MPC for Aquifer Thermal Energy Storage Systems Using ARX Models

📄 arXiv: 2509.10154v1 📥 PDF

作者: Johannes van Randenborgh, Moritz Schulze Darup

分类: eess.SY

发布日期: 2025-09-12

备注: 16th INDUSCON 2025 in Sao Sebastiao, Brazil

💡 一句话要点

提出基于ARX模型的MPC方法，用于优化地下含水层热能储存系统。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 含水层热能储存 模型预测控制 自回归模型 能源优化 地下水 HVAC系统 ARX模型 二次规划

📋 核心要点

  1. ATES系统控制复杂，传统方法难以准确预测地下温度变化，影响控制效果。
  2. 论文提出基于ARX模型的MPC控制方案，利用输入输出数据直接建模，避免复杂的状态估计。
  3. 数值实验验证了ARX预测器的准确性，并展示了所提出的控制器良好的性能表现。

📝 摘要（中文）

含水层热能储存（ATES）系统能够减少建筑供暖、通风和空调（HVAC）系统的二氧化碳排放。ATES系统通常将大量热能储存在地下水饱和的含水层中，一般包含两个储能单元（分别用于储存热能和冷能），并辅助HVAC系统进行供暖和制冷，从而降低已安装的、通常是基于化石燃料的HVAC组件的运行负荷和排放。ATES系统的控制具有挑战性，已经有多种控制方案被提出，包括模型预测控制（MPC）。本文提出了一种轻量级的、基于输入-输出数据的自回归外生输入（ARX）模型，用于描述混合ATES系统的动态特性。该ARX模型支持设计基于输出的MPC方案，从而得到易于求解的二次规划问题，并避免了对地下温度进行具有挑战性的状态估计。数值研究讨论了ARX预测器的准确性和控制器性能。

🔬 方法详解

问题定义：论文旨在解决含水层热能储存（ATES）系统的优化控制问题。现有的控制方法，特别是依赖状态空间模型的MPC，需要对地下温度进行准确的状态估计，这通常非常困难且计算成本高昂。状态估计的误差会直接影响控制性能，导致能源浪费和系统效率降低。因此，需要一种更简单、更鲁棒的控制方法，能够直接利用可测量的输入输出数据进行控制决策。

核心思路：论文的核心思路是利用自回归外生输入（ARX）模型来直接描述ATES系统的动态特性。ARX模型是一种基于输入输出数据的线性模型，它将系统的输出表示为过去输出和输入的线性组合。通过使用ARX模型，可以避免对复杂的地下温度场进行建模和状态估计，从而简化控制器的设计和实现。

技术框架：整体框架包括以下几个主要步骤：1) 收集ATES系统的输入输出数据，例如注入和抽取的水量、温度等；2) 利用收集到的数据训练ARX模型，确定模型的参数；3) 基于训练好的ARX模型，设计模型预测控制器（MPC）。MPC通过预测系统未来的输出，并优化控制输入，以实现预定的控制目标，例如最小化能源消耗或维持期望的温度。由于ARX模型是线性的，因此MPC问题可以转化为一个易于求解的二次规划问题。

关键创新：论文的关键创新在于将ARX模型应用于ATES系统的MPC控制。与传统的基于状态空间模型的MPC相比，该方法不需要进行复杂的状态估计，从而降低了计算成本和提高了鲁棒性。此外，ARX模型可以直接从输入输出数据中学习系统的动态特性，而无需对物理过程进行深入的建模。

关键设计：ARX模型的阶数（即过去输入输出的个数）需要根据系统的动态特性进行选择。论文中可能采用了交叉验证等方法来选择合适的模型阶数。MPC的控制目标通常包括最小化能源消耗、维持期望的温度等。这些目标可以通过定义合适的代价函数来实现。由于ARX模型是线性的，因此MPC问题可以转化为一个二次规划问题，可以使用现成的优化求解器进行求解。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

论文通过数值研究验证了所提出的ARX-MPC控制方案的有效性。实验结果表明，ARX预测器能够准确预测ATES系统的输出，并且基于ARX模型的MPC控制器能够有效地优化系统的运行，降低能源消耗。具体的性能数据（例如，能源消耗降低的百分比）需要在论文中查找。

🎯 应用场景

该研究成果可应用于实际的ATES系统，优化其运行控制，提高能源利用效率，降低碳排放。通过更精确的控制，可以减少对传统化石燃料的依赖，促进可再生能源的利用。该方法还可推广到其他类型的热能储存系统，具有广泛的应用前景。

📄 摘要（原文）

An aquifer thermal energy storage (ATES) can mitigate CO2 emissions of heating, ventilation, and air conditioning (HVAC) systems for buildings. In application, an ATES keeps large quantities of thermal energy in groundwater-saturated aquifers. Normally, an ATES system comprises two (one for heat and one for cold) storages and supports the heating and cooling efforts of simultaneously present HVAC system components. This way, the operation and emissions of installed and, usually, fossil fuel-based components are reduced. The control of ATES systems is challenging, and various control schemes, including model predictive control (MPC), have been proposed. In this context, we present a lightweight input-output-data-based autoregressive with exogenous input (ARX) model of the hybrid ATES system dynamics. The ARX model allows the design of an output-based MPC scheme, resulting in an easy-to-solve quadratic program and avoiding challenging state estimations of ground temperatures. A numerical study discusses the accuracy of the ARX predictor and controller performance.