[論文レビュー] Model Predictive Control of Thermo-Hydraulic Systems Using Primal Decomposition

Jonathan Vieth, Annika Eichler+1 more|arXiv (Cornell University)|Jan 15, 2026

Model Reduction and Neural Networks被引用数 0

ひとこと要約

この論文は、素子分解を用いたスケーラビリティ向上のためのプリマル分解を活用して、熱液体制御体積モデルのモデル予測制御器（MPC）を自動生成するワークフローを提案し、サイズが異なる地下暖房システムで検証します。

ABSTRACT

Decarbonizing the global energy supply requires more efficient heating and cooling systems. Model predictive control enhances the operation of cooling and heating systems but depends on accurate system models, often based on control volumes. We present an automated framework including time discretization to generate model predictive controllers for such models. To ensure scalability, a primal decomposition exploiting the model structure is applied. The approach is validated on an underground heating system with varying numbers of states, demonstrating the primal decomposition's advantage regarding scalability.

研究の動機と目的

• heating/cooling の脱炭素化を促進するため、地区暖房および関連する熱液系ネットワークのMPCベース運用を改善する。
• CVベース非線形DAEから時刻離散MPCを自動生成するワークフローを開発する。
• プリマル分解を用いて大規模熱液系のスケーラビリティを高める。
• CV数が異なる地下暖房設定でアプローチを検証し、スケーラビリティの利得を定量化する。

提案手法

• 分解のため双線形構造を保持するために、2次の後退差分を用いてCVベースの熱液ダイナミクスの時刻離散表現を導出する。
• 水力と熱のMPC目的を水力AE/不等式および非水系AE/不等式に従って、水力と温度成分に分割して定式化する。
• プリマル分解を適用して水力と熱のサブ問題を反復的に解き、サブグラデエント法に基づくスキームで primal 変数を減少步長で更新する。
• 収束基準を用いて分解反復を終了させ、適合性を失った場合には後退的な調整（式16）を行う。
• 複数のシステムサイズで標準の interior-point MPC（IPM）とプリマル分解MPC（PD-MPC）を比較して、スケーラビリティと性能をデモンストレーションする。

実験結果

リサーチクエスチョン

• RQ1 自動ワークフローは、分解を利用可能なモデル構造を維持しつつCVベースの熱液系の時刻離散MPCを生成できるか？
• RQ2 プリマル分解は大規模な熱液系ネットワークのMPCのスケーラビリティを改善し、精度を犠牲にしないか？
• RQ3 PD-MPCとIPM-MPCは、計算時間と達成コストの点で、システムサイズの異なる場合にどう比較されるか？
• RQ4 この文脈で離散化のための2次の後退差分を用いる場合の精度と計算時間のトレードオフはどうなるか？

主な発見

Number of pipes	Number of variables	average jh+jt per time step in e (IPM MPC)	average jh+jt per time step in e (PD MPC)	average calc. time per time step in s (IPM MPC)	average calc. time per time step in s (PD MPC)
1	19	116.01	117.91	1.18	6.03
2	43	271.53	274.4	12.51	7.81
7	202	1074.7	1298.5	3706	124.29

• PD-MPCはIPM-MPCよりも大幅にスケーラブルで、より大きなシステムで計算時間を大幅に短縮する。
• パイプ数2の場合、PD-MPCの計算時間はIPM-MPCの62.4％、パイプ数7の場合はPD-MPCがIPM-MPCの3.35％である。
• 2つの最小システムでの Jh+Jt の平均総コストは両方法で類似しているが、最大の試験システムではIPM-MPCがPD-MPCを17.2%上回っている。
• すべての試行でIPM-MPCはわずかに低い目的関数値を示すが、システムサイズが大きくなるにつれて計算時間がはるかに増加する。