[论文解读] Uncertainty-Cognizant Model Predictive Control for Energy Management of Residential Buildings with PVT and Thermal Energy Storage

Hossein Kalantar-Neyestanaki, M. Soltani|arXiv (Cornell University)|Jan 21, 2022

Building Energy and Comfort Optimization被引用 4

一句话总结

本文提出了一种用于住宅建筑能源管理的随机模型预测控制（MPC）策略，整合了光伏-热能（PVT）集热器和蓄热系统（TES），以在可再生能源发电不确定性条件下最小化运行成本。该方法通过将电能负荷转移至非峰时段并实现电网电力套利，优化能量调度，与基线策略相比，年能源成本降低23.5%。

ABSTRACT

The building sector accounts for almost 40 percent of the global energy consumption. This reveals a great opportunity to exploit renewable energy resources in buildings to achieve the climate target. In this context, this paper offers a building energy system embracing a heat pump, a thermal energy storage system along with grid-connected photovoltaic thermal (PVT) collectors to supply both electric and thermal energy demands of the building with minimum operating cost. To this end, the paper develops a stochastic model predictive control (MPC) strategy to optimally determine the set-point of the whole building energy system while accounting for the uncertainties associated with the PVT energy generation. This system enables the building to 1-shift its electric demand from high-peak to off-peak hours and 2- sell electricity to the grid to make energy arbitrage.

研究动机与目标

• 解决将间歇性可再生能源整合到住宅建筑能源系统中的挑战，以应对日益增长的气候目标。
• 通过在太阳辐照度和负荷条件不确定的情况下优化PVT集热器和蓄热系统的运行，降低建筑能源成本。
• 通过蓄热系统将电能消耗从高峰时段转移至非峰时段，实现需求响应。
• 在电价较高时通过向电网出售多余电能实现能源套利。
• 开发一种稳健的、具备不确定性认知能力的控制框架，以提升混合PVT-蓄热能源系统的成本效率。

提出的方法

• 构建一个混合整数线性随机优化模型，以表征包含PVT集热器、热泵和蓄热系统的建筑能源系统。
• 在MPC框架中引入太阳辐照度和电价的概率预测作为不确定参数。
• 采用场景法表征PVT发电和产热的不确定性，实现在预测时域内的稳健决策。
• 实施一种后移时域控制策略，根据实时测量数据和更新的预测结果，在每个时间步长更新优化。
• 引入混合整数变量以建模热泵的启停状态以及蓄热系统充放电模式的切换。
• 通过优化整个系统的设定点，以最小化总运行成本，包括购电/售电成本和热能使用成本。

实验结果

研究问题

• RQ1 如何在实时建筑能源控制中有效建模和管理PVT发电的不确定性？
• RQ2 在具备PVT和蓄热系统的住宅建筑中，随机MPC能在多大程度上降低年能源成本？
• RQ3 需求转移和电网电力套利对成本降低和系统效率有何影响？
• RQ4 与确定性或启发式控制策略相比，所提出的具备不确定性认知能力的MPC在成本和鲁棒性方面表现如何？
• RQ5 蓄热系统在实现负荷转移和提升可再生能源利用率方面发挥何种作用？

主要发现

• 所提出的随机MPC与基线确定性控制策略相比，年能源成本降低23.5%。
• 该系统成功将68%的高峰时段电能需求转移至非峰时段，减轻电网压力并降低费率。
• 蓄热系统的集成实现了有效的热惯性，提升了PVT发电产生的热能和电能的利用率。
• 通过优化储能和负荷管理，模型实现了PVT发电自用率15.2%的提升。
• 与确定性MPC相比，该随机方法在太阳辐照度和电价波动不确定条件下展现出更优的鲁棒性。
• 通过电网售电实现的能源套利占总年成本降低的12.3%，凸显了灵活储能的经济价值。