[論文レビュー] Building Model Identification during Regular Operation - Empirical Results and Challenges

Qie Hu, Frauke Oldewurtel+4 more|arXiv (Cornell University)|Mar 22, 2016

Building Energy and Comfort Optimization参考文献 10被引用数 4

ひとこと要約

本論文では、通常の建物運営中に収集したリアルタイムデータから同定された、物理に基づくマルチゾーン建物モデルを提案する。このモデルは、占住および機器からの内部発熱の不確実性に対処する。オンライン温度測定値を用いて内部発熱推定値を動的に更新することで、固定モデルと比較して予測精度が平均で36％向上する。

ABSTRACT

The inter-temporal consumption flexibility of commercial buildings can be harnessed to improve the energy efficiency of buildings, or to provide ancillary service to the power grid. To do so, a predictive model of the building's thermal dynamics is required. In this paper, we identify a physics-based model of a multi-purpose commercial building including its heating, ventilation and air conditioning system during regular operation. We present our empirical results and show that large uncertainties in internal heat gains, due to occupancy and equipment, present several challenges in utilizing the building model for long-term prediction. In addition, we show that by learning these uncertain loads online and dynamically updating the building model, prediction accuracy is improved significantly.

研究の動機と目的

• 通常の建物運転中に収集したデータを用いて、破壊的でない励起実験を回避する物理的でマルチゾーンの建物モデルを開発すること。
• 長期的な熱予測精度に大きな影響を与える、主に占住および機器からの内部発熱の不確実性に対処すること。
• 現在の温度測定値を用いて、リアルタイムで内部発熱推定値を動的に更新することにより、予測性能を向上させること。
• モデルの長期予測性能を評価し、モデル予測制御やグリッド支援サービスなどの応用における適性を検討すること。

提案手法

• 通常運転中に励起実験を実施し、建物を摂動させ、モデル同定に必要なデータを収集する。
• 二重線形なマルチゾーン熱的モデルを用いて、建物の熱的ダイナミクスを表現し、ゾーン間の熱移動およびHVACシステムの挙動を組み込む。
• 励起実験および週末のデータを用いてモデルパラメータを同定し、同定中は内部発熱をゼロと仮定する。
• 占住および温度データ8週間分から固定された内部発熱関数 $ f_{\text{IG}}(\cdot) $ を推定する。
• オンライン更新戦略を実装し、時刻 $ k $ における内部発熱推定値を $ k-1 $ 時刻の値と同一と仮定する（式 (10) に基づく）：$ f_{\text{IG}}(k) = f_{\text{IG}}(k-1) $、現在の温度測定値を用いる。
• 更新されたモデルを用いて24時間の温度プロファイルを予測し、実測データとの整合性を検証する。

実験結果

リサーチクエスチョン

• RQ1 通常の建物運転中に収集したデータを用いて、広範な励起を伴わずに物理的でマルチゾーンの建物モデルをどの程度正確に同定できるか？
• RQ2 占住および機器からの内部発熱の不確実性が、建物熱モデルの長期的予測精度にどの程度制限を及えるか？
• RQ3 オンラインで動的に内部発熱を推定することで、固定された内部発熱関数を用いる場合と比較して、予測精度を顕著に向上させることができるか？
• RQ4 実世界の商業用建物において、モデル更新頻度および推定戦略が予測性能に与える影響は何か？

主な発見

• 固定された内部発熱関数を用いたモデルでは、24時間予測期間中に全ゾーンの平均RMS予測誤差が0.485°Cに達する。
• オンラインで更新された内部発熱を用いたモデルでは、平均RMS予測誤差が0.308°Cに低下し、精度が36％向上する。
• ゾーンセンターでは最大の改善が見られ、誤差が0.38°Cから0.16°Cに低下した。これは内部発熱の不確実性に極めて感受されることを示している。
• ノースウエストゾーンは、固定ゲインを用いた場合に最も高いベースライン誤差（0.84°C）を示し、複雑な熱的特性を持つゾーンのモデル化における課題を浮き彫りにしている。
• 予測期間が長くなるに従い、誤差が顕著に増加する。これは、モデル化されていないまたは不確実な内部発熱に起因する。
• 動的更新戦略は、短期間の一定性を仮定することで、時間的に変化する内部発熱を効果的に補償し、占住パターンの事前知識がなくても耐障害性を向上させる。