Forschungs- & Entwicklungsinformationsdienst der Gemeinschaft - CORDIS

Prädiktive Modelle zur Unterstützung eines energieeffizienten Managements

Das Energiemanagement in Gebäuden und auf der Netzebene hält aufgrund einer Reihe von Unsicherheiten im Zusammenhang mit der Belegung und dem Wetter viele Herausforderungen bereit. Europäische Forscher nahmen sich dieser Herausforderungen über die Verwendung einer stochastischen modellprädiktiven Regelung an.
Prädiktive Modelle zur Unterstützung eines energieeffizienten Managements
Ein energieeffizientes Management von Gebäudesystemen wird bei der zukünftigen Minimierung des Energieverbrauchs und der Energiekosten von großer Bedeutung sein, da heutzutage ein wesentlicher Anteil der Energie von Gebäuden aufgebraucht wird. Die gemeinsame Verwendung einer modellprädiktiven Regelung (Model Predictive Control, MPC) mit Wetter- und Belegungsvorhersagen ist ein effektiver Ansatz, um signifikante Energieeinsparungen zu erzielen.

Aufgrund der ansteigenden Anzahl erneuerbarer Energiequellen, die für eine zusätzliche Variabilität im Stromfluss sorgen können, ist die Regelung von Stromnetzen ebenfalls ein wichtiges Anliegen. Dieser Herausforderung kann über die Verwendung zusätzlicher Speicher begegnet werden, indem die innerhalb der Gebäude selbst gespeicherte Wärmeenergie nutzbar gemacht wird.

Im Rahmen des EU-finanzierten Projekts SMPCBCSG (Stochastic model predictive control, energy efficient building control, smart grid) wurden daher prädiktive Computermodelle untersucht, die sich auf Gebäude und Elektrizitätsnetze anwenden lassen.

Ein wissenschaftlicher Stipendiat entwickelte, implementierte und testete eine neue energieeffiziente Regelungsstrategie für Gebäude an einem Prüfstand der UC Berkeley in den USA. Es wurden ebenfalls nachverfolgbare Probleme zum dynamischen Stromfluss formuliert. Dies beinhaltete eine stochastische Formulierung, welche Gebäude als zusätzliche Speicher berücksichtigte.

Die Herausforderungen, die sich durch ein energieeffizientes Management in Gebäuden und Stromnetzen ergeben, wurden unter Verwendung neuer stochastischer MPC-Formulierungen adressiert, die auf der martingalen Wahrscheinlichkeitstheorie basieren. Die ursprüngliche Formulierung von Einschränkungen basierte auf dem sogenannten Szenario-Ansatz, der daraufhin online, basierend auf der empirischen Wahrscheinlichkeit von Einschränkungsverletzungen, auf eine Eingrenzung von Einschränkungen angepasst wurde.

Es wurde eine stochastische Regelungsstrategie für Gebäude entwickelt, die ebenfalls auf die Bereitstellung der Frequenzregelung für das Stromnetz angewandt werden kann. Diese beinhaltete Zufallseinschränkungen aufgrund von Wetterunsicherheiten sowie solide Einschränkungen, um eine Bereitstellung für alle möglichen Frequenzabweichungen sicherzustellen.

Die neue stochastische MPC-Methode wurde auf eine Anwendung auf Stromnetze hin geprüft. Die Ergebnisse zeigten, dass die Verletzungswahrscheinlichkeit dem gewünschten Niveau entspricht und dass somit Kosteneinsparungen erzielt werden können. Außerdem wurden unterschiedliche analytische Zufallseinschränkungs-Reformationen in einer Formulierung mit Sicherheitseinschränkung und optimalem Stromfluss miteinander verglichen.

Im Rahmen von SMPCBCSG wurden fortschrittliche und neue Regelungslösungen für das Management von Unsicherheiten, großen Systemen, dezentralen Systemen sowie von Vorhersagen zum zukünftigen Systemverhalten untersucht. Neuerungen im Bereich der zufälligen konvexen Programmierung wurden an MPC-Methoden gekoppelt, um eine neue stochastische MPC-Formulierung zu entwickeln, die auf Systeme im großen Maßstab angewandt werden könnte, welche an der Gebäuderegelung und Stromnetzen beteiligt sind.

Verwandte Informationen

Fachgebiete

Scientific Research

Schlüsselwörter

Energieeffizientes Management, Gebäudesysteme, modellprädiktive Regelung, Stromfluss, stochastisches Modell, SMPCBCSG, Smart Grid, martingale Wahrscheinlichkeitstheorie
Folgen Sie uns auf: RSS Facebook Twitter YouTube Verwaltet vom Amt für Veröffentlichungen der EU Nach oben