Which price to pay? Auto-tuning building MPC controller for optimal economic cost

📄 arXiv: 2501.10859v1 📥 PDF

作者: Jiarui Yu, Jicheng Shi, Wenjie Xu, Colin N. Jones

分类: eess.SY, cs.LG, math.OC

发布日期: 2025-01-18

备注: 15 pages, 9 figures

💡 一句话要点

提出基于CONFIG的建筑MPC控制器自动调参方法，优化经济成本。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 模型预测控制 贝叶斯优化 超参数调优 智能建筑 需求侧管理

📋 核心要点

  1. 传统建筑控制器设计缺乏超参数优化，导致性能受环境干扰和建模误差影响，经济性欠佳。
  2. 提出基于CONFIG算法的建筑MPC控制器自动调参方法，在全局最优保证下优化控制器性能。
  3. 实验表明，优化后的简单MPC控制器可显著降低用电成本，并验证了选择合适电力合同的重要性。

📝 摘要（中文）

本文针对建筑模型预测控制（MPC）控制器性能严重依赖超参数的问题，提出了一种高效的、面向性能的建筑MPC控制器调参方法。该方法基于一种先进的、高效的约束贝叶斯优化算法CONFIG，并具有全局最优性保证。研究表明，该技术可以有效地解决在定制黑盒约束和目标下的实际需求侧管理（DSM）项目选择问题。通过优化一个简单的MPC控制器，使其性能与精心设计且计算量大的MPC控制器相当，从而降低调试成本并提高计算效率。结果表明，与基于规则的基本控制器相比，优化后的简单MPC可以将家庭的月用电成本降低高达26.90%。此外，研究还比较了比利时家庭的12种真实电力合同，结果表明，选择最经济的合同相比最差的合同，每月电费可节省高达20.18%，突显了选择合适的电力合同的重要性。

🔬 方法详解

问题定义：论文旨在解决建筑MPC控制器中超参数手动调整耗时且效果不佳的问题。现有方法通常采用开环设计，缺乏对超参数的优化，导致控制器性能受环境扰动和建模误差影响，无法适应不同的电价方案，从而造成经济上的损失。

核心思路：论文的核心思路是利用贝叶斯优化算法CONFIG自动调整MPC控制器的超参数，以最小化用电成本，同时满足用户舒适度等约束条件。CONFIG算法能够有效地处理约束优化问题，并保证全局最优性，从而找到最佳的超参数组合。

技术框架：该方法主要包含以下几个模块：1) 建筑环境模型：用于模拟建筑的温度变化和能耗情况；2) MPC控制器：根据建筑环境模型和设定的目标，计算控制策略；3) CONFIG优化器：用于自动调整MPC控制器的超参数，以最小化用电成本；4) 约束条件：包括用户舒适度约束、设备运行约束等。整个流程是，CONFIG优化器根据建筑环境模型和约束条件，生成一组超参数，MPC控制器根据这些超参数计算控制策略，然后评估该策略的用电成本和舒适度，CONFIG优化器根据评估结果更新超参数，重复上述过程，直到找到最佳的超参数组合。

关键创新：该方法的关键创新在于将CONFIG算法应用于建筑MPC控制器的超参数优化。CONFIG算法是一种高效的约束贝叶斯优化算法，能够有效地处理高维、非凸的优化问题，并保证全局最优性。此外，该方法还考虑了实际应用中的各种约束条件，如用户舒适度约束、设备运行约束等，使得优化结果更加实用。

关键设计：论文中使用的MPC控制器是一个简单的模型，旨在降低调试成本和提高计算效率。CONFIG算法的关键参数包括探索-利用平衡参数、核函数参数等。约束条件的设计需要根据实际应用场景进行调整，例如，用户舒适度约束可以设置为室内温度在一定范围内波动。

🖼️ 关键图片

img_0

📊 实验亮点

实验结果表明，与基于规则的基本控制器相比，优化后的简单MPC可以将家庭的月用电成本降低高达26.90%。在比较比利时12种真实电力合同时，选择最经济的合同相比最差的合同，每月电费可节省高达20.18%。这些结果验证了该方法的有效性和实用性。

🎯 应用场景

该研究成果可应用于智能建筑、智慧城市等领域，通过自动优化建筑控制策略，降低能源消耗，提高能源利用效率，并为用户提供更加舒适的居住环境。此外，该方法还可以应用于需求侧管理，帮助用户选择最经济的电力合同，从而降低用电成本，具有重要的经济和社会价值。

📄 摘要（原文）

Model predictive control (MPC) controller is considered for temperature management in buildings but its performance heavily depends on hyperparameters. Consequently, MPC necessitates meticulous hyperparameter tuning to attain optimal performance under diverse contracts. However, conventional building controller design is an open-loop process without critical hyperparameter optimization, often leading to suboptimal performance due to unexpected environmental disturbances and modeling errors. Furthermore, these hyperparameters are not adapted to different pricing schemes and may lead to non-economic operations. To address these issues, we propose an efficient performance-oriented building MPC controller tuning method based on a cutting-edge efficient constrained Bayesian optimization algorithm, CONFIG, with global optimality guarantees. We demonstrate that this technique can be applied to efficiently deal with real-world DSM program selection problems under customized black-box constraints and objectives. In this study, a simple MPC controller, which offers the advantages of reduced commissioning costs, enhanced computational efficiency, was optimized to perform on a comparable level to a delicately designed and computationally expensive MPC controller. The results also indicate that with an optimized simple MPC, the monthly electricity cost of a household can be reduced by up to 26.90% compared with the cost when controlled by a basic rule-based controller under the same constraints. Then we compared 12 real electricity contracts in Belgium for a household family with customized black-box occupant comfort constraints. The results indicate a monthly electricity bill saving up to 20.18% when the most economic contract is compared with the worst one, which again illustrates the significance of choosing a proper electricity contract.