Coalitional Model Predictive Control based on Partial Cooperation

• Autores: Ana Sánchez Amores
• Directores de la Tesis: José María Maestre Torreblanca (dir. tes.), Eduardo Fernández Camacho (dir. tes.)
• Lectura: En la Universidad de Sevilla ( España ) en 2024
• Idioma: inglés
• Número de páginas: 159
• Enlaces
  • Tesis en acceso abierto en: Idus
• Resumen
  • español

    Esta tesis doctoral investiga el desarrollo controladores predictivos coalicionales basados en modelo. Nuestro estudio hace hincapié en la necesidad de gestionar sistemas complejos y de gran escala manteniendo la eficiencia y la escalabilidad de las estrategias de control. Con este fin, se exploran los límites de la descentralización dentro del control coalicional, desarrollando algoritmos que minimizan la cantidad de datos que se comunican en la red para preservar la privacidad y mejorar la autonomía, logrando un equilibrio entre los esfuerzos computacionales y el rendimiento. Aunque este último pueda degradarse en comparación con otros métodos coalicionales, se disfruta a cambio de una mayor autonomía y un menor esfuerzo de comunicación. En primer lugar, se ha realizado una revisión exhaustiva de la literatura existente, resaltando la necesidad de implementar estrategias de control descentralizadas para gestionar sistemas de gran escala. También se introducen los principales objetivos de esta tesis doctoral, cuyas contribuciones se pueden dividir principalmente en dos partes. En la primera parte de la tesis, se presenta una nueva descomposición de variables diseñada para sistemas parcialmente cooperativos. Esta metodología implica la distribución de las variables de acoplamiento entre los agentes locales. Se desarrollan también estrategias de control predictivo coalicional estocásticas y robustas, permitiendo a los agentes compartir la autoridad de control sobre ciertas variables de entrada. Además, se han investigado los límites de esta delegación de autoridad, estableciendo la porción máxima que un agente puede ceder de su entrada a otro sin comprometer la factibilidad del problema de optimización global. Este enfoque asegura que las operaciones descentralizadas respetan las restricciones del sistema con una comunicación mínima de datos. La segunda parte de la tesis se enfoca en sistemas con recursos compartidos y se desarrollan métodos coalicionales para desacoplar restricciones conjuntas, permitiendo que los agentes operen con mayor autonomía. Dado que esta tesis se ha desarrollado en el marco del proyecto OCONTSOLAR, los algoritmos de control presentados en esta segunda parte se aplican al caso de estudio de plantas solares a gran escala. Finalmente, se ofrecen conclusiones y se sugieren direcciones para futuras investigaciones basadas en las principales contribuciones de esta tesis doctoral.

  • English

    This doctoral thesis investigates the development of coalitional strategies based on model predictive control (MPC). Our study emphasizes the necessity of managing increasingly complex systems while maintaining efficiency and scalability. To this end, we explore the limits of decentralization in coalitional control, developing algorithms that minimize the amount of data communicated in the network to preserve privacy and enhance autonomy, while still maintaining acceptable levels of performance. The proposed strategies achieve a trade-off between computational efforts and performance. While performance may degrade compared to other coalitional methods, this trade-off allows for increased autonomy and reduced communication requirements. First, we survey the existing literature, motivating the need for non-centralized control strategies to manage large-scale systems, and we introduce the main objectives of this PhD dissertation. The contributions of this thesis can be broadly classified into two main parts. In the first one, we introduce a novel variable decomposition for partially cooperative systems. In this regard, we distribute coupling variables among local agents, developing stochastic and robust coalitional MPC approaches that allow agents to share control authority over certain input portions while maintaining privacy over others. Moreover, we study the limits of control authority delegation by establishing the maximum portion of an agent’s input space that can be ceded to another agent while ensuring the feasibility of the global optimization problem. This ensures that decentralized operations respect system constraints with minimal data communication. On the other hand, the second part focuses on systems with shared resources, developing coalitional methods to decouple joint constraints, allowing agents to operate with greater autonomy. Since this thesis has been developed in the framework of OCONTSOLAR project, the control algorithms presented in this second part are applied to the case study of large-scale solar plants. Finally, we provide conclusions and future research directions of our main contributions