Многие модели динамических систем ориентированы на точность прогнозов, но при этом неповоротливые для решения задач оптимизации. Это ограничивает их применение в автоматическом управлении, особенно при необходимости быстрого реагирования.
- В докладе будет представлен подход, сочетающий моделирование и оптимизацию в единой структуре. Он позволяет не только описывать поведение системы, но и подбирать оптимальные управляющие воздействия с учётом бизнес-целей.
Мы предлагаем метод, где:
- Система описывается аналитическими уравнениями вида F(t,y,y')=0
- Параметры модели определяются из данных с помощью регрессии привычным способом (Scikit-learn)
- Модели легко интегрируются в инструменты оптимизации (Pyomo)
Ключевые преимущества:
- Скорость: Оптимизация за минуты вместо часов
- Гибкость: Профили управления без жесткой параметризации
- Доверие: Прозрачные уравнения вместо "черного ящика"
Практические результаты:
- Сокращение времени адаптации к изменениям
- Увеличение числа тестируемых сценариев