GEKKO MPC实时测量求解疑问及代码咨询

问题1：预测时域与变量初始化 #

不需要缩短预测时域。MPC的核心是滚动优化：每次新测量到来时，用当前真实测量值更新优化问题的初始状态，保持原预测时域长度重新求解，只执行求解得到的第一个控制动作，剩余预测序列直接丢弃。

MV和CV无需每次重新初始化，而是基于更新后的初始状态，在固定长度的预测时域上重新生成变量序列。缩短时域会丢失长期约束的优化能力，反而导致控制性能下降。

问题2：下一步执行输入/状态值的收集 #

两种写法的正确性取决于你的MPC框架变量定义：

• 若n_fans.NEWVAL这类属性代表本轮优化后得到的第一个待执行控制量（即当前步要输出的MV值），写法一是正确的——这完全符合实时MPC"只执行每轮优化的第一个控制动作"的逻辑。
• 若n_fans[step]是预测时域内第step步的MV预测值，写法二仅在step=0（当前步）时有效，但后续步骤不应采用这种方式，因为每轮优化后只取第一个控制量执行，下一轮会基于新测量重新求解完整的预测序列。

工程实践中，写法一更贴合实时MPC的执行流程。

问题3：新预测状态的写法 #

如果topoil.VALUE[step]是MPC模型输出的第step步状态预测值，这个写法本身是正确的，但要注意使用场景：

• 若你是在记录每轮优化的预测状态序列，这么写没问题；
• 若你是用这个值来更新下一轮优化的初始状态，就错了——下一轮的初始状态必须用真实的实时测量值，而非模型的预测值，否则会引入模型误差累积，导致控制偏移。

内容的提问来源于stack exchange，提问作者info2metlab