Model predictive control lowers barriers to adoption of heat-pump water heaters: A field study

📄 arXiv: 2510.12955v1 📥 PDF

作者: Levi D. Reyes Premer, Elias N. Pergantis, Leo Semmelmann, Davide Ziviani, Kevin J. Kircher

分类: eess.SY

发布日期: 2025-10-14

💡 一句话要点

提出基于模型预测控制的120V热泵热水器方案，降低安装成本并优化能耗

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 模型预测控制 热泵热水器 能源效率 机器学习预测 智能家居

📋 核心要点

  1. 传统热泵热水器依赖240V电路，安装成本高昂，限制了其普及。
  2. 论文提出基于模型预测控制的120V热泵热水器方案，无需电阻加热元件即可维持舒适度。
  3. 实验结果表明，该方案能有效降低能耗和运行成本，并在经济性上具有吸引力。

📝 摘要（中文）

本文提出了一种新型控制系统，旨在降低热泵热水器（HPWHs）的普及门槛。当前HPWHs通常需要240V电路，增加了安装成本。该研究开发并现场测试了首个能够使120V HPWH在不使用电阻加热元件的情况下有效保持舒适度的控制系统。该系统采用模型预测控制（MPC），通过机器学习预测用水量，提前进行预热。与采用标准控制的240V HPWH相比，MPC系统在分时电价和小时电价下分别降低了23%和28%的能源成本。与120V HPWH中常见的将水储存在恒定高温（60°C）的做法相比，MPC平均节省37%的能源。除了在实际住宅中验证MPC的优势外，本文还讨论了实施挑战和成本。简单的投资回报分析表明，采用本文开发的MPC系统运行的120V HPWH在大多数安装场景中具有经济吸引力。

🔬 方法详解

问题定义：论文旨在解决热泵热水器（HPWH）普及率低的问题。目前，大多数HPWH需要240V电路来驱动备用电阻加热元件，以应对大量用水情况下的温度维持。然而，安装240V电路会显著增加HPWH的初始成本，成为普及的主要障碍。因此，如何在120V电路下，不依赖电阻加热元件，实现HPWH的舒适性和能效是本研究要解决的核心问题。

核心思路：论文的核心思路是利用模型预测控制（MPC）技术，通过预测用水需求，提前对水进行预热，从而避免在用水高峰期依赖电阻加热。通过将电负荷在时间上进行转移，不仅可以降低能源成本，还能在120V电路下实现与240V HPWH相当的性能。

技术框架：该控制系统的整体框架包括以下几个主要模块：1) 用水量预测模块：使用机器学习算法（集成学习）预测未来的用水量。2) 模型预测控制模块：基于用水量预测结果，优化HPWH的运行策略，包括何时进行预热、加热到什么温度等。3) 实时控制模块：根据MPC的优化结果，控制HPWH的压缩机运行，实现精确的温度控制。

关键创新：该论文的关键创新在于将模型预测控制应用于120V HPWH，实现了在不使用电阻加热元件的情况下，维持舒适度的目标。与传统的恒温控制方法相比，MPC能够根据用水需求进行动态调整，从而显著降低能耗。此外，论文还提出了一种基于机器学习的用水量预测方法，提高了预测的准确性。

关键设计：用水量预测模块采用了集成学习方法，具体使用的算法未知。MPC模块的目标函数旨在最小化能源成本，同时满足用户对水温的需求。控制周期和预测时域等参数的选择需要根据具体的应用场景进行调整。论文中没有明确给出损失函数和网络结构的具体细节，这部分信息未知。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，与采用标准控制的240V HPWH相比，该MPC系统在分时电价和小时电价下分别降低了23%和28%的能源成本。与120V HPWH中常见的将水储存在恒定高温（60°C）的做法相比，MPC平均节省37%的能源。简单的投资回报分析表明，采用该MPC系统运行的120V HPWH在大多数安装场景中具有经济吸引力。

🎯 应用场景

该研究成果可广泛应用于家庭热水系统，尤其是在电力基础设施相对薄弱或安装240V电路成本较高的地区。通过降低热泵热水器的安装成本和运行费用，有助于提高其普及率，从而减少能源消耗和碳排放。此外，该技术还可推广到其他家用电器，实现智能化的能源管理。

📄 摘要（原文）

Electric heat-pump water heaters (HPWHs) could reduce the energy costs, emissions, and power grid impacts associated with water heating, the second-largest energy use in United States housing. However, most HPWHs today require 240 V circuits to power the backup resistance heating elements they use to maintain comfort during large water draws. Installing a 240 V circuit can increase the up-front cost of a HPWH by half or more. This paper develops and field-tests the first control system that enables a 120 V HPWH to efficiently maintain comfort without resistance heating elements. The novel model predictive control (MPC) system enables pre-heating in anticipation of large water draws, which it forecasts using an ensemble of machine learning predictors. By shifting electrical load over time, MPC also reduces energy costs on average by 23% and 28% under time-of-use pricing and hourly pricing, respectively, relative to a 240 V HPWH with standard controls. Compared to the increasingly common practice in 120 V HPWHs of storing water at a constant, high temperature (60 °C) to ensure comfort, MPC saves 37% energy on average. In addition to demonstrating MPC's benefits in a real, occupied house, this paper discusses implementation challenges and costs. A simple payback analysis suggests that a 120 V HPWH, operated by the MPC system developed here, would be economically attractive in most installation scenarios.