[논문 리뷰] Model Comparison of a Data-Driven and a Physical Model for Simulating HVAC Systems

Datong P. Zhou, Qie Hu외 1명|arXiv (Cornell University)|2016. 03. 18.

Building Energy and Comfort Optimization참고 문헌 6인용 수 12

한 줄 요약

이 논문은 상업용 건물의 HVAC 온도 동역학을 시뮬레이션하기 위해 저차원의 데이터 기반 모델(반모수적 회귀)과 고차원의 물리 기반 모델(RC 기반)을 비교한다. 물리 기반 모델이 더 높은 정확도를 보이지만, 에너지 효율성과 거주자 쾌적성 측면에서 두 모델이 거의 동일한 최적 제어 전략을 도출함으로써, 더 단순한 데이터 기반 모델이 성능 손실가능성이 최소한인 상태에서 제어기 설계에 충분함을 입증한다.

ABSTRACT

Commercial buildings are responsible for a large fraction of energy consumption in developed countries, and therefore are targets of energy efficiency programs. Motivated by the large inherent thermal inertia of buildings, the power consumption can be flexibly scheduled without compromising occupant comfort. This temporal flexibility offers opportunities for the provision of frequency regulation to support grid stability. To realize energy savings and frequency regulation, it is of prime importance to identify a realistic model for the temperature dynamics of a building. We identify a low- dimensional data-driven model and a high-dimensional physics- based model for different spatial granularities and temporal seasons based on a case study of an entire floor of Sutardja Dai Hall, an office building on the University of California, Berkeley campus. A comparison of these contrasting models shows that, despite the higher forecasting accuracy of the physics-based model, both models perform almost equally well for energy efficient control. We conclude that the data-driven model is more amenable to controller design due to its low complexity, and could serve as a substitution for highly complex physics- based models with an insignificant loss of prediction accuracy for many applications. On the other hand, our physics-based approach is more suitable for modeling buildings with finer spatial granularities.

연구 동기 및 목표

• 상업용 건물의 온도 동역학을 시뮬레이션하는 데 있어 데이터 기반 모델과 물리 기반 모델의 성능을 평가하고 비교하는 것.
• 각 모델이 건물 HVAC 시스템의 에너지 효율 제어 및 주파수 조정에 적합한지 평가하는 것.
• 저차원의 데이터 기반 모델이 복잡한 물리 기반 모델을 유의미한 성능 손실 없이 대체할 수 있는지 확인하는 것.
• 실제 건물 응용 분야에서 모델 정확도, 계산 복잡도, 제어기 설계 가능성 간의 상호 상충 관계를 조사하는 것.

제안 방법

• Sutardja Dai Hall의 네 번째 층에서 확보한 1년간의 온도 및 VAV 공기 유량 데이터를 바탕으로 반모수적 회귀를 사용해 데이터 기반 상태공간 모델을 식별했다.
• 동일한 건물에 대해 세부적인 건물 기하학, 건축 자료 및 BRCM 툴박스를 활용해 이전에 개발된 물리 기반 저항-커패시터(RC) 모델을 변형했다.
• 동일한 제어 목표 하에 개방 루프 예측 정확도와 닫힌 루프 모델 예측 제어(MPC) 성능을 사용해 두 모델을 검증했다.
• 예측 정확도 평가를 위해 제곱근 평균 제곱근(RMS) 오차를 사용하고, 두 모델을 기반으로 도출된 최적 제어 입력을 비교했다.
• MPC의 예측 수평선이 다양할 경우의 해법 시간 측정을 통해 계산 복잡도를 평가하였으며, 특히 물리 기반 모델의 높은 비용을 주목했다.
• 데이터 요구량, 확장성, 공간 해상도, 응용 분야 특화 요구사항 등의 기준에 기반해 모델 적합성에 대한 정성적 분석을 수행했다.

실험 결과

연구 질문

• RQ1 실제 HVAC 온도 동역학에 대해 데이터 기반 모델과 물리 기반 모델의 예측 정확도는 어떻게 비교되는가?
• RQ2 저차원의 데이터 기반 모델이 닫힌 루프 에너지 효율 제어에서 고차원의 물리 기반 모델에 비해 어느 정도 성능을 발휘하는가?
• RQ3 온라인 제어기 설계에 있어 데이터 기반 모델과 물리 기반 모델을 사용할 경우의 계산 복잡도 상충 관계는 어떠한가?
• RQ4 어떤 응용 시나리오에서는 데이터 기반 모델이 충분하고, 언제는 더 높은 정밀도의 물리 기반 모델이 필수적인가?
• RQ5 데이터 가용성과 모델 복잡도는 각 모델을 신축 건물에 구현할 수 있는가에 영향을 미치는가?

주요 결과

• 물리 기반 모델은 물리적 매개변수화 덕분에 데이터 기반 모델보다 더 낮은 제곱근 평균 제곱근(RMS) 예측 오차를 기록하여 더 높은 정확도를 입증했다.
• 물리 기반 모델의 더 높은 예측 정확도에도 불구하고, 동일한 에너지 효율 목표 하에 모델 예측 제어(MPC)를 통해 유도된 최적 제어 전략은 두 모델 간 거의 동일했다.
• 데이터 기반 모델은 5단계 예측 수평선 기준으로 단일 MPC 단계를 계산하는 데 15분 미만이 소요되었지만, 물리 기반 모델은 단일 단계당 15분이 넘게 소요되어 실시간 온라인 제어에 계산적으로 비가능했다.
• 데이터 기반 모델은 온도 및 VAV 공기 유량 데이터만 필요하므로 더 확장성이 높고 신축 건물에 쉽게 구현할 수 있다. 반면 물리 기반 모델은 세부적인 건물 기하학 및 건축 자료가 필요하다.
• 물리 기반 모델은 개별 실 수준의 정밀한 공간 해상도를 제공하지만, 데이터 기반 모델은 영역 전체에 걸쳐 균일한 온도를 가정한다.
• 장기 예측(예: 24시간)이 필요한 응용 분야(예: 주파수 조정)에서는 낮은 차원성과 빠른 계산 덕분에 데이터 기반 모델이 더 적합하며, 정밀한 온도 제어가 필요한 핵심 영역에서는 물리 기반 모델이 더 우수하다.