Designing model predictive control strategies for grid-interactive water heaters for load shifting applications
作者: Elizabeth Buechler, Aaron Goldin, Ram Rajagopal
分类: eess.SY
发布日期: 2024-08-05
💡 一句话要点
针对电网互动热水器，设计模型预测控制策略以实现负荷转移
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 模型预测控制 负荷转移 热水器 智能家居 能源管理 用水量估计 动态电价
📋 核心要点
- 现有住宅热水器负荷转移策略对算法设计敏感，缺乏系统性的设计框架。
- 本文构建了一个MPC框架，并分析了控制模型、传感器配置、用水量估计和预测方法对性能的影响。
- 实验表明，控制模型保真度和传感器数量对成本影响大，用水量预测影响热舒适性。
📝 摘要（中文）
本文提出了一种针对住宅热水器进行负荷转移的模型预测控制（MPC）策略框架，以响应动态价格信号。该策略的性能对算法设计选择非常敏感。本文利用该框架分析了四个设计因素如何影响控制性能和热舒适性：(i)控制模型保真度，(ii)温度传感器配置，(iii)用水量估计方法，以及(iv)用水量预测方法。我们提出了一种无需流量计即可估计用水模式的新方法。通过使用高保真水箱模型和真实用水数据进行仿真，在两种不同的时变价格信号下比较了MPC策略。结果表明，控制模型保真度和温度传感器数量对电力成本影响最大，而用水量预测方法对热舒适性和断水事件的频率有显著影响。研究结果为家庭能源管理系统中热水器的有效MPC设计提供了实践指导。
🔬 方法详解
问题定义：论文旨在解决住宅热水器如何有效进行负荷转移的问题，以响应动态电价信号。现有方法缺乏系统性的设计框架，且性能受多种因素影响，例如控制模型精度、传感器配置以及用水量预测的准确性。这些因素的相互作用使得设计有效的MPC策略变得复杂。
核心思路：论文的核心思路是构建一个通用的MPC框架，并系统地分析不同设计因素对控制性能和用户体验的影响。通过仿真实验，评估不同设计选择的优劣，从而为实际应用提供指导。特别地，论文还提出了一种无需流量计的用水量估计方法，降低了系统部署的成本。
技术框架：整体框架包括以下几个主要模块：1) 高保真水箱模型，用于模拟热水器的真实运行状态；2) MPC控制器，根据电价信号和用水量预测，优化热水器的加热策略；3) 用水量估计模块，用于在没有流量计的情况下估计用水模式；4) 用水量预测模块，用于预测未来的用水量。该框架通过仿真实验，评估不同设计因素对电力成本、热舒适性和断水事件频率的影响。
关键创新：论文的关键创新在于：1) 系统性地分析了多种设计因素对MPC性能的影响，为实际应用提供了有价值的指导；2) 提出了一种无需流量计的用水量估计方法，降低了系统部署的成本。这种方法基于温度传感器数据，通过算法推断用水模式，具有一定的实用性。
关键设计：论文的关键设计包括：1) 考虑了不同保真度的控制模型，包括简化模型和高精度模型；2) 评估了不同数量和位置的温度传感器配置；3) 比较了不同的用水量估计和预测方法，包括基于历史数据的简单方法和更复杂的统计模型；4) 使用了两种不同的时变电价信号进行仿真，以评估策略在不同市场环境下的性能。
🖼️ 关键图片
📊 实验亮点
实验结果表明，控制模型保真度和温度传感器数量对电力成本影响最大，高保真模型和更多传感器能显著降低用电成本。用水量预测方法对热舒适性和断水事件的频率有显著影响，更准确的预测能有效减少断水事件。该研究为实际应用中MPC策略的设计提供了重要的参考依据。
🎯 应用场景
该研究成果可应用于智能家居能源管理系统，帮助用户降低热水器的用电成本，并提高能源利用效率。通过优化热水器的运行策略，可以实现负荷转移，缓解电网的峰值负荷压力，促进可再生能源的消纳。此外，无需流量计的用水量估计方法降低了系统部署成本，使其更易于推广。
📄 摘要（原文）
Model predictive control (MPC) strategies allow residential water heaters to shift load in response to dynamic price signals. Crucially, the performance of such strategies is sensitive to various algorithm design choices. In this work, we develop a framework for implementing model predictive controls on residential water heaters for load shifting applications. We use this framework to analyze how four different design factors affect control performance and thermal comfort: (i) control model fidelity, (ii) temperature sensor configuration, (iii) water draw estimation methodology, and (iv) water draw forecasting methodology. We propose new methods for estimating water draw patterns without the use of a flow meter. MPC strategies are compared under two different time-varying price signals through simulations using a high-fidelity tank model and real-world draw data. Results show that control model fidelity and the number of temperature sensors have the largest impact on electricity costs, while the water draw forecasting methodology has a significant impact on thermal comfort and the frequency of runout events. Results provide practical insight into effective MPC design for water heaters in home energy management systems.