Model Predictive Control

Model Predictive Control (MPC) ist der Optimierungsrahmen mit gleitendem Horizont, bei dem der Betreiber zu jedem Regelschritt ein endliches Horizontproblem mit dem aktuellen Systemzustand und Prognosen der Störgrößen (Last, Wetter, Preise) löst, ausschließlich die erste Stellaktion anwendet, einen Schritt vorgeht und neu rechnet. Das Modell ist typischerweise ein MILP, QP oder NLP, das die Systemdynamik und Bedingungen abbildet; der Horizont reicht je nach Anwendung von Minuten bis Tagen. MPC ist das Standardwerkzeug für den Mikronetzbetrieb (Parisio, Rikos und Glielmo 2014; Olivares et al. 2014), die Gebäude-HVAC-Regelung, die chemische Prozessregelung, das Supply-Chain-Management und autonome Fahrzeuge. Varianten: deterministisches MPC (Einzelprognose), stochastisches MPC (Sample-Average über Szenarien), robustes MPC (Worst-Case unter Unsicherheitsmenge), ökonomisches MPC (Zielfunktion sind Betriebskosten statt Folgefehler), verteiltes MPC (Teilsysteme koordinieren sich per ADMM oder dualer Dekomposition). Stärke: Bedingungen und Unsicherheit werden in geschlossener Schleife behandelt; Schwäche: die Rechenzeit pro Schritt muss in die Regelperiode passen.