[논문 리뷰] Degradation-aware data-enabled predictive control of energy hubs

Varsha Behrunani, Marta Zagórowska외 4명|arXiv (Cornell University)|2023. 07. 04.

Building Energy and Comfort Optimization인용 수 1

한 줄 요약

이 논문은 건물 내 에너지 허브를 위한 탈모 감지 데이터 기반 예측 제어(DeePC) 프레임워크를 제안한다. 역사적 입력-출력 데이터를 사용하여 시스템 모델 없이 배터리 및 히트펌프 운영을 최적화한다. 제어 최적화에 배터리 탈모 동역학을 통합함으로써 DeePC는 룰 기반 제어기 대비 50% 이상의 배터리 노화를 감소시키고, 유사한 운영 비용을 유지하면서도 편안함 제약 조건을 더 잘 충족시킨다.

ABSTRACT

Mitigating the energy use in buildings, together with satisfaction of comfort requirements are the main objectives of efficient building control systems. Augmenting building energy systems with batteries can improve the energy use of a building, while posing the challenge of considering battery degradation during control operation. We demonstrate the performance of a data-enabled predictive control (DeePC) approach applied to a single multi-zone building and an energy hub comprising an electric heat pump and a battery. In a comparison with a standard rule-based controller, results demonstrate that the performance of DeePC is superior in terms of satisfaction of comfort constraints without increasing grid power consumption. Moreover, DeePC achieved two-fold decrease in battery degradation over one year, as compared to a rule-based controller.

연구 동기 및 목표

• 건물 에너지 시스템에서 배터리 탈모를 고려한 데이터 기반 제어 전략을 개발한다.
• 통합 에너지 허브를 갖춘 다중 존 건물에서 에너지 소비를 줄이고 편안함을 향상시킨다.
• 복잡한 기본 원리 모델에 의존하지 않고도 수명 기간 동안 배터리 탈모를 최소화한다.
• 에너지 사용, 편안함, 배터리 수명 측면에서 DeePC의 성능을 룰 기반 제어기(RBC)와 비교한다.

제안 방법

• DeePC는 지속적으로 흥분하는 입력-출력 궤적을 사용하여 하켄 매트릭스를 구성하고 제어에서 시스템 모델을 대체한다.
• 최적화 문제는 기본 레미의 원리를 통한 데이터 기반 시스템 표현을 통해 수립되어 궤적의 실현 가능성을 보장한다.
• 배터리 탈모는 사이클 수와 용량 손실을 통해 모델링되며, 전압 및 충전 상태(SoC) 제약 조건이 제어 시간 범위에 강제된다.
• 가중치 벡터 g에 대한 정규화 항을 도입함으로써 과적합을 방지하고 강건성을 향상시킨다.
• 슬랙 변수 ρ를 사용해 편안함 제약 위반을 페널티 처리함으로써 부드러운 제약 조건을 가능하게 한다.
• 실시간 간섭 예측(예: 날씨, 점유율)을 통합하고, 모델링하지 않은 저수준 제어 성능을 활용한다.

실험 결과

연구 질문

• RQ1 데이터 기반 예측 제어(DeePC)는 배터리 탈모를 효과적으로 관리하면서 편안함을 유지하고 전력망 사용을 최소화할 수 있는가?
• RQ2 전년도 기준으로 DeePC는 룰 기반 제어기(RBC)와 비교해 배터리 노화와 제약 위반 측면에서 어떻게 성능을 발휘하는가?
• RQ3 세부적인 기본 원리 모델 없이 DeePC는 얼마나 배터리 탈모를 줄일 수 있는가?
• RQ4 RBC 대비 그리드 전력 소비를 줄이면서도 편안함 제약 조건을 유지하거나 향상시킬 수 있는가?
• RQ5 DeePC에 전압 및 SoC 제약 조건을 통합함으로써 시스템 수명과 성능은 어떻게 영향을 받는가?

주요 결과

• DeePC는 1년 동안 룰 기반 제어기 대비 100회 사이클로 배터리 노화를 반으로 줄였다.
• DeePC 하에서 용량 손실은 0.3%로 감소했고, RBC 하에서는 0.8%였다.
• 편안함 제약 위반 비율은 DeePC에서 2.8%로 감소했고, RBC에서는 5.5%였다.
• 운영 비용은 DeePC(CHF 5909.8)와 RBC(5961.7 CHF) 사이에서 유사했으며, DeePC는 0.9% 낮은 비용을 기록했다.
• 실내 온도 예측 오차는 평균 0.5 °C 이하였고, 배터리 전압 오차는 0.5 V 이내를 유지하여 높은 정확도를 입증했다.
• DeePC는 전압 제약 조건을 성공적으로 준수했고, RBC는 전류만 조절하여 진동하는 행동을 보이며 가속화된 탈모를 초래했다.