[论文解读] Adaptive Robust Data-driven Building Control via Bi-level Reformulation: an Experimental Result

Ying Zhao Lian, Jicheng Shi+2 more|arXiv (Cornell University)|Jun 10, 2021

Control Systems and Identification参考文献 43被引用 20

一句话总结

本文提出了一种基于Willems基本引理的鲁棒双层数据驱动控制框架，用于建筑暖通空调系统，实现了无需预先建模的自适应、抗噪声预测控制。在一次20天的真实世界实验中，该方法相比工业标准控制器降低了18.4%的能耗，同时通过主动激励和噪声测量下的轨迹预测，确保了人员舒适度和约束满足。

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.

研究动机与目标

• 开发一种实用、自适应且鲁棒的数据驱动控制方案，用于建筑暖通空调系统，以处理未知的测量噪声以及可测量的过程扰动（如室外温度和太阳辐射）
• 将基于Willems基本引理的数据驱动控制方法扩展至存在不确定性的时变系统，确保鲁棒性和预测精度
• 通过主动激励和高效的矩阵求逆更新，实现实时部署所需的在线、计算高效运行
• 在仿真和真实世界实验中验证控制器性能，展示其在无需额外建模情况下的节能效果和鲁棒性

提出的方法

• 构建双层优化问题：上层通过基于Wasserstein距离的不确定集确保对测量噪声的鲁棒性，下层则利用输入/输出数据确保轨迹预测的准确性
• 提出一种新颖的轨迹预测方法，最小化真实系统轨迹与噪声测量之间Wasserstein距离的上界
• 应用Willems基本引理，从历史输入/输出数据中表示系统行为，实现无模型控制器设计
• 引入主动激励机制（算法1），以维持持续激励，确保在线Hankel矩阵更新的数据质量
• 采用正则化和凸松弛技术处理数据驱动系统辨识过程中的噪声，将其与分布鲁棒性联系起来
• 采用高效的在线矩阵求逆更新，以确保实时运行中的计算可行性

实验结果

研究问题

• RQ1 基于Willems基本引理的数据驱动控制器能否在建筑控制中对未知测量噪声和可测量的过程扰动（如室外温度和太阳辐射）保持鲁棒性？
• RQ2 如何构建双层公式，以在时变建筑系统中同时确保鲁棒性和预测精度？
• RQ3 为实现实时部署下可靠的数据驱动控制器，需要哪些计算和数据质量机制？
• RQ4 在能效和约束满足方面，数据驱动控制器在多大程度上能优于标准工业控制器？

主要发现

• 在类似气象条件下的四天真实世界实验中，所提控制器相比默认工业控制器实现了18.4%的能耗降低
• 在为期20天的连续测试中，控制器实现了零约束违规，尽管室外温度波动显著（14.6°C至29.5°C），仍保持室内温度在舒适范围内
• 主动激励方案成功维持了持续激励，确保了数据质量，并实现了Hankel矩阵的稳定在线更新
• 控制器在无需重新估计或重新调参的情况下，表现出对天气变化的强适应能力，涵盖加热和冷却时段
• 鲁棒双层公式在噪声测量下实现了可靠性能，上层优化通过Wasserstein距离有效界定了不确定性
• 包括高效矩阵求逆和正则化在内的数值改进，使控制器能够以低计算开销实现实时运行