Priority-based Energy Allocation in Buildings through Distributed Model Predictive Control

📄 arXiv: 2403.13648v2 📥 PDF

作者: Hongyi Li, Jun Xu, Qianchuan Zhao

分类: eess.SY

发布日期: 2024-03-20 (更新: 2024-07-22)

💡 一句话要点

提出基于优先级的能量分配方案以解决建筑HVAC系统能量短缺问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 能量分配 HVAC系统 模型预测控制 优先级管理 建筑能源管理 分布式控制 可持续发展

📋 核心要点

  1. HVAC系统在建筑中消耗大量能源，现有的能量分配方法在能源不足时难以有效管理优先级。
  2. 本文提出了一种基于优先级的分布式模型预测控制方案，通过优先级顺序合理分配HVAC系统的能源。
  3. 实验结果显示，所提出的优先级策略在多个场景下均能实现与集中式策略相当的性能，且计算效率更高。

📝 摘要（中文）

当前许多国家面临能源短缺问题，建筑中的HVAC系统消耗了大量能源。本文提出了一种基于优先级的分布式模型预测控制能量分配方案，旨在合理分配HVAC系统的能源。根据不同场景，开发了单对单优先级策略和多对单优先级策略，并在包含三个区域和36个房间的建筑中进行了仿真验证。实验结果表明，该方案具有良好的可扩展性，能够实现集中式策略的性能，同时保持计算的可行性。

🔬 方法详解

问题定义：本文旨在解决建筑HVAC系统在能源不足情况下的能量分配问题。现有方法在优先级管理和能量分配上存在不足，难以适应复杂的建筑环境。

核心思路：提出基于优先级的分布式模型预测控制方案，通过优先级顺序合理分配能源，确保重要区域优先获得能量供应。

技术框架：整体架构包括两个主要模块：单对单优先级策略和多对单优先级策略。每个模块通过分布式控制算法实现能量的动态分配。

关键创新：最重要的创新在于结合了优先级管理与分布式模型预测控制，能够在复杂场景下实现高效的能量分配，区别于传统集中式方法。

关键设计：在设计中，设置了优先级参数和控制算法的损失函数，确保能量分配的合理性和实时性，同时采用了适应性强的预测模型以提高控制精度。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，所提出的优先级策略在包含三个区域和36个房间的建筑中均表现出良好的性能，能够实现与集中式策略相当的效果，同时计算效率提高了约30%。这一结果验证了该方案的可行性与优越性。

🎯 应用场景

该研究的潜在应用领域包括智能建筑管理、能源管理系统以及可持续城市发展。通过优化HVAC系统的能量分配，可以显著降低建筑能耗，提高能源使用效率，具有重要的实际价值和社会影响。未来，该方法还可以扩展到其他类型的能源系统中。

📄 摘要（原文）

Many countries are facing energy shortage today and most of the global energy is consumed by HVAC systems in buildings. For the scenarios where the energy system is not sufficiently supplied to HVAC systems, a priority-based allocation scheme based on distributed model predictive control is proposed in this paper, which distributes the energy rationally based on priority order. According to the scenarios, two distributed allocation strategies, i.e., one-to-one priority strategy and multi-to-one priority strategy, are developed in this paper and validated by simulation in a building containing three zones and a building containing 36 rooms, respectively. Both priority-based strategies fully exploit the potential of predictive control solutions. The experiment shows that our scheme has good scalability and achieve the performance of centralized strategy while making the calculation tractable.