建筑数据驱动预测控制方法及其应用研究

• 作 者: 王江宇
• 机 构: 华中科技大学
• 出 处: 华中科技大学
• 发表日期: 2020年01期
• 关键词: 建筑模型

针对建筑模型预测控制研究领域中存在的阻容模型建模成本高、数据驱动预测控制(DDPC)流程不完善、缺乏预测控制应用实施研究等问题，本研究提出了一种数据驱动预测控制器设计及应用实施的整体框架，以不同结构建筑为研究对象，结合提出框架依次进行了阻容模型结构简化及参数辨识，热动态数据驱动模型构建，DDPC控制器设计及实施等一系列研究。
　　首先，基于建筑建模理论和预测控制知识，归纳总结建筑预测控制中温控优化问题的一般形式。分析人工智能技术范畴，对比及结合建筑预测控制中阻容模型辨识，数据预测控制流程完善和应用实施等研究内容中的研究目标，构建了建筑预测控制器设计及应用实施整体框架。
　　其次，依据不同程度的换热假设，构建单一区域建筑的不同阻容模型。比较不同结构阻容模型的预测效果，分析影响模型效果的重要因素，进一步选择合适的面向控制的单区域建筑阻容模型结构。提出一种新的元启发式优化算法(BSAS)用于阻容模型辨识任务，通过与常用的辨识算法(如遗传算法)在参数辨识任务上的结果进行对比，发现提出算法在实现相当的辨识效果同时降低了辨识计算成本。
　　再次，提出一种优化求解策略与引入基于PID的反馈校正策略，完善DDPC控制器设计流程。以电加热采暖的单区域目标建筑为例，构建了RC模型与数据驱动模型(ARX，ANN，SVM)用于建筑热动态预测。为验证DDPC控制器的有效性，基于上述模型与控制器设计流程构建了MPC与DDPC控制器，在三种温控场景下进行效果比较。控制器验证工作基于EnergyPlus的协同仿真环境开展。结果表明，基于ARX和ANN模型构建的DDPC控制器能实现与MPC控制器相当的温控效果。基于SVM模型构建的DDPC控制器天气扰动强烈时温控效果存在小幅度波动。
　　针对两栋三区域建筑的多场景温度控制，基于深度学习平台构建多层感知机(MLP)模型，进行DDPC设计子框架在复杂对象上的推广应用。结果表明，基于MLP模型的DDPC控制器在三区域建筑上也能实现良好温度控制效果。在温度设定值发生变化时，案例二建筑的温控效果存在小幅度波动。
　　最后，针对预测控制研究实施成本高的问题，构建面向廉价嵌入式硬件的预测控制器实施方案。分析基于ANN模型的DDPC控制器中滚动优化问题的数学形式，提出了适用于算力受限环境的加速求解策略。针对单一区域的电采暖建筑，依据加速求解策略以及PID反馈校正策略，在嵌入式硬件(STM32F103C8T6开发板)上成功实施DDPC控制器。研究了加速求解策略驱动的DDPC控制器在三种温控场景下的控制效果与求解代价。硬件在环协同仿真的结果表明，嵌入式DDPC控制器可实现较好的控制效果，且加速策略较原始求解策略最高可节省54%的计算成本。
　　总之，本文提出的建筑DDPC控制器设计及应用实施框架，及其在建筑热动态模型构建，DDPC控制器设计验证及实施上的工作，降低了建筑预测控制器的建模成本，提高了预测控制器的应用能力，为预测控制在建筑能耗管理上的工程实践提供了可行方案。