Development of model predictive control method using artificial intelligence for optimal operation of building energy systems

利用人工智能开发模型预测控制方法以实现建筑能源系统的优化运行

基本信息

批准号：
21J13953
负责人：
李度胤
金额：
$ 0.96万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-28 至 2023-03-31
项目状态：
已结题

项目摘要

本研究は、人工知能を活用したモデル予測制御手法(Model predictive control, MPC)を提案し、その手法を用いて蓄熱槽を有する建物空調熱源システムの運用最適化の実用性を検討することを目的とする。昨年度は、特に下記の２つの課題に取り組んだ。１．実システムを用いた人工知能を活用したMPC手法の検証実験実際に建物で使われる熱源機器によりモックアップ実験装置を構築し、当研究で提案する人工知能ベースのMPC手法を検証する実験を行った。外気や電気価格などの運用の外乱条件を考慮せず蓄熱槽を優先的に活用するケースと電気価格が高い時間帯において蓄熱槽の放熱運転を優先的に活用する２つの従来制御手法の実験ケースのデータを収集し、MPC手法を用いた運転データと比較した。その結果、MPC手法が従来制御手法より運用コストを約9%から14%まで削減できることが分かった。２．人工知能を活用したMPC手法の妥当な評価方法と評価結果分析建物のエネルギーシステムの主な熱源となるチラーの場合、外気温度と部分負荷率の条件によって機器の運転効率が大きく異なる。そのため、従来制御手法を用いた実験ケースと人工知能を活用したMPC手法の実験ケースの妥当な比較並びに評価が難しい。従って、従来制御手法と人工知能ベースのMPCの制御手法に基づいて収集した全ての実験データのチラーの電力消費量を、基準外気温度である28 °Cであれば消費されると想定される電力消費量に補正し分析を行った。その結果、従来制御手法でも、電気価格を考慮して蓄熱槽の放熱運転の運転スケジュールを決定して運用すると電気価格を考慮しない運転ケースより運用コストが14%程度削減できることが分かった。しかし、MPC手法を用いると電気価格を考慮する従来制御手法と比較して運用コストがより9.7%削減できる効果を確認した。

这项研究提出了一种使用人工智能的模型预测控制（MPC），并旨在使用这种方法来检查使用储热罐的建筑空调热源系统的操作优化实用性。去年，我们专门讨论了以下两个问题：1。使用人工智能使用实际系统进行的关于MPC方法的实验实验，我们使用实际上在建筑物中使用的热源设备构建了模拟实验设备，并进行了一项实验，以验证这项研究中提出的基于人工智能的MPC方法。从两种实验案例中收集了数据，即优先使用储热罐，而无需考虑操作的干扰条件，例如外部空气和电力价格，以及两种在高电价期间优先储备储藏罐运行优先级的常规控制方法的实验案例，并使用MPC方法进行了与运营数据进行比较。结果，发现与常规控制方法相比，MPC方法可以将运营成本从9％降低到14％。 2。在冷却器的情况下，使用人工智能的MPC方法的有效评估方法和评估结果分析，这些方法是建筑能源系统中的主要热源，设备的运行效率大大变化，取决于外部空气温度和部分负载因子的条件。因此，使用常规控制方法和实验案例，使用MPC方法对实验案例进行合理的比较和评估。因此，根据常规控制方法和基于人工智能的MPC控制方法收集的所有实验数据的冷却器的功耗被校正为预计将在28°C（一种外部标准的空气温度）消耗的功耗。结果，发现即使采用常规控制方法，如果确定储热罐的散热耗散操作的运行时间表并考虑到电价，则可以将运营成本降低约14％，而不是考虑使用电价的运营情况。但是，我们已经证实，与考虑到电价的常规控制方法相比，使用MPC方法可以将运营成本降低超过9.7％。