Modelování a identifikace budov pro prediktivní řízení

Autor: Samuel Prívara

Disertační práce 2013

Změny klimatu, ubývající světové zásoby neobnovitelných paliv jako i ekonomické aspekty patří mezi nejvlivnější faktory, které určují současné trendy šetření energie. Sektor budov spotřebúvavá 40% konečné energie a z tohoto důvodu může efektivní řízení budov významně přispět ke snaze šetřit energii. Prediktivní řízení budov může být využito pro energeticky a nákladově efektivní provoz budov místo konvenčního řízení, navíc, s minimální potřebou pro rekonstrukci či dovybavení.

Dynamické modely (které musí být jednoduché, přitom ale pořád efektivní) hrají klíčivou roli v konceptu prediktivního řízení. Jako ukazuje průmyslová praxe, modelování a identifikace je časově a nákladově nejnáročnější část procesu automatizace. Množství článků věnovaných tomuto tématu modeluje pouze jednotlivé části budovy. Některé z nich identifikují celou komplexní budovu jako jednoduché dvou-zónové modely. Další nabízejí detailní modely, které jsou výsledkem simulací SW balíčků. Tyto modely ale nejsou vhodné pro řízení, protože nejsou ve formě rovnic, kterých by šlo použít pro řízení.

Tato práce se zabývá identifikací a modelováním budov vhodnou pro prediktivní řízení. Analyzuje množství identifikačních přístupů vzhledem k vhodnosti jejich použití pro modelování budov. Ty, které byly vybrány jako vhodné pro MPC, jsou analyzovány do detailu

Práce navrhuje nový modelovací přístup, který spájí detailní modelování pomocí SW pro návrh budov s black-box identifikacemi. Jedinečnost tohoto přístupu není jenom ve velikosti analyzovaného problému ale již v samotném způsobu získávaní modelu propojením několika výpočetních a simulačních nástrojů.

Většina průmyslových aplikací (budov nevyjímaje) jsou více rozměrové systémy, které mohou být identifikovány použitím znalosti o fyzice systému, nebo z naměřených dat využitím statistických metod. V současnosti existuje jenom jedna skupina metod, která je schopná poradit si s více rozměrovými systémy – 4SID metody. Tyto metody, jako ostatně všechny metody založené na statistickém zpracování dat, potřebují kvalitní data, především vybuzení vhodného řádu, malá chybovost dat a pod. Kombinace statistických metod a znalosti fyziky systému může významně zlepšit schopnosti identifikace budov. Práce představuje nový algoritmus, který řeší problém nedostatočného vybuzení dat prostřednictvím zahrnutí apriorní znalosti jako je např. Statické zesílení systémů, nebo ne-existence přímé vazby. Algoritmus přirozeně rozšiřuje původní pod-prostorový algoritmus přidáním několika řádků při tvorbě systémových matic.

U některých typu budov se dá využít znalost fyzikální struktury systému co vede k možné aplikaci další skupiny identifikačních metod, tvz. Grey-box metod. Cílem ale není jenom mít dobrý jednokrokovou predikci, ale vícekrokovou predikci na horizontu řízení. Tuto otázku řeší metoda vícekrokových predikcí, tvz. MRI. Některé zlepšení tyto metody jsou popsány v této práci.

V neposlední řadě se práce zabývá problémem výběru modelu. Často bývá příliš mnoho potenciálních vstupů nebo stavů analyzovaného systému a je potřeba se rozhodnout, které z nich zahrnout do modelu, aby kvalita výsledného modelu byla co největší. Práce nabízí řešení efektivního výběru vstupů a stavů, jakož i validaci výsledného modelu.