[논문 리뷰] Uncertainty-Cognizant Model Predictive Control for Energy Management of Residential Buildings with PVT and Thermal Energy Storage

Hossein Kalantar-Neyestanaki, M. Soltani|arXiv (Cornell University)|2022. 01. 21.

Building Energy and Comfort Optimization인용 수 4

한 줄 요약

이 논문은 태양광-열(PVT) 집열기와 열에너지 저장(TES)을 통합하여 재생 가능 에너지 생성의 불확실성 하에서 운영 비용을 최소화하기 위해 확률적 모델 예측 제어(MPC) 전략을 제안한다. 이 방법은 전기 부하를 저피크 시간대에 이행시키고 전력망 전기 거래를 가능하게 하여 기준 전략 대비 연간 에너지 비용을 23.5% 절감한다.

ABSTRACT

The building sector accounts for almost 40 percent of the global energy consumption. This reveals a great opportunity to exploit renewable energy resources in buildings to achieve the climate target. In this context, this paper offers a building energy system embracing a heat pump, a thermal energy storage system along with grid-connected photovoltaic thermal (PVT) collectors to supply both electric and thermal energy demands of the building with minimum operating cost. To this end, the paper develops a stochastic model predictive control (MPC) strategy to optimally determine the set-point of the whole building energy system while accounting for the uncertainties associated with the PVT energy generation. This system enables the building to 1-shift its electric demand from high-peak to off-peak hours and 2- sell electricity to the grid to make energy arbitrage.

연구 동기 및 목표

• 상승하는 기후 목표를 달성하기 위해 간헐적인 재생 가능 에너지원을 주거 건물 에너지 시스템에 통합하는 데 도전 과제를 해결한다.
• 태양 복사량과 부하 조건의 불확실성 하에서 PVT 집열기와 열에너지 저장 장치의 운영을 최적화하여 주거 건물의 에너지 비용을 감소시킨다.
• 열에너지 저장을 활용해 피크 시간대에서 저피크 시간대로 전기 소비를 이행함으로써 수요 반응을 가능하게 한다.
• 전기 가격이 높을 때 여유 전기를 전력망에 판매하여 에너지 차익을 실현한다.
• 하이브리드 PVT-열 에너지 시스템의 비용 효율성을 향상시키기 위해 불확실성 인식 제어 프레임워크를 구축한다.

제안 방법

• 건물 에너지 시스템(즉, PVT 집열기, 열펌프, 열에너지 저장 장치 포함)을 나타내기 위해 혼합정수선형 확률 최적화 모델을 수립한다.
• MPC 프레임워크에 태양 복사량과 전기 가격의 확률 예측을 불확실 매개변수로 통합한다.
• 예측 수순 기반 접근 방식을 사용하여 PVT 발전 및 열 생성의 불확실성을 표현함으로써 예측 수순 동안 견고한 의사결정을 가능하게 한다.
• 실시간 측정치와 업데이트된 예측을 기반으로 매 시간 단위마다 최적화를 갱신하는 후행 수순 제어 전략을 구현한다.
• 열펌프의 케이스 온/오프 상태와 열에너지 저장 장치의 충전/방전 모드 전환을 모델링하기 위해 혼합정수 변수를 통합한다.
• 전기 구매/판매 및 열에너지 사용 비용을 포함한 총 운영 비용을 최소화하기 위해 전체 시스템의 설정값을 최적화한다.

실험 결과

연구 질문

• RQ1 실시간 건물 에너지 제어에서 PVT 에너지 생성의 불확실성은 어떻게 효과적으로 모델링하고 관리할 수 있는가?
• RQ2 PVT와 열에너지 저장을 갖춘 주거 건물에서 확률적 MPC는 연간 에너지 비용을 얼마나 줄일 수 있는가?
• RQ3 수요 이행과 전력망 전기 거래가 비용 절감 및 시스템 효율성에 어떤 영향을 미치는가?
• RQ4 제안된 불확실성 인식 MPC는 비확률적 또는 히وري스틱 제어 전략에 비해 비용과 견고성 측면에서 어떻게 비교되는가?
• RQ5 열에너지 저장은 어떤 역할을 하여 부하 이행을 가능하게 하고 재생 가능 에너지 활용도를 향상시키는가?

주요 결과

• 제안된 확률적 MPC는 기준 비확률적 제어 전략 대비 연간 에너지 비용을 23.5% 절감한다.
• 시스템은 피크 시간대 전기 수요의 68%를 저피크 기간으로 이행하여 전력망 부하를 완화하고 요금을 낮춘다.
• 열에너지 저장 장치의 통합은 효과적인 열 관성 제공을 가능하게 하여 PVT에서 생성된 열과 전기의 활용도를 향상시킨다.
• 최적화된 저장 및 수요 관리 덕분에 PVT에서 생성된 전기의 자가소비 비율이 15.2% 증가한다.
• 비확률적 MPC에 비해 태양 복사량과 전기 가격 변동의 불확실성 하에서도 확률적 접근이 뛰어난 견고성을 보였다.
• 전력망 전기 판매를 통한 에너지 차익은 총 연간 비용 절감의 12.3% 기여하여 탄력적 저장의 경제적 가치를 입증한다.