耦合无迹卡尔曼滤波的城市排水系统实时控制方法研究OA

模型预测控制(MPC)已越来越多地应用于城市排水系统中闸泵的协同调控,以最大化利用现有调蓄能力以缓解内涝风险。然而,利用观测数据提升模型预测性能的研究仍然有限。在此背景下,如何对城市排水系统状态进行精准预测,得到可靠的排水系统控制策略以减轻极端降雨事件的负面影响显得至关重要。提出一种新型模型预测控制框架,即无迹卡尔曼滤波的模型预测控制(UKF-MPC)方法,该框架耦合了无迹卡尔曼滤波(UKF)和模型预测控制(MPC)方法,通过动态误差校正机制提升预测的整体精度,并在福州市斗门区域进行应用研究。结果表明,UKF-MPC通过动态融合观测信息与模型预测输出,相对性能指数(RIP)的均值达36.4%。与传统MPC方法相比,UKF-MPC所得控制策略在不确定环境下具有更好的适用性与稳健性。