热带建筑中能源效率和居住者健康优化的模型预测控制( Model predictive control for energy efficiency and occupant well-being optimisation in tropical buildings )

Shiyu Yang

传统的楼宇自动化与控制(BAC)系统采用比例-积分-微分(PID)等无功反馈控制，这限制了管理建筑能源以及处理人类福祉和能源效率的对比需求的效率。模型预测控制（Model predictive control,MPC）是一种基于闭环控制的预测和优化能力的控制系统,作为一种解决这一问题的方法得到了广泛的关注,它可以实现建筑节能和室内气候的优化。本研究提出了一个基于建筑物理建模方法的MPC系统，以形成一个状态空间模型(SSM)来捕捉建筑动态和定量的乘员舒适性指数。该系统集成了针对能源效率和乘员舒适性的实时优化，在每个控制间隔内解决优化问题所需的时间少于0.1秒。建议的MPC系统在南大校园内的两座测试大楼，即建筑与建筑管理局(BCA)的天空实验室和第三讲堂(LT3)中实施。在风机盘管(FCU)、主动冷冻梁(ACB)、空气处理单元(AHU)以及带专用新风系统(DOAS)的分离式显冷和潜冷(SSLC)的空调机械通风(ACMV)系统下,对MPC系统的控制特性和性能进行了评价,并与常规BAC系统进行了比较。与传统的BAC系统相比，MPC系统实现了ACMV系统15-20%的节电，并改善了乘员舒适性。MPC系统得到了进一步的发展，通过加入用于预测室内照明功率和视觉舒适性的额外模型，对多个建筑系统（空调、照明和遮阳）进行协调控制。MPC系统实现了高达20.3%的建筑节电，在热和视觉舒适性方面有很大改善。为了增强MPC系统对建筑物运行瞬态特性的适应性，采用机器学习(ML)技术开发了一个基于ML的自适应建筑物模型，该模型由历史建筑物运行数据初始化，并利用在线建筑物运行数据不断更新。利用该模型开发了一个自适应MPC系统，并在某试验室实现了该系统。与常规恒温器控制相比，MPC系统实现了59%的冷却节能。本研究还探讨了利用MPC系统产生的建筑物运行数据，通过监督学习MPC系统的控制规律，开发全ML控制器的可行性。ML控制器保留了主MPC系统的高热舒适性和86%的节能性能。

SciDown文献求助系统（解决99%问题） Public Download ResearchGate