Modele predykcyjne wspomagają zarządzanie oszczędnością energii
Współczesne budynki konsumują znaczną część energii elektrycznej, dlatego zarządzanie oszczędnością energii w systemach budynków będzie odgrywało istotną rolę w minimalizowaniu zużycia i kosztów energii w przyszłości. Zastosowanie sterowania predykcyjnego (MPC) w połączeniu z prognozami dotyczącymi wykorzystania powierzchni oraz pogody jest skuteczną metodą osiągnięcia istotnych oszczędności energii. Innym ważnym problemem jest sterowanie sieciami energetycznymi, a to z powodu rosnącej liczby odnawialnych źródeł energii, które stanowią kolejną zmienną w procesie przepływu energii. Można próbować go rozwiązać dzięki zwiększonej pojemności przechowywania poprzez wykorzystanie energii cieplnej przechowywanej w samych budynkach. Dlatego w ramach finansowanego ze środków UE projektu SMPCBCSG (Stochastic model predictive control, energy efficient building control, smart grid) badano predykcyjne modele komputerowe przeznaczone dla budynków i sieci elektrycznych. Uczeni opracowali, wdrożyli i przetestowali w laboratorium Uniwersytetu Kalifornijskiego w Berkeley nową strategię sterowania oszczędnością energii w budynkach. Rozpoznali również łatwe w zarządzaniu problemy związane z dynamiką przepływu energii, stosując sformułowanie stochastyczne problemu, w skład którego weszły budynki służące jako dodatkowa powierzchnia do przechowywania. Badacze rozwiązywali wyzwania, jakie niesie ze sobą zarządzanie oszczędnością energii w budynkach i sieciach elektrycznych, wykorzystując nowe sformułowania stochastyczne MPC w oparciu o teorię prawdopodobieństwa Martingale. Pierwotne sformułowanie warunku ograniczającego opierało się na tak zwanym podejściu scenariuszowym, które przystosowano do wersji online do zawężenia warunku ograniczającego na bazie empirycznego rozkładu prawdopodobieństwa naruszenia warunku ograniczającego. Opracowano stochastyczną strategię sterowania dla budynków, którą można wykorzystać również do określania regulacji częstotliwości w sieciach elektrycznych. Elementami tej strategii były losowe warunki ograniczające związane z niepewnością pogody oraz sztywne warunki ograniczające, co miało zapewnić rezerwy w przypadku jakichkolwiek odchyleń częstotliwości. Nowa metoda stochastyczna MPC została przetestowana pod kątem jej zastosowania w sieciach energetycznych. Wyniki wykazały, że prawdopodobieństwo naruszenia jest bliskie pożądanego poziomu, co wskazuje, że oszczędności są możliwe. Ponadto porównano różne rekonstrukcje analityczne losowych warunków ograniczających w układzie, którego elementem jest optymalny przepływu energii ograniczony względami bezpieczeństwa. Uczestnicy projektu SMPCBCSG zbadali zaawansowane i nowatorskie rozwiązania sterowania do zarządzania niepewnością, dużymi systemami, systemami rozproszonymi oraz prognozowanymi zachowaniami systemów w przyszłości. Najnowsze osiągnięcia w dziedzinie losowego programowania wypukłego powiązano z MPC w celu opracowania nowatorskiego stochastycznego MPC do zastosowania w dużych systemach przeznaczonych do sterowania budynkami i sieciami elektroenergetycznymi.
Słowa kluczowe
Zarządzanie oszczędnością energii, systemy budynków, sterowanie predykcyjne, przepływ energii, model stochastyczny, SMPCBCSG, inteligentna sieć, teoria prawdopodobieństwa Martingale
