[論文レビュー] Model Comparison of a Data-Driven and a Physical Model for Simulating HVAC Systems

Datong P. Zhou, Qie Hu+1 more|arXiv (Cornell University)|Mar 18, 2016

Building Energy and Comfort Optimization参考文献 6被引用数 12

ひとこと要約

本稿では、商業ビルのHVAC温度ダイナミクスをシミュレートするため、低次元のデータ駆動型モデル（半パラメトリック回帰）と高次元の物理ベースモデル（RCベース）を比較している。物理ベースモデルは高い精度を示したが、エネルギー効率と居住者快適性の最適制御戦略は両モデルでほぼ同一であり、制御器設計には単純なデータ駆動型モデルで十分であることが示された。

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.

研究の動機と目的

• データ駆動型モデルと物理ベース型モデルの両方が商業ビル内の温度ダイナミクスをシミュレートする性能を評価・比較すること。
• 各モデルがビルHVACシステムにおけるエネルギー効率制御および周波数調整に適しているかどうかを評価すること。
• 低次元のデータ駆動型モデルが、制御性能に顕著な損失が生じない範囲で、複雑な物理ベース型モデルに置き換え可能かどうかを同定すること。
• 実際の建物応用において、モデルの精度、計算複雑性、制御器設計の実現可能性の間のトレードオフを調査すること。

提案手法

• サターディア・デイ・ホールの4階で得られた1年間分の温度およびVAV空気量データを用いて、半パラメトリック回帰によるデータ駆動型状態空間モデルを特定した。
• 同じ建物のため、詳細な建物の幾何形状、構造データ、およびBRCMツールボックスを用いて、以前に開発された物理ベース型抵抗-キャパシタンス（RC）モデルを適応させた。
• 同じ制御目的のもとで、オープンループ予測精度とクローズドループモデル予測制御（MPC）性能を用いて両モデルを検証した。
• 予測精度の評価には平均二乗誤差（RMS誤差）を用い、MPCから導かれる最適制御入力を両モデルで比較した。
• 解法時間の測定により、特に物理ベース型モデルの高コストを注目して、計算複雑性を評価した。
• データ要件、スケーラビリティ、空間的粒度、用途固有の要件に基づく、モデルの適正性に関する定性的分析を実施した。

実験結果

リサーチクエスチョン

• RQ1 実際のHVAC温度ダイナミクスにおいて、データ駆動型モデルと物理ベース型モデルの予測精度はどのように比較されるか？
• RQ2 エネルギー効率制御のクローズドループにおいて、低次元のデータ駆動型モデルは高次元の物理ベース型モデルに対してどの程度の性能を示すか？
• RQ3 オンライン制御器設計において、データ駆動型モデルと物理ベース型モデルを用いる際の計算上のトレードオフは何か？
• RQ4 どのような応用シナリオにおいてデータ駆動型モデルは十分であり、どのような状況でより高精度な物理ベース型モデルが必要となるか？
• RQ5 データの入手可能性とモデルの複雑さは、新築ビルへの各モデルの展開可能性にどのように影響するか？

主な発見

• 物理ベース型モデルは、物理的パrameter化のおかげで、データ駆動型モデルよりも低い平均二乗誤差（RMS誤差）を達成しており、より高い精度であることが確認された。
• 物理ベース型モデルの高い予測精度にもかかわらず、同じエネルギー効率の目的のもとでモデル予測制御（MPC）により導かれる最適制御戦略は、両モデルでほぼ同一であった。
• データ駆動型モデルでは5ステップの予測ホライズンについて、1ステップのMPC計算に15分未満で完了したが、物理ベース型モデルでは1ステップあたり15分以上を要し、リアルタイムのオンライン制御には計算的に非現実的であった。
• データ駆動型モデルは、温度とVAV空気量データのみを必要とするため、新築ビルへの展開がよりスケーラブルで容易である。一方、物理ベース型モデルは、詳細な建物の幾何形状および構造データを必要としている。
• 物理ベース型モデルは個々の部屋レベルの予測を可能とする細かい空間的粒度を提供するが、データ駆動型モデルはゾーン全体を均一な温度として仮定している。
• 長時間予測（例：24時間）を要する周波数調整のような用途では、低次元性と高速な計算が可能であるため、データ駆動型モデルがより適している。一方、重要なゾーンでの正確な温度制御を維持する必要がある場合には、物理ベース型モデルがより適している。