlike MPC that optimizes a quadratic cost function penalizing the deviation of the system state and input from the target steady state, EMPC optimizes a general cost function that is often directly linked to the economic metrics (profit, efficiency, sustainability) of the process. The direct incorporation of an economic cost into EMPC makes it a very flexible decision-making tool. In this chapter, a brief introduction to EMPC is given. Then, the applications of EMPC to a few representative energy-related systems including a post-combustion carbon capture plant, a coal-fired boiler-turbine generating system, a wind energy conversion system and oil sand separation process will be presented. The benefits of EMPC and the challenges in its implementation compared with the traditional tracking MPC will be discussed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».