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

点击翻译按钮获取中文摘要

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。