Privacy-aware Fully Model-Free Event-triggered Cloud-based HVAC Control
作者: Zhenan Feng, Ehsan Nekouei
分类: eess.SY
发布日期: 2024-10-08
💡 一句话要点
提出隐私保护的无模型事件触发云HVAC控制框架，降低通信和计算开销。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: HVAC控制 云计算 隐私保护 无模型控制 事件触发 楼宇自动化 加密控制
📋 核心要点
- 现有加密模型控制算法在云HVAC控制中计算开销大，实施复杂，导致云计算平台使用成本高昂。
- 提出一种加密的完全无模型事件触发云HVAC控制框架，在保障隐私的同时，降低通信和计算开销。
- 实验结果表明，相比加密模型方法，该框架在提升控制性能的同时，通信量减少64%，计算时间减少75%。
📝 摘要（中文）
在使用云计算平台进行楼宇自动化时，隐私是一个主要问题，因为这些平台可以利用建筑物的传感器测量值推断出诸如占用率之类的敏感信息。现有的加密模型控制算法虽然可以确保传感器测量的安全性和隐私性，但实现起来非常复杂，并且需要很高的计算资源，从而导致使用云计算平台的成本很高。为了解决这些问题，本文提出了一种加密的完全无模型事件触发云HVAC控制框架，该框架可确保占用信息的隐私，并最大限度地减少与加密HVAC控制相关的通信和计算开销。为此，我们首先开发了一种用于调节室内温度和CO2水平的无模型控制器。然后，我们设计了一个无模型事件触发单元，该单元使用最佳触发策略来降低加密HVAC控制的通信和计算成本。最后，我们使用TRNSYS模拟器评估了所提出的加密的完全无模型事件触发云HVAC控制框架的性能，并将其与使用模型预测控制来调节室内气候的加密的基于模型的事件触发控制框架进行了比较。数值结果表明，与加密的基于模型的方法相比，所提出的完全无模型框架提高了控制性能，同时降低了通信和计算成本。更具体地说，它减少了系统与云计算平台之间的通信量64%，并且其计算时间比基于模型的控制减少了75%。
🔬 方法详解
问题定义：论文旨在解决在云计算环境下，利用HVAC系统进行楼宇自动化控制时，如何保护用户隐私（如占用率），同时降低通信和计算开销的问题。现有基于模型的加密控制方法虽然能保护隐私，但计算复杂度高，部署成本高昂。
核心思路：论文的核心思路是采用完全无模型控制方法，避免对HVAC系统进行精确建模，从而降低计算复杂度。同时，引入事件触发机制，仅在必要时才进行数据传输和控制更新，从而降低通信开销。通过加密手段保护数据隐私。
技术框架：该框架包含三个主要模块：1) 无模型控制器：用于调节室内温度和CO2水平，无需系统模型。2) 无模型事件触发单元：基于最优触发策略，决定何时进行数据传输和控制更新。3) 加密通信模块：确保数据在传输过程中的隐私。整体流程是，传感器数据经过加密后，由事件触发单元决定是否上传到云端，云端无模型控制器根据接收到的数据进行控制决策，并将控制信号发送回HVAC系统。
关键创新：最重要的技术创新点在于将完全无模型控制与事件触发机制相结合，实现了在保证控制性能的同时，显著降低了通信和计算开销。与传统的基于模型的控制方法相比，该方法无需系统模型，降低了建模难度和计算复杂度。
关键设计：事件触发单元的设计是关键。论文采用了一种最优触发策略，该策略基于一定的阈值，只有当系统状态的变化超过该阈值时，才会触发数据传输和控制更新。具体的阈值设置可能涉及到对系统性能和通信开销的权衡。无模型控制器的具体设计（例如，采用何种无模型控制算法）以及加密算法的选择也是重要的技术细节，但摘要中未提及。
🖼️ 关键图片
📊 实验亮点
实验结果表明，与加密的基于模型的事件触发控制框架相比，该完全无模型框架在控制性能相当的情况下，将系统与云计算平台之间的通信量减少了64%，计算时间减少了75%。这表明该方法在降低通信和计算开销方面具有显著优势。
🎯 应用场景
该研究成果可应用于智能楼宇、智能家居等领域，尤其适用于对隐私保护有较高要求的场景。通过降低通信和计算开销，可以降低云计算平台的使用成本，促进HVAC系统的智能化和节能化。未来可扩展到其他类型的自动化控制系统，例如智能电网、智能交通等。
📄 摘要（原文）
Privacy is a major concern when computing-as-a-service (CaaS) platforms, e.g., cloud-computing platforms, are utilized for building automation, as CaaS platforms can infer sensitive information, such as occupancy, using the sensor measurements of a building. Although the existing encrypted model-based control algorithms can ensure the security and privacy of sensor measurements, they are highly complex to implement and require high computational resources, which result in a high cost of using CaaS platforms. To address these issues, in this paper, we propose an encrypted fully model-free event-triggered cloud-based HVAC control framework that ensures the privacy of occupancy information and minimizes the communication and computation overhead associated with encrypted HVAC control. To this end, we first develop a model-free controller for regulating indoor temperature and CO2 levels. We then design a model-free event-triggering unit which reduces the communication and computation costs of encrypted HVAC control using an optimal triggering policy. Finally, we evaluate the performance of the proposed encrypted fully model-free event-triggered cloud-based HVAC control framework using the TRNSYS simulator, comparing it to an encrypted model-based event-triggered control framework, which uses model predictive control to regulate the indoor climate. Our numerical results demonstrate that, compared to the encrypted model-based method, the proposed fully model-free framework improves the control performance while reducing the communication and computation costs. More specifically, it reduces the communication between the system and the CaaS platform by 64% amount, and its computation time is 75% less than that of the model-based control.