A moving horizon estimator for aquifer thermal energy storages

📄 arXiv: 2504.10203v3 📥 PDF

作者: Johannes van Randenborgh, Moritz Schulze Darup

分类: eess.SY

发布日期: 2025-04-14 (更新: 2025-11-04)

备注: European Control Conference 2025 (ECC), Thessaloniki, Greece

DOI: 10.23919/ECC65951.2025.11186974

💡 一句话要点

提出基于二次规划的移动 horizon 估计器，用于水文地热储能系统的状态估计。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 水文地热储能 状态估计 移动 horizon 估计 模型预测控制 二次规划 混合系统 能源效率

📋 核心要点

  1. 水文地热储能系统(ATES)的有效控制依赖于准确的状态估计，而现有方法难以处理其混合模型特性。
  2. 论文提出一种基于二次规划的移动 horizon 估计器，利用ATES模型的特定结构简化求解过程。
  3. 该方法旨在提高ATES系统状态估计的准确性，从而优化模型预测控制(MPC)并提升能源利用效率。

📝 摘要（中文）

水文地热储能(ATES)代表着地下水饱和的含水层，它以加热或冷却的地下水形式储存热能。结合两个ATES，可以利用夏季（热）和冬季（冷）的多余热能来支持建筑物的供暖、通风和空调(HVAC)技术。通常，全年动态运行ATES有利于避免使用基于化石燃料的HVAC技术，并最大限度地提高ATES的“绿色使用”。具有适当系统模型的模型预测控制(MPC)可能成为ATES系统的关键控制方法。因此，MPC模型应反映ATES钻孔周围的空间温度分布，以准确预测提取的地下水温度。然而，有意义的预测需要估计系统的当前状态，因为测量通常仅在ATES的钻孔处进行。在控制中，这通常由基于模型的观测器实现。然而，观测ATES系统的状态并非易事，因为该模型通常是混合的。我们展示了如何利用混合ATES模型的特定结构，并设计一个基于二次规划的易于求解的移动 horizon 估计器。

🔬 方法详解

问题定义：论文旨在解决水文地热储能(ATES)系统状态估计的问题。由于ATES系统模型通常是混合的，传统的观测器设计方法难以直接应用。现有的状态估计方法可能无法充分利用ATES模型的结构特性，导致估计精度不高，进而影响模型预测控制(MPC)的性能。

核心思路：论文的核心思路是利用ATES模型的特定结构，设计一个易于求解的移动 horizon 估计器。通过将状态估计问题转化为一个二次规划问题，可以有效地利用现有的优化算法进行求解，从而提高状态估计的效率和精度。移动 horizon 估计器能够考虑一段时间内的测量数据，从而更准确地估计当前状态。

技术框架：该方法主要包含以下几个步骤：1) 建立ATES系统的混合模型；2) 基于该模型，构建移动 horizon 估计器的目标函数，该目标函数通常包含状态预测误差和测量误差；3) 将目标函数转化为二次规划问题；4) 使用现有的二次规划求解器求解该问题，得到状态估计值。

关键创新：该论文的关键创新在于针对混合ATES模型，提出了一种基于二次规划的移动 horizon 估计器。该方法充分利用了ATES模型的结构特性，简化了状态估计问题的求解过程，避免了直接处理混合模型的复杂性。

关键设计：具体的技术细节包括：1) 如何选择合适的 horizon 长度，以平衡估计精度和计算复杂度；2) 如何设计目标函数中的权重系数，以平衡状态预测误差和测量误差；3) 如何选择合适的二次规划求解器，以提高求解效率。此外，还需要考虑如何处理模型的不确定性和噪声。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

论文重点在于提出了一种适用于混合ATES模型的移动 horizon 估计器，并将其转化为易于求解的二次规划问题。虽然摘要中没有明确提及实验结果和性能数据，但可以推断，该方法旨在提高状态估计的准确性和效率，从而改善ATES系统的控制性能。未来的研究可以进一步验证该方法在实际ATES系统中的性能，并与其他状态估计方法进行比较。

🎯 应用场景

该研究成果可应用于水文地热储能系统的优化控制，提高能源利用效率，降低对传统化石燃料的依赖。通过准确的状态估计，可以实现更精确的模型预测控制，从而优化ATES系统的运行策略，例如，在夏季储存热能，在冬季释放热能，以满足建筑物的供暖和制冷需求。该技术还有助于推广ATES系统的应用，促进可再生能源的利用。

📄 摘要（原文）

Aquifer thermal energy storages (ATES) represent groundwater saturated aquifers that store thermal energy in the form of heated or cooled groundwater. Combining two ATES, one can harness excess thermal energy from summer (heat) and winter (cold) to support the building's heating, ventilation, and air conditioning (HVAC) technology. In general, a dynamic operation of ATES throughout the year is beneficial to avoid using fossil fuel-based HVAC technology and maximize the ``green use'' of ATES. Model predictive control (MPC) with an appropriate system model may become a crucial control approach for ATES systems. Consequently, the MPC model should reflect spatial temperature profiles around ATES' boreholes to predict extracted groundwater temperatures accurately. However, meaningful predictions require the estimation of the current state of the system, as measurements are usually only at the borehole of the ATES. In control, this is often realized by model-based observers. Still, observing the state of an ATES system is non-trivial, since the model is typically hybrid. We show how to exploit the specific structure of the hybrid ATES model and design an easy-to-solve moving horizon estimator based on a quadratic program.