Model Predictive Control for Dynamic Hydraulic Balancing in Building Radiator Heating Systems: Modeling, Design, and Experimental Validation
作者: Erfan Shakhesi, Maurice Heemels, Paula Chanfreut
分类: eess.SY, math.OC
发布日期: 2026-09-08
💡 一句话要点
提出动态水力平衡的模型预测控制以优化建筑散热器供暖系统
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 水力平衡 模型预测控制 建筑供暖 热舒适度 能耗优化 灰箱模型 散热器系统
📋 核心要点
- 现有控制方法通常假设散热器热输出相互独立，忽略了水力耦合的影响，导致舒适度和能效降低。
- 本文提出了一种灰箱热模型，考虑散热器间的水力相互作用，并将其集成到动态水力平衡的模型预测控制框架中。
- 实验结果表明，所提MPC方案相比传统方法显著减少了舒适度范围违规，且能耗保持在相似水平。
📝 摘要（中文）
水力散热器系统是建筑中广泛使用的供暖系统。现有文献中，散热器的热输出常被假设为相互独立且可随意调整。然而，实际中散热器由一个或多个共同热源供给，并通过水循环系统水力耦合。因此，在多区域建筑中，维持居住者的舒适度不仅需要适当的供水温度，还需合理的水力平衡，以根据各区域的供暖需求分配水流。为此，本文开发了一种灰箱热模型，捕捉散热器间的水力相互作用及散热器阀门、循环泵和热源的影响。实验证明，考虑水力相互作用后，测量与模型区域温度之间的均方根误差（RMSE）减少了约11%。此外，我们将该模型整合到动态水力平衡的模型预测控制（MPC）框架中，优化阀门开度和供水温度，以维持各区域的热舒适度并降低能耗。通过实际实验和数值案例研究，结果显示，与忽略水力相互作用或不控制散热器阀门的现有MPC方案相比，所提MPC至少减少了27%的舒适度范围违规，同时需要的累计供水温度相似或更低。
🔬 方法详解
问题定义：本文旨在解决建筑散热器供暖系统中水力耦合对热舒适度和能效的影响。现有方法往往忽略散热器间的相互作用，导致控制效果不佳。
核心思路：论文提出了一种灰箱热模型，通过考虑散热器之间的水力相互作用，优化阀门开度和供水温度，以实现动态水力平衡，从而提高热舒适度和降低能耗。
技术框架：整体架构包括灰箱热模型的建立、模型预测控制（MPC）框架的设计，以及通过实时数据反馈进行动态调整。主要模块包括热模型、控制算法和反馈机制。
关键创新：最重要的技术创新在于将水力相互作用纳入模型预测控制中，显著提升了控制精度和系统响应能力，与传统方法相比具有本质区别。
关键设计：关键设计包括模型参数的选择、损失函数的定义，以及控制算法的实现细节，确保系统能够实时响应各区域的热需求变化。具体参数设置和网络结构在论文中详细描述。
🖼️ 关键图片
📊 实验亮点
实验结果显示，所提模型预测控制方案相比于传统方法，舒适度范围违规减少了至少27%，同时在能耗上保持相似或更低的累计供水温度，验证了其有效性和优越性。
🎯 应用场景
该研究的潜在应用领域包括建筑供暖系统的优化设计和智能控制，能够有效提升居住者的舒适度和降低能耗。未来，该方法可推广至其他类型的热管理系统，如工业加热和空调系统，具有广泛的实际价值。
📄 摘要（原文）
Hydronic radiator systems are among the most widely used heating systems in buildings. In the literature, radiator heat outputs are often assumed to be independent of one another and arbitrarily adjustable in time when designing controllers. However, in practice, radiators are supplied by one or multiple common heat sources and are hydraulically coupled through the water circulation system. Maintaining occupant comfort in multi-zone buildings therefore requires not only an appropriate supply temperature but also proper hydraulic balancing to distribute the available water flow according to the heating demand of each zone. To this end, we develop a grey-box thermal model that captures the hydraulic interactions among radiators and the effects of radiator valves, circulation pumps, and heat sources. In a real building, we show that accounting for hydraulic interactions reduces the root mean square error (RMSE) between the measured and modeled zone temperatures by approximately 11% compared with a model that neglects these interactions. Additionally, we integrate the developed model into a model predictive control (MPC) framework for dynamic hydraulic balancing that jointly optimizes valve openings and the supply temperature to maintain thermal comfort in each zone while reducing energy consumption. Through both real-world experiments and numerical case studies, we demonstrate that, compared with existing MPC formulations that neglect hydraulic interactions or do not control radiator valves, the proposed MPC reduces comfort-range violations by at least 27% while requiring a similar or even lower cumulative supply temperature.