[论文解读] Distributed Real-Time HVAC Control for Cost-Efficient Commercial Buildings under Smart Grid Environment

Liang Yu, Di Xie+3 more|arXiv (Cornell University)|Sep 3, 2017

Smart Grid Energy Management参考文献 27被引用 3

一句话总结

本文提出了一种分布式实时HVAC控制算法CDRA，在智能电网条件下最小化商业建筑的长期能耗与热不适成本。通过使用与室内温度相关的虚拟队列的李雅普诺夫优化方法，CDRA无须预测电价或室外温度等不确定参数，实现了显著的能耗成本降低，同时舒适度损失极小。

ABSTRACT

In this paper, we investigate the problem of minimizing the long-term total cost (i.e., the sum of energy cost and thermal discomfort cost) associated with a Heating, Ventilation, and Air Conditioning (HVAC) system of a multizone commercial building under smart grid environment. To be specific, we first formulate a stochastic program to minimize the time average expected total cost with the consideration of uncertainties in electricity price, outdoor temperature, the most comfortable temperature level, and external thermal disturbance. Due to the existence of temporally and spatially coupled constraints as well as unknown information about the future system parameters, it is very challenging to solve the formulated problem. To this end, we propose a realtime HVAC control algorithm based on the framework of Lyapunov optimization techniques without the need to predict any system parameters and know their stochastic information. The key idea of the proposed algorithm is to construct and stabilize virtual queues associated with indoor temperatures of all zones. Moreover, we provide a distributed implementation of the proposed realtime algorithm with the aim of protecting user privacy and enhancing algorithmic scalability. Extensive simulation results based on real-world traces show that the proposed algorithm could reduce energy cost effectively with small sacrifice in thermal comfort.

研究动机与目标

• 在动态智能电网定价条件下，最小化多区域商业建筑的长期总成本（包括能耗成本与热不适成本）。
• 应对未来系统参数（如电价、室外温度、人员舒适偏好）未知时带来的时序与空间耦合约束挑战。
• 设计一种无需预测未来系统参数或了解HVAC功率需求的实时控制算法。
• 通过控制框架的分布式实现，确保用户隐私与算法可扩展性。
• 为所提算法在随机系统不确定性下的性能提供理论保证与可行性分析。

提出的方法

• 建立一个随机优化问题，以最小化时间平均期望总成本，同时考虑电价、室外温度、人员舒适度水平及外部热扰动的不确定性。
• 通过为每个区域的室内温度构建虚拟队列，应用李雅普诺夫优化技术，稳定系统动态，且无需了解HVAC功率需求。
• 设计一种成本感知的分布式实时算法（CDRA），利用漂移加惩罚框架，联合最小化总成本并稳定虚拟队列。
• 实现一种分布式控制架构，每个区域基于本地信息独立计算其控制动作，从而提升可扩展性与隐私保护。
• 使用二分查找法调节李雅普诺夫优化框架中的惩罚权重参数V，以平衡成本最小化与队列稳定性。
• 理论分析证明，该算法可实现时间平均成本在最优解的O(1/V)范围内，且在独立同分布（i.i.i.d.）系统参数下，队列稳定性与可行性均保持有界。

实验结果

研究问题

• RQ1 能否设计一种实时HVAC控制算法，在不预测未来不确定参数（如电价或室外温度）的情况下，最小化长期总成本？
• RQ2 在基于李雅普诺夫的优化中，如何利用室内温度的虚拟队列来替代对HVAC功率需求的直接知识？
• RQ3 在随机系统不确定性下，分布式、隐私保护型HVAC控制算法的性能保证是什么？
• RQ4 在多区域商业建筑中，能耗成本可降低到何种程度，同时仍保持可接受的热舒适水平？
• RQ5 在不确定性条件下，与集中式或预测型方法相比，所提算法在成本降低与鲁棒性方面表现如何？

主要发现

• 通过使用真实世界数据的仿真验证，所提出的CDRA算法显著降低了能耗成本，仅带来微小的热不适度增加。
• 该算法实现的时间平均总成本在最优解的O(1/V)范围内，且随着惩罚权重V增大，该界更加紧密。
• 理论分析证实，该算法在独立同分布（i.i.d.）系统参数下，可保持有界的队列稳定性与可行操作，确保长期性能保证。
• 分布式实现成功保护了用户隐私并增强了可扩展性，因为每个区域均基于本地测量独立运行。
• 仿真结果表明，CDRA在无需未来预测的前提下，能有效处理电价、室外温度及人员舒适度水平的不确定性。
• 该算法确保所有区域与时间槽的室内温度均保持在可接受范围内（T_i^min ≤ T_i,t ≤ T_i^max），从而满足热舒适合规性要求。