[논문 리뷰] Adaptive Robust Data-driven Building Control via Bi-level Reformulation: an Experimental Result

Ying Zhao Lian, Jicheng Shi외 2명|arXiv (Cornell University)|2021. 06. 10.

Control Systems and Identification참고 문헌 43인용 수 20

한 줄 요약

이 논문은 Willems의 기본 렘마를 활용하여 건물 HVAC 시스템을 위한 강인한 이중 수준 데이터 기반 제어 프레임워크를 제안한다. 이는 사전 시스템 모델링 없이도 적응형이며 노이즈 강인한 예측 제어를 가능하게 하며, 실제 20일간의 실험에서 산업 표준 제어기 대비 18.4% 낮은 에너지 소비를 달성한다. 또한 활성 자극과 노이즈 측정치 하에서의 경로 예측을 통해 거주자 편안함과 제약 조건 이행을 보장한다.

ABSTRACT

Data-driven control approaches for the minimization of energy consumption of buildings have the potential to significantly reduce deployment costs and increase uptake of advanced control in this sector. A number of recent approaches based on the application of Willems' fundamental lemma for data-driven controller design from input/output measurements are very promising for deterministic LTI systems. This paper \change{proposes a systematic way to handle unknown measurement noise and measurable process noise}, and extends these data-driven control schemes to adaptive building control via a robust bi-level formulation, whose upper level ensures robustness and whose lower level guarantees prediction quality. Corresponding numerical improvements and an active excitation mechanism are proposed to enable a computationally efficient reliable operation. The efficacy of the proposed scheme is validated by \change{a multi-zone building simulation} and a real-world experiment on a single-zone conference building on the EPFL campus. The real-world experiment includes a 20-day non-stop test, where, without extra modeling effort, our proposed controller improves 18.4\% energy efficiency against an industry-standard controller, while also robustly ensuring occupant comfort.

연구 동기 및 목표

• 알 수 없는 측정 노이즈와 외기 온도, 일광 조도와 같은 측정 가능한 공정 교란을 다룰 수 있는 실용적이고 적응형이며 강인한 데이터 기반 제어 기법을 개발한다.
• Willems의 기본 렘마에 기반한 데이터 기반 제어를 불확실성 하에서 시간에 따라 변하는 시스템으로 확장하여 강인성과 예측 정확도를 보장한다.
• 실시간 구현을 위해 활성 자극과 효율적인 행렬 역행렬 갱신을 통해 온라인에서 계산 효율성이 높은 운영을 가능하게 한다.
• 모델링 추가 작업 없이 시뮬레이션 및 실제 실험 모두에서 제어기 성능을 검증하여 에너지 절감과 강인성을 입증한다.

제안 방법

• 이중 최적화 문제를 수립한다: 상위 수준은 워샤르스타인 거리 기반 불확실성 집합을 통해 측정 노이즈에 대한 강인성을 확보하고, 하위 수준은 입력/출력 데이터를 사용하여 정확한 경로 예측을 보장한다.
• 진짜 시스템 경로와 노이즈가 섞인 측정치 사이의 워샤르스타인 거리 상한을 최소화하는 새로운 경로 예측 방법을 도입한다.
• Willems의 기본 렘마를 적용하여 이전의 입력/출력 데이터로부터 시스템 행동을 표현함으로써 모델 없는 제어기 설계를 가능하게 한다.
• 실시간 하 Hankel 행렬 갱신을 위한 데이터 품질 확보를 위해 지속적인 자극을 유지하는 활성 자극 메커니즘(알고리즘 1)을 통합한다.
• 노이즈를 다루기 위해 정규화 및 볼록 이완 기법을 활용하여 데이터 기반 시스템 식별 과정에서 분포 강인성과 연계한다.
• 실시간 운영 중 계산 가능성을 유지하기 위해 효율적인 온라인 행렬 역행렬 갱신 기법을 활용한다.

실험 결과

연구 질문

• RQ1 Willems의 기본 렘마에 기반한 데이터 기반 제어기로 건물 제어에서 알 수 없는 측정 노이즈와 측정 가능한 공정 교란을 강인하게 다룰 수 있는가?
• RQ2 시간에 따라 변하는 건물 시스템에서 강인성과 예측 정확도를 동시에 확보하기 위해 이중 수준 수식을 어떻게 구성할 수 있는가?
• RQ3 데이터 기반 제어기의 신뢰성 있고 실시간 구현을 위해 필요한 계산 및 데이터 품질 메커니즘은 무엇인가?
• RQ4 데이터 기반 제어기가 표준 산업 제어기보다 에너지 효율성과 제약 조건 이행 측면에서 얼마나 뛰어나게 성능을 발휘할 수 있는가?

주요 결과

• 유사한 기상 조건 하에서 실제 실험에서 4일간의 테스트 동안 제안된 제어기가 산업 표준 제어기 대비 18.4% 낮은 에너지 소비를 달성했다.
• 20일간의 연속 테스트 기간 동안 제어기가 제약 위반 없이 0건을 기록했으며, 외기 온도 변화(14.6°C ~ 29.5°C)에도 불구하고 실내 온도를 편안함 범위 내로 유지했다.
• 활성 자극 전략이 지속적인 자극을 유지하여 데이터 품질을 확보하고, 안정적인 실시간 하 Hankel 행렬 갱신을 가능하게 했다.
• 제어기는 기상 조건 변화, 즉 난방 및 냉방 기간 모두에 걸쳐 모델 재추정이나 재조정 없이 강력한 적응성을 보였다.
• 간단한 이중 수준 수식은 노이즈 측정치 하에서도 신뢰할 수 있는 성능을 보였으며, 상위 수준 최적화가 워샤르스타인 거리 기반으로 불확실성을 효과적으로 제한했다.
• 효율적인 행렬 역행렬 갱신 및 정규화 기법 덕분에 제어기는 낮은 계산 오버헤드로 실시간으로 운영될 수 있었다.