[发明专利]基于分布式模型预测控制的大规模灌溉系统控制方法

说明书

技术领域

本发明涉及农业灌溉领域，尤其涉及的是面向大规模智能化农业灌溉系统的控制方法。

背景技术

中国是13亿多人口的大国。为了解决人民的温饱问题，农作物的收成以及如果农作物歉收了，任何国家都没有能力帮助中国解决人民的吃穿问题。农业稳定发展对中国具有十分重要的意义。而中国的主要产粮地区是在北方，例如华北平原，但是华北平原的水资源缺乏，因此智能高效的农业灌溉系统显得至关重要。并且在中国南方和东北地区，水稻的作为重要的粮食作物，从而人们对南方和东北的高效的农业灌溉系统提出了更高的要求。同时由于大范围内农业规模化发展，使得对大规模灌溉系统进行有效的控制的难度也增加了很多。

在大规模灌溉系统中主要存在以下问题：1)随着控制系统规模的逐渐增大，整个灌溉系统可能由上千段水渠构成，如果对这样庞大的系统采用集中式控制，使用一个控制器（控制器通过控制水渠的闸门开关来控制水渠的进水速度）对所有水渠进行控制的话，计算量和控制难度将会非常巨大；2)大规模灌溉系统的分布范围非常广，集中式控制方式对通信量将会非常大；因此需要采用分布式控制方法来处理大规模灌溉系统的控制问题；3)在大规模灌溉系统中，每段相连的水渠之间具有较强的耦合关系，这导致分布式控制方法的运用遇到了很大的障碍，因此需要采用更为有效的分布式控制算法。

模型预测控制(Model predictive control,MPC)是被学术界和工业界广泛认可和接受的新型智能控制方法。只要给出系统的状态模型就可以预测系统在接下来时刻的状态值，并利用系统的状态预测值来设计出更为有效的控制策略，使得系统的性能最优。它能够很有效的处理系统的各种硬约束和软约束，并且控制思想简单，算法简单容易实现。分布式MPC通过预测系统在未来时刻的状态值来处理大规模系统中的各个子系统间的状态耦合和输入耦合。所以利用分布式MPC的预测功能来处理每段水渠之间的耦合关系将是一个明智的选择。

近些年来国内外也有很多的学者对大规模灌溉系统的控制方法进行了研究。R.R.Negenborn等在(Distributed model predictive control of irrigation canals)中提出了利用拉格朗日对偶法来处理系统间的输入和状态耦合关系，建立了子系统之间的关联项的等式关系，并引入拉格朗日因子来松弛等式约束，接着利用对偶原理建立两层算法来实现大规模灌溉系统的控制问题。但是此方法在最优控制率的计算方面较为复杂，求解较为繁琐，并且不适用于一些非线性水渠模型。Michael Cantoni等在(Control of large-scale irrigation networks)中提出前馈式控制方式来处理大规模灌溉系统的控制问题，但是下游扰动带来的误差引起上游水位更大误差的问题并没有得到很好的处理。Yuping Li等在(Stability and performance analysis of an irrigation channel with distributed control)中通过设计前馈式补偿控制器较好的解决下游扰动带来的误差引起上游水位更大误差的问题。但是其算法设计繁琐、不易移植并且受限制条件多。

发明内容

为了解决大规模灌溉系统中集中式控制的复杂度大，通信量大以及与相邻水渠的耦合关系强等问题，本发明提供了一种较为简明、易于实现并且具有较好的控制效果的分布式控制方法，用于控制大规模灌溉系统中每段水渠的进水速度。

本发明解决其技术问题所采用的技术方案是：

基于分布式模型预测控制的大规模灌溉系统控制方法包括以下步骤：

1)首先，建立灌溉系统中每段水渠的数学模型：

其中x_i(t)表示水渠i的水位高度，表示与水渠i相邻的上游的水渠集合，表示与水渠i相邻的下游的水渠集合；u_i,j(t)表示从水渠j流向水渠i的水流速度，并且有v_j,i(t)=u_i,j(t)；v_i,h(t)表示从水渠i流向水渠h的水流速度，并且有v_i,h(t)=u_h,i(t)；d_i(t)表示水渠i受到的扰动，α_i表示水渠i的面积，将水渠的数学模型离散化，采样时间段为T，得到如下离散数学模型：