A Model Predictive Control Scheme for Flight Scheduling and Energy Management of Electric Aviation Networks
作者: Finn Vehlhaber, Mauro Salazar
分类: eess.SY
发布日期: 2024-04-14 (更新: 2025-11-17)
💡 一句话要点
提出模型预测控制方案以优化电动航空网络的航班调度与能量管理
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 模型预测控制 电动航空 航班调度 能量管理 可持续交通 混合整数线性规划 天气预测
📋 核心要点
- 现有的电动航空网络调度方法未能有效整合航班调度与能量管理，导致电网依赖性高。
- 论文提出的MPC方案通过动态调整航班与充电决策，优化电动飞机的运行效率。
- 实验结果表明，该方案在节能方面表现优异，相较于基线方法节省了10%至37%的电网能量需求。
📝 摘要（中文）
本文提出了一种模型预测控制（MPC）方案，用于电动航空网络的航班调度和能量管理。该方案旨在通过电动飞机在配备可持续能源和电池存储的电气化机场之间运输乘客，最小化对电网的依赖。首先，论文将飞机的飞行与充电调度问题与机场的能量管理问题联合建模，明确考虑当地天气预报。其次，将最小电网能量的操作问题框定为混合整数线性规划，并以递归视野的方式求解，动态重新分配每架飞机的航线分配和充电决策，以减轻干扰。通过在美国东北部的传统航班网络和天气条件下的真实数据展示，提出的MPC方案在与不重新调度的基线比较时节省了10%到37%的电网能量需求。
🔬 方法详解
问题定义：本文旨在解决电动航空网络中航班调度与能量管理的协同优化问题。现有方法往往忽视天气因素和动态调整，导致能量利用效率低下。
核心思路：论文提出的MPC方案通过将航班调度与机场能量管理问题联合建模，利用天气预报信息进行动态决策，从而降低对电网的依赖。
技术框架：整体架构包括航班调度模块、充电管理模块和天气预测模块。首先进行航班与充电的联合建模，然后通过混合整数线性规划求解最优调度方案。
关键创新：最重要的创新在于将天气预报纳入调度决策中，并采用递归视野的求解策略，使得航班与充电决策能够实时调整，显著提高了系统的灵活性与效率。
关键设计：在模型中，设置了充电时间、航班优先级等关键参数，并采用混合整数线性规划作为优化工具，确保了调度方案的可行性与效率。具体的损失函数设计为最小化电网能量需求，同时满足航班调度的约束条件。
🖼️ 关键图片
📊 实验亮点
实验结果显示，提出的MPC方案在节能方面表现显著，相较于不重新调度的基线方法，节省了10%至37%的电网能量需求。这一成果表明，MPC能够有效保障网络的运行，同时最大化现场能源系统的效率。
🎯 应用场景
该研究的潜在应用领域包括电动航空运输、城市空中出行和可持续交通系统。通过优化航班调度与能量管理，该方案能够有效降低运营成本，提高能源利用效率，推动电动航空的可持续发展。
📄 摘要（原文）
This paper presents a Model Predictive Control (MPC) scheme for flight scheduling and energy management of electric aviation networks, where electric aircraft transport passengers between electrified airports equipped with sustainable energy sources and battery storage, with the goal of minimizing grid dependency. Specifically, we first model the aircraft flight and charge scheduling problem jointly with the airport energy management problem, explicitly accounting for local weather forecasts. Second, we frame the minimum-grid-energy operational problem as a mixed-integer linear program and solve it in a receding horizon fashion, where the route assignment and charging decisions of each aircraft can be dynamically reassigned to mitigate disruptions. We showcase the proposed MPC scheme on real-world data taken from a conventional flight network and weather conditions in the US American North East. The proposed framework saves between 10 and 37% of grid energy requirements when compared to a baseline without re-routing. Hence, results show that MPC can effectively guarantee operation of the network by efficiently re-assigning flights and rescheduling aircraft charging, while maximizing the efficiency of the on-site energy systems.