Economic versus energetic model predictive control of a cold production plant with thermal energy storage
作者: Manuel G. Satué, Manuel R. Arahal, Luis F. Acedo, Manuel G. Ortega
分类: eess.SY
发布日期: 2025-12-18
备注: 14 pages
期刊: Applied Thermal Engineering 210 (2022) 118309
DOI: 10.1016/j.applthermaleng.2022.118309
💡 一句话要点
对比经济与能量优化目标，提出冷库生产的预测控制策略
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 模型预测控制 能量优化 经济优化 冷库生产 热能存储
📋 核心要点
- 传统冷却工厂的控制策略主要关注经济成本，忽略了能量消耗，可能导致能源浪费。
- 本文提出了一种基于模型预测控制的能量优化方法，并与经济优化方法进行对比分析。
- 实验结果表明，在高用电季节，能量优化方法虽然能耗略有增加，但可以显著降低成本。
📝 摘要（中文）
本文针对多冷水机组冷却工厂的单元负荷和单元分配问题，提出了一种经济模型预测控制方法。经济性体现在时间范围内电力消耗的财务成本，并在每个采样周期最小化损失函数。而能量优化方法则较少被研究。本文首次对能量优化目标和经济优化目标进行了比较，研究对象为一个使用风冷冷水机组和冷存储系统的冷却工厂。所开发的模型已集成到Simscape中，并使用非凸混合优化方法来实现能量和经济目标的最佳控制轨迹。在不同季节的多种场景下的结果表明，尽管目前经济优化方法占主导地位，但能量优化方法也值得考虑。结果取决于用电季节和可用的电价。特别是，在高用电季节并考虑代表性电价时，使用经济优化方法代替能量优化方法会导致能耗增加约2.15%，但成本降低2.94%。
🔬 方法详解
问题定义：论文旨在解决多冷水机组冷却工厂的单元负荷和单元分配问题。现有方法主要采用经济模型预测控制，即以电力消耗的财务成本为优化目标，忽略了能量消耗本身。这种方法在高电价时段可能导致能源浪费，并非全局最优解。
核心思路：论文的核心思路是将能量消耗作为优化目标，与传统的经济成本优化目标进行对比。通过模型预测控制，在满足冷却需求的前提下，最小化能量消耗，从而提高能源利用效率。论文旨在评估在不同电价和季节下，能量优化与经济优化之间的差异，为冷却工厂的控制策略选择提供依据。
技术框架：论文的技术框架主要包括以下几个部分：1) 建立冷却工厂的数学模型，包括冷水机组、冷存储系统等组件的模型；2) 设计基于模型预测控制的能量优化器，以能量消耗为优化目标；3) 设计基于模型预测控制的经济优化器，以电力成本为优化目标；4) 在Simscape环境中进行仿真实验，对比两种优化器的性能。
关键创新：论文的关键创新在于首次将能量优化目标引入多冷水机组冷却工厂的控制策略中，并与传统的经济优化目标进行对比分析。通过实验证明，在特定条件下，能量优化可以降低能源消耗，提高能源利用效率。此外，论文还使用了非凸混合优化方法来求解模型预测控制问题，提高了优化效率。
关键设计：论文的关键设计包括：1) 冷却工厂的数学模型，需要准确描述各个组件的动态特性；2) 模型预测控制器的设计，包括预测模型、优化目标、约束条件等；3) 非凸混合优化算法的选择，需要保证优化效率和求解精度。论文使用了Simscape进行建模和仿真，并针对具体的冷却工厂参数进行了调整。
🖼️ 关键图片
📊 实验亮点
在高用电季节，使用经济优化方法相比能量优化方法，能耗增加约2.15%，但成本降低2.94%。这表明在电价较高时，经济优化策略更具优势。研究结果强调了在不同电价和季节下，选择合适的优化目标的重要性，为冷却工厂的控制策略提供了参考。
🎯 应用场景
该研究成果可应用于各种需要冷却系统的工业场景，例如数据中心、大型商业建筑、区域供冷系统等。通过选择合适的优化目标（经济或能量），可以根据实际需求实现成本节约或能源效率提升，具有重要的实际应用价值和节能减排潜力。
📄 摘要（原文）
Economic model predictive control has been proposed as a means for solving the unit loading and unit allocation problem in multi-chiller cooling plants. The adjective economic stems from the use of financial cost due to electricity consumption in a time horizon, such is the loss function minimized at each sampling period. The energetic approach is rarely encountered. This article presents for the first time a comparison between the energetic optimization objective and the economic one. The comparison is made on a cooling plant using air-cooled water chillers and a cold storage system. Models developed have been integrated into Simscape, and non-convex mixed optimization methods used to achieve optimal control trajectories for both energetic and economic goals considered separately. The results over several scenarios, and in different seasons, support the consideration of the energetic approach despite the current prevalence of the economic one. The results are dependent on the electric season and the available tariffs. In particular, for the high electric season and considering a representative tariff, the results show that an increment of about 2.15% in energy consumption takes place when using the economic approach instead of the energetic one. On the other hand, a reduction in cost of 2.94% is achieved.