Optimal Operation of a Building with Electricity-Heat Networks and Seasonal Storage

📄 arXiv: 2409.08721v1 📥 PDF

作者: Eléa Prat, Pierre Pinson, Richard M. Lusby, Riwal Plougonven, Jordi Badosa, Philippe Drobinski

分类: eess.SY, math.OC

发布日期: 2024-09-13

DOI: 10.1109/ISGTEUROPE62998.2024.10863412

💡 一句话要点

针对含电-热网络和季节性储能建筑，提出基于MPC的优化运行策略

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 模型预测控制 季节性储能 电-热网络 建筑能源管理 优化运行

📋 核心要点

  1. 现有建筑能源系统优化方法难以有效处理季节性储能带来的长时程依赖和复杂性。
  2. 提出一种基于模型预测控制（MPC）的优化策略，并结合历史数据设定热存储目标。
  3. 实验表明，使用6天预测范围的MPC策略，其性能接近全范围优化，且优于传统方法。

📝 摘要（中文）

季节性热能存储作为一种降低建筑物二氧化碳排放的有效方案正在兴起，但其优化运行面临挑战。在包含短期电力存储、长期热能存储，以及通过热泵连接电力和热力网络的系统中，对系统进行双时间尺度运行至关重要。本文基于某大学建筑的真实数据，模拟了该系统一年的运行情况，并比较了基于模型预测控制（MPC）的不同策略。本文的首要目标是确定最小预测范围，以获得成本最小化的全范围运行问题的结果。第二个目标是评估一种将MPC与基于历史数据设置预测范围结束时热存储水平目标相结合的方法。结果表明，对于6天的预测范围，与全范围结果的次优差距为4.31%，而使用42天的预测范围并将最终水平设置为等于初始水平（一种常用方法）时，次优差距为11.42%。

🔬 方法详解

问题定义：论文旨在解决具有电力-热网络和季节性储能的建筑的优化运行问题。现有方法，例如固定最终储能水平的MPC，无法充分利用季节性储能的潜力，导致次优的能源管理策略。长预测范围虽然理论上更优，但计算成本高昂。因此，需要在计算复杂度和优化性能之间找到平衡。

核心思路：论文的核心思路是利用模型预测控制（MPC）框架，并结合历史数据来设定预测范围结束时的热存储目标。通过这种方式，MPC可以在较短的预测范围内有效地捕捉到季节性储能的长时程影响，从而在降低计算成本的同时，提高优化性能。

技术框架：整体框架包括以下几个主要模块：1) 建筑能源系统的建模，包括电力网络、热力网络、热泵、短期电力存储和长期热能存储；2) 基于历史数据的热存储目标设定模块，该模块根据历史数据预测预测范围结束时最佳的热存储水平；3) 模型预测控制（MPC）优化器，该优化器以成本最小化为目标，考虑建筑能源系统的约束和热存储目标，计算最优的控制策略。

关键创新：论文的关键创新在于将MPC与基于历史数据的热存储目标设定相结合。这种方法允许MPC在较短的预测范围内有效地利用季节性储能，从而在计算复杂度和优化性能之间取得更好的平衡。与传统的MPC方法相比，该方法能够更好地捕捉到季节性储能的长时程影响。

关键设计：关键设计包括：1) 预测范围的选择，论文通过实验确定了最佳的预测范围为6天；2) 热存储目标的设定，论文使用历史数据来预测预测范围结束时最佳的热存储水平；3) 成本函数的设计，论文使用成本最小化作为目标函数，并考虑了电力和热力的价格。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，使用6天预测范围的MPC策略，与全范围优化结果的次优差距仅为4.31%。相比之下，使用42天预测范围并将最终水平设置为等于初始水平的传统方法，次优差距高达11.42%。这表明所提出的方法能够在较短的预测范围内实现接近全范围优化的性能，显著降低了计算成本。

🎯 应用场景

该研究成果可应用于具有电-热网络和季节性储能的建筑能源管理系统，例如大学校园、工业园区和社区供能系统。通过优化能源系统的运行，可以降低能源成本、减少碳排放，并提高能源利用效率。该方法有助于推动可再生能源的利用，实现可持续的能源发展。

📄 摘要（原文）

As seasonal thermal energy storage emerges as an efficient solution to reduce CO2 emissions of buildings, challenges appear related to its optimal operation. In a system including short-term electricity storage, long-term heat storage, and where electricity and heat networks are connected through a heat pump, it becomes crucial to operate the system on two time scales. Based on real data from a university building, we simulate the operation of such a system over a year, comparing different strategies based on model predictive control (MPC). The first objective of this paper is to determine the minimum prediction horizon to retrieve the results of the full-horizon operation problem with cost minimization. The second objective is to evaluate a method that combines MPC with setting targets on the heat storage level at the end of the prediction horizon, based on historical data. For a prediction horizon of 6 days, the suboptimality gap with the full-horizon results is 4.31%, compared to 11.42% when using a prediction horizon of 42 days and fixing the final level to be equal to the initial level, which is a common approach.