Upravljanje i unaprjeđenja dinamičkih toplinskih

Transcription

1 Upravljanje i unaprjeđenja dinamičkih toplinskih modela građevina Filip Belić, dipl. ing el., TEO Belišće d.o.o. prof. dr. sc. ŽŽeljko Hocenski, ETFOS izv. prof. dr. sc. Dražen Slišković, ETFOS

2 Predstavljanje Energija, građevine i HVAC sustavi Sdžj Sadržaj prezentacije Modelsko prediktivno upravljanje (MPC) Toplinski modeli građevina korišteni u MPC u Hibridni toplinski modeli i istraživanja Plan istraživanja

3 Predstavljanje j Vanjski student sveučilišnog poslijediplomskog studija (doktorski studij) Zaposlen u TEO Belišće d.o.o. Tvornica Elektro Opreme Tvrtka se bavi automatikom i upravljačkim rješenjima u industriji Zanimljivi projekti Projektiranje i izvedba upravljanja postrojenjem za kontrolirano odmrzavanje mesa Projektiranje i izvedba upravljanja grijanjem u stambenoj građevini Projektiranje i izvedba upravljanja grijanjem proizvodnog pogona Dosadašnji rad Položen kvalifikacijski doktorski ispit Prihvaćen rad za IJECES (International Journal of Electrical and Computer Engineering Systems) s naslovom "Thermal modeling of buildings for use in HVAC Control Comparison by approach" Prihvaćenrad rad za ICSTCC (International Conference on System Theory, Control and Computing) s naslovom "HVAC Control methods A review"

4 Energija u građevinama đ Ukupna potrošnja energije u SAD u za godinu je oko 28, kwh Ukupna potrošnja energije u EU za godinu je oko kwh Relativno mala poboljšanja donose apsolutno velike uštede Potrošač/godina (SAD) Građevine (od ukupne potrošnje) 39% 40% 41% Stambene (od građevina) 54% 54% 54% Komercijalne (od građevina) 46% 46% 46% Grijanje prostora (od građevina) 20% 21% 37% Osvjetljenje (od građevina) 18% 13% 9% Hlađenje prostora (od građevina) 13% 13% 10% Grijanje vode (od građevina) 10% 9% 12% Ostalo (od građevina) 40% 44% 32% HVAC (od građevina) 33% 34% 47% HVAC (od ukupne potrošnje) 13% 14% 19% Izvor: [1], [2]

5 HVAC sustavi u građevinama Procesi HVAC sustava (Heating, Ventilation and Air Conditioning) Grijanje (engl. Heating) dodavanje toplinske energije u zrak s ciljem održavanja temperature u zoni Hlađenje (engl. Cooling) oduzimanje toplinske energije iz zraka s ciljem održavanja temperature u zoni Vlaženje (engl. Humidifying) dodavanje vlage u zrak s ciljem održavanje vlažnosti zraka u zoni Sušenje (engl. Dehumidifying) oduzimanje vlageiz zrakas ciljemodržavanja vlažnosti zraka u zoni Čišćenje (engl. Cleaning) oduzimanje čestica prašine i ostalih nečistoća iz zraka koji ulazi u zonu s ciljem održavanja kvalitete zraka Ventilacija (engl. Ventilating) dovođenje vanjskog svježeg zraka u zonu s ciljem održavanja kvalitete zraka Miješanje zraka (engl. Air Movement) pomicanje, miješanje zraka i dovođenja zraka u zonu s ciljem održavanje kvalitete zraka i ostvarivanje transfera energije Izvor: [3]

6 HVAC sustavi u građevinama Cilj HVAC sustava Održati klimatske uvjete u prostorijama unutar zadanog raspona uz najmanji mogući utrošak energije Uvjeti ugode Glavni: temperatura i vlaga Sporedni: svježi jžizrak, brzina protoka zraka, CO2, temperaturne razlike Energija Ukupni utrošak energije Vš Vršne vrijednosti Stabilno opterećenje Tarifni sustav i energenti

7 Modelsko prediktivno upravljanje Izvor: [4]

8 Modelsko prediktivno upravljanje Potreban model sustava Skoro optimalni rezultati Rezultati ovise o kvaliteti modela Težak za izvedbu, osobito kod kompleksnijih sustava Najčešće se koristi kao upravljač na najvišoj hijerarhijskog razini, a na nižim razinama se koriste jednostavniji upravljači (npr. PID regulator)

9 Toplinski modeli građevina za korištenje u MPC u Dinamički toplinski model Pristupi Fizikalni (engl. First Principles, White Box) Iz podataka (engl. Data Driven, Black Box) Hibridni (engl. Gray Box)

10 Toplinski modeli građevina za korištenje u MPC u Tipični primjeri Fizikalni pristup Model zone Metoda koncentriranih kapaciteta M d l Neuronske mreže Model grijača č Model ovlaživača Model senzora Model ventilatora Model mješača zraka Model zračnog kanala Model hladnjaka Izvor: [5]

11 Toplinski modeli građevina za korištenje u MPC u Tipični primjeri Fizikalni pristup Metoda koncentriranih kapaciteta Neuronske mreže Izvor: [6]

12 Toplinski modeli građevina za korištenje u MPC u Tipični primjeri Fizikalni pristup Metoda koncentriranih kapaciteta Neuronske mreže Izvor: [7]

13 Hibridni id i toplinski modeli Pristup sive kutije (engl. Gray Box) Određivanje strukture modela pomoću fizikalnog pristupa Estimacija parametara iz mjerenja Izvor: [8]

14 Hibridni id i toplinski modeli Rad Godina Metoda konc. kap p. Vođenje Strujanje Zračenje Sunčevo zračenje HVAC sustav K. K. Andersen, H. Madsen, and L. H. Hansen 2000 x x x S. Wang and X. Xu 2006 x x x x x K.Lee and J. E.Braun 2007 x x x x x x T. L. McKinley and A. G. Alleyne 2008 x x x x Y. Iino, M. Murai, and D. Murayama 2009 x Z. O Neill, S. Narayanan, and R. Brahme 2010 x x x x S. Bengea, V. Adetola, K. Kang, M. J. Liba, D. Vrabie, R. Bitmead, and S. Narayanan 2011 x x x S. Goyal, C. Liao, and P. Barooah 2011 x x x S. Privara, Z. Vana, D. Gyalistras, J. Cigler, C. Sagerschnig, M. Morari, and L. Ferkl 2011 x x x x x P. Radecki and B. Hencey 2012 x x x x Z. Yang, X. Li, C. P. Bowers, T. Schnier, K. Tang, and X. Yao 2012 x x x x x P. Radecki and B. Hencey 2013 x x x x Ostalo

15 Pojednostavljenja j j toplinskih modela Kompleksnost modela je veliki problem kod većih (realnih građevina) đ Cilj je dobiti jednostavniji model daje zanemarivo lošije rezultate, a poželjno je da čuva i fizičku reprezentaciju Mogući pristupi Redukcije modela Zamjenski modeli Zanemarivanje svojstava i procesa Izvor: [9], [10], [11]

16 Prilagodljivi toplinski modeli On line prilagodba modela za vrijeme korištenja Izazovi Obuhvaćanje svih scenarija i mogućih stanja Izbjegavanje ometanja normalnog rada sustava ili udobnost korisnika Upravljač Građevina Model Izvor: [12], [13]

17 Distribuirani ib i i modeli Centralizirani sustavi upravljanja Najbolji rezultati, ali zahtjeva najviše resursa Decentralizirani sustavi upravljanja Zahtjeva manje resursa, ali daje globalno lošije rezultate Distribuirani sustavi upravljanja Distribuirani upravljači koji razmjenjuju informacije Izvor: [14], [15]

18 Distribuirani ib i i modeli Kod distribuiranih sustava upravljanja potrebno je imati i model koji omogućava ć distribuciju ib ij Postavlja se pitanja koja je optimalna razina distribucije Izvor: [16]

19 Planirano it istraživanje Pregled i razvoj postojećih metoda za upravljanje sustavom grijanja (PID, ANN, MPC) koje će biti iskorištene za verifikaciju rezultata novog sustava. Pregled metoda i alata za izradu toplinskog modela građevine temeljenoj na metodi koncentriranih kapaciteta te prilagodba u vlastitu metodu. Pregled numeričkih metoda za estimaciju parametara dobivenog toplinskog modela iz mjerenja te prilagodba u vlastitu metodu. Razvoj toplinskog modela građevine temeljenog na prilagođenoj metodi koncentriranih ihkapaciteta t i numeričkoj metodi za estimaciju ij parametara. Razvoj prototipa upravljačkog sustava temeljenog na MPC metodi u kombinaciji s toplinskim modelom dobivenim vlastitom metodom. Verifikacija rezultata u laboratorijskim i industrijskim uvjetima i usporedba s referentnim rezultatima.

20 Literatura t 1. Kelso, J. D. (2012). Building Energy Data Book Perez Lombard, L., Ortizb, J., & Pout, C. (2008). A review on buildings energy consumption information. Energy and Buildings, 40(3), McDowall, R. (2007). Fundamentals of HVAC Systems (1st ed., Vol. 40). Elsevier 4. Ma, Y., Kelman, A., Daly, A., & Borrelli, F. (2012). Predictive Control for Energy Efficient Buildings with Thermal Storage. IEEE Control Systems,, 32(January), Tashtoush, B., Molhim, M., & Al Rousan, M. (2005). Dynamic model of an HVAC system for control analysis. Energy, 30(10), Deng, K., Barooah, P., Mehta, P. G., & Meyn, S. P. (2010). Building Thermal Model Reduction via Aggregation of States. In American Control Conference (ACC) (pp ). Urbana, USA: IEEE 7. Huang, H., Chen, L., Mohammadzaheri, M., Hu, E., & Chen, M. (2013). Multi zone temperature prediction in a commercial building using artificial neural network model. In th IEEE International Conference on Controland Automation (ICCA) (pp ). Hangzhou, China: IEEE 8. Andersen, K. K., Madsen, H., & Hansen, L. H. (2000). Modelling the heat dynamics of a building using stochastic differential equations. Energy and Buildings, 31(1), Deng, K., Barooah, P., Mehta, P. G., & Meyn, S. P. (2010). Building Thermal Model Reduction via Aggregation of States. In American Control Conference (ACC) (pp ). Urbana, USA: IEEE 10. Pd Pedersen, F., Weitzmann, P., & Svendsen, S. (2005). Modeling thermally active building components using space mapping. In Proceedings of the 7th Symposium on Building Physics in the Nordic Countries (Vol. 1, pp ). Reykjavik, Iceland 11. Bengea, S., Adetola, V., Kang, K., Liba, M. J., Vrabie, D., Bitmead, R., & Narayanan, S. (2011). Parameter estimation of a building system model and impact of estimation error on closed loop performance. In IEEE Conference on Decision and Control and European Control Conference (pp ). Orlando, SAD: IEEE 12. Radecki, P., & Hencey, B. (2012). Online Building Thermal Parameter Estimation via Unscented Kalman Filtering. In American Control Conference (ACC), 2012 (pp ). Montreal, Canada: IEEE 13. Radecki, P., & Hencey, B. (2013). Online thermal estimation, control, and self excitation of buildings. In 52nd IEEE Conference on Decision and Control (pp ). Firenze, Italy: IEEE 14. Morosan, P. D., Bourdais, R., Dumur, D., Buisson, J., & Moros, P. (2010). Distributed model predictive control for building temperature regulation. In American Control Conference (ACC), 2010 (pp ). Baltimore, USA: IEEE 15. Negenborn, R. R., & Maestre, J. M. (2014). Distributed Model Predictive Control:An Overview and Roadmap of Future Research Opportunities. IEEE Control Systems, 34(August), Chandan, V., & Alleyne, A. G. (2011). Optimal Control Architecture Selection for Thermal Control of Buildings. In American Control Conference (pp ). San Francisco, USA: IEEE