[论文解读] Probabilistic Energy Management for Building Climate Comfort in Smart Thermal Grids with Seasonal Storage Systems

Vahab Rostampour, Tamás Keviczky|arXiv (Cornell University)|Nov 10, 2016

Building Energy and Comfort Optimization参考文献 7被引用 5

一句话总结

本文提出了一种用于智能热力网格（STGs）中季节性含水层热能储存（ATES）的随机模型预测控制（MPC）框架，同时处理私人（建筑需求）和公共（共享ATES资源）不确定性。该框架将有限时域的混合整数二次优化问题与多个机会约束相结合，采用鲁棒随机化方法求解，以在降低保守性的同时确保概率可行性，通过仿真和MODFLOW地水文建模进行验证。

ABSTRACT

This paper presents an energy management framework for building climate comfort (BCC) systems interconnected in a grid via aquifer thermal energy storage (ATES) systems in the presence of two types of uncertainty (private and common). ATES can be used either as a heat source (hot well) or sink (cold well) depending on the season. We consider the uncertain thermal energy demand of individual buildings as a private uncertainty source and the uncertain common resource pool (ATES) between neighbors as a common uncertainty source. We develop a large-scale stochastic hybrid dynamical model to predict the thermal energy imbalance in a network of interconnected BCC systems together with mutual interactions between their local ATES. We formulate a finite-horizon mixed-integer quadratic optimization problem with multiple chance constraints at each sampling time, which is in general a non-convex problem and difficult to solve. We then provide a computationally tractable framework by extending the so-called robust randomized approach and offering a less conservative solution for a problem with multiple chance constraints. A simulation study is provided to compare completely decoupled, centralized and move-blocking centralized solutions. We also present a numerical study using a geohydrological simulation environment (MODFLOW) to illustrate the advantages of our proposed framework.

研究动机与目标

• 解决在智能热力网格（STGs）中互联建筑温控系统（BCC）的热能失衡管理挑战。
• 对两类不同不确定性的影晌进行建模与缓解：私人（单个建筑热需求）和公共（共享ATES资源池）。
• 为具有季节性储能的大规模STGs开发一种计算上可行、概率鲁棒的能源管理框架。
• 在不确定性条件下实现约束满足，且相比传统鲁棒优化方法具有更低的保守性。
• 通过仿真和基于MODFLOW的地水文数值研究对框架进行验证。

提出的方法

• 构建一个大规模随机混合动态模型，用于预测具有小时级运行和基于ATES的季节性储能的STGs中的热能失衡。
• 开发一个具有多个机会约束的有限时域混合整数二次优化问题，以处理需求和共享ATES资源中的不确定性。
• 应用鲁棒随机化方法求解非凸、机会约束优化问题，并提供概率可行性保证。
• 采用移动阻断集中式MPC策略，将问题分解为各代理级子问题，以提升计算可处理性。
• 利用现有结果（如[43]）中导出的概率界，确定不确定性集的样本量，以确保高概率下的可行性。
• 集成基于MODFLOW的地水文仿真，以验证框架在真实地下热动力学中的性能表现。

实验结果

研究问题

• RQ1 如何在大规模STG中联合建模建筑热需求和共享ATES资源中的私人与公共不确定性？
• RQ2 相邻ATES系统之间的相互作用对能源管理性能和系统级节能效果有何影响？
• RQ3 在STGs的多机会约束MPC中，鲁棒随机化方法是否能降低保守性，同时保持概率可行性？
• RQ4 与完全解耦和集中式控制策略相比，所提出的框架在性能上表现如何？
• RQ5 该框架在不确定性条件下能多大程度上确保约束满足？可提供何种概率保证？

主要发现

• 所提出的鲁棒随机化MPC框架相比传统鲁棒优化方法具有更低的保守性，降低了约束违反风险，同时不牺牲可行性。
• 该方法确保了高置信度的概率可行性：所有个体机会约束同时被违反的概率被限制在β（针对私人）和¯β（针对公共）以内，其界通过并集界和独立性假设推导得出。
• 仿真结果表明，移动阻断集中式方法在节能效果和约束满足方面均优于完全解耦和完全集中式策略。
• 基于MODFLOW的数值验证确认了该框架在捕捉真实地下热动力学和ATES性能方面具有有效性，尤其在不确定性条件下。
• 该框架提供了理论上的概率保证：对于N个代理，私人约束违反超过ε的概率被限制在β以内，公共约束违反超过ε的概率被限制在¯β以内，该结果基于[43]中导出的样本量条件。
• 证明了优化问题的可行集具有非空内部，从而在给定约束下确保至少存在一个可行解y*。