Горизонт управления и горизонт прогноза

Горизонт управления - это участок временного горизонта, на котором разрешены движения MV. Горизонт прогнозирования простирается за горизонт контроля, чтобы предсказать окончательные результаты CV, но без движения MV. Это унаследованная от промышленных моделей прогнозирующая концепция контроллеров, которая должна рассчитать краткосрочный план перемещения, но также должна предсказать, где в конечном итоге будут рассчитаны MV и CV контроллера.

Вариант 1. Используйте параметры Gekko для определения временного горизонта (не рекомендуется)

Параметры CTRL_HOR, CTRL_TIME, PRED_HOR и PRED_TIME являются параметрами APMonitor, но не изменяют решение Gekko, если вы не установите _ 5_. Отключение чтения файла CSV не рекомендуется, поскольку Gekko использует файл данных CSV для передачи изменений.

m.options.CSV_READ = 0

# Define Control and Prediction Horizon
m.options.CTRL_HOR = 10
m.options.CTRL_TIME = 1
m.options.PRED_HOR = 40
m.options.PRED_TIME = 1

Вариант 2. Используйте m.time() для определения временного горизонта

Использование m.time является предпочтительным методом определения временного горизонта MPC. Он может быть неоднородным с большим, чем просто интервалом управления и прогнозирования.

m.time = [0,1,2,3,4,6,8,10,15,25,35,50,80]

Уменьшите степень свободы горизонта прогнозирования

Целью горизонта прогнозирования является расчет до установившегося состояния, при котором последнее допустимое отклонение MV от горизонта управления остается постоянным. Если вам нужно запретить движение MV после определенного момента, тогда m.Connection() можно связать значения MV вместе, чтобы запретить движение после определенного местоположения временного горизонта.

# Create prediction horizon
for i in range(9,len(m.time)):
    m.Connection(u,u,8,i)     # connect end point node
    m.Connection(u,u,8,i,1,2) # connect internal node

Вот полный код этой примерной проблемы.

from gekko import GEKKO
import numpy as np
import matplotlib.pyplot as plt  

m = GEKKO()

# Time Horizon
m.time = [0,1,2,3,4,6,8,10,15,25,35,50,80]

# MV = Manipulated Variable
u = m.MV(value=0, lb=0, ub=100)
u.STATUS=1; u.DCOST=0.1; u.DMAX=20

# CV = Controlled Variable
x = m.CV(value=0,name='x')
x.STATUS=1; x.SP=45

# Define model
K = m.Param(value=0.8); tau = 15.0
m.Equation(tau*x.dt() == -x + K*u)

# Options and solve
m.options.CV_TYPE = 2
m.options.MV_TYPE = 0
m.options.NODES   = 3
m.options.IMODE   = 6

# Create prediction horizon
for i in range(9,len(m.time)):
    m.Connection(u,u,8,i)     # connect end point node
    m.Connection(u,u,8,i,1,2) # connect internal node

m.solve(disp=True)

# Plot results
plt.figure()
plt.subplot(2,1,1)
plt.step(m.time,u.value,'b-',label='MV Move Plan')
plt.plot(m.time[0:8],u.value[0:8],'o',color='orange',label='Control Horizon')
plt.plot(m.time[8:],u.value[8:],'x',color='purple',label='Prediction Horizon')
plt.legend()
plt.ylabel('MV')
plt.subplot(2,1,2)
plt.plot([0,80],[45,45],'k-',label='Target Setpoint')
plt.plot(m.time,x.value,'r.-',label='CV Response')
plt.ylabel('CV')
plt.xlabel('Time')
plt.legend(loc='best')
plt.show()