کنترل شرایط محیطی داخل ساختمان بر مبنای مدل و استفاده از روش کنترل پیش‌بین

روش‌های هوشمند در صنعت برق

دوره 11، شماره 44، اسفند 1399، صفحه 21-35   

نوع مقاله: مقاله پژوهشی

نویسندگان

امیررضا علی زاده¹؛ سید محمد کارگر^{* 2}

¹دانشکده مهندسی برق- واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

²مرکز تحقیقات ریز شبکه های هوشمند- واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

چکیده

در این مقاله یک روش کنترلی با رویکرد کنترل پیش­بین مبتنی بر مدل به­منظور تنظیم دمای داخل ساختمان ارائه می­گردد. در سال­های اخیر بیشترین میزان مصرف انرژی در ساختمان­ها، مربوط به سیستم­های گرمایش، سرمایش و تهویه ­مطبوع بوده است. از همین­رو کنترل سیستم­های گرمایش، سرمایش و تهویه ­مطبوع در ساختمان­ها در راستای کاهش مصرف انرژی مورد توجه قرار گرفته ­است. در ابتدا یک مدل ساختمانی در نرم­افزار انرژی­پلاس طراحی و سپس تمام داده­های ورودی و خروجی، جهت شناسایی از این نرم­افزار استخراج می­شوند. در ادامه شناسایی سیستم به­روش مدل فضای­حالت انجام می­گیرد. سپس کنترل­کننده با رویکرد پیش­بین جهت کنترل دمای داخلی ساختمان طراحی می­گردد. نوآوری این مقاله در دو زمینه قابل بیان است، اول اینکه برخلاف اکثر پژوهش­های صورت گرفته، داده­های استفاده ­شده در قسمت شناسایی سیستم با فرض ایزوله نبودن اتاق­ها و وجود ارتباط دمایی بین اتاق­ها انجام شده­ است که باعث تولید مدلی دقیق­تر از سیستم می­گردد. دوماً در این پژوهش اثر دمای خارجی محیط به عنوان اغتشاش در نظر گرفته شده ­است و تأثیر آن در طراحی کنترل­کننده مورد بررسی قرار گرفته ­است. در پایان،نتایج به­دست­آمده از شبیه­سازی در افق یک­ ساعته، عملکرد خوب کنترل­کننده­ی پیش­بین مبتنی بر مدل نسبت به روش کنترل بهینه به­همراه کاهش مصرف انرژی در کنار حفظ شرایط مطلوب دمایی برای ساکنین در یک 24 ساعت را نشان می­دهد.

کلیدواژه‌ها

بهینه‌سازی مصرف انرژی؛ سیستم‌های چندورودی-چندخروجی؛ سیستم‌های گرمایش؛ سرمایش و تهویه‌مطبوع؛ شناسایی سیستم؛ کنترل پیش‌بین مبتنی بر مدل؛ تحلیل زیرفضا

مراجع

[1] M. Movahedpour, S. Mohammadi, M. Kiani, T. Niknam, M. Zadehbagheri, “Optimal design of residential microgrids with regard to fault occurrence and possibility of power outage”, Journal of Intelligent Procedures in Electrical Technology, vol. 10, no. 39, pp. 29-44, Autumn 2019 (in Persian).

[2] M. Mahdavian N. Behzadfar “A review of wind energy conversion system and application of various induction generators”, Journal of Novel Researches on Electrical Power, vol. 8, no. 4, pp. 55-66, Winter 2020 (in Persian).

[3] M. A. Praprost, "Investigating energyplus as a simulation tool for deploying VOLTTRON transactive energy technologies in commercial buildings", Case Western Reserve University, pp. 1-153, May 2018 (doi: 0000-0001-7463-8427).

[4] L. Pérez-Lombard, J. Ortiz, C. Pout, "A review on buildings energy consumption information", Energy and Buildings, vol. 40, no. 3, pp. 394-398, Jan. 2008 (doi: 10.1016/j.enbuild.2007.03.007).

[5] K. D. Kolokotsa, A. Pouliezos, G. Stavrakakis, C. Lazos, "Predictive control techniques for energy and indoor environmental quality management in buildings", Building and Environment,vol. 44, no. 9, pp. 1850-1863, Sept. 2009 (doi: 10.1016/j.buildenv.2008.12.007).

[6] J. Ma, J. Qin, T. Salsbury, P. Xu, "Demand reduction in building energy systems based on economic model predictive control", Chemical Engineering Science, vol. 67, no. 1, pp. 92-100, Jan. 2012 (doi: 10.10­16/j.­ce­s.2011.07.052).

[7] J. Ma, J. Qin, T. Salsbury, "Economic model predictive control for building energy systems", Proceeding of the IEEE/ICC, pp. 1-6, Kanpur, India, Jan. 2011 (doi: 10.1109/ISGT.2011.5759140).

[8] S. Royer, S. Thil, T. Talbert, M. Polit, "A procedure for modeling buildings and their thermal zones using co-simulation and system identification", Energy and Buildings, vol. 78, pp. 231-237, Aug. 2014 (doi: 10­.1­01­6/j.en­build.2014.04.013).

[9] T. Q. Péan, J. Salom, R. Costa-Castelló, "Review of control strategies for improving the energy flexibility provided by heat pump systems in buildings", Journal of Process Control, vol. 74, pp. 35-49, Feb. 2019 (doi: 10.1016/j.jprocont.2018.03.006).

[10] D. H. Blum, K. Arendt, L. Rivalin, M. A. Piette, M. Wetter, C. T. Veje, "Practical factors of envelope model setup and their effects on the performance of model predictive control for building heating, vent­il­at­ing, and air conditioning systems", Applied Energy, vol. 236, pp. 410-425, Feb. 2019 (doi: 10.101­6/j­.a­pe­nergy.2018.11.093).

[11] A. Ryzhov, H. Ouerdane, E. Gryazina, A. Bischi, K. Turitsyn, "Model predictive control of indoor microcl‌imate: existing building stock comfort improvement", Energy Conversion and Management, vol. 179, pp. 219-228, Jan. 2019 (doi: 10.1016/j.enconman.2018.10.046).

[12] M. J. Bursill, L. O'Brien, I. B. Morrison, "Morrison, multi-zone field study of rule extraction control to simplify implementation of predictive control to reduce building energy use", Energy and Buildings, vol. 222, Article: 110056, Sept. 2020 (doi: 10.1016/j.enbuild.2020.110056).

[13] J. Wei, Y.J. Zhang, "Exploring a strategy for tall office buildings based on thermal energy consumption from industrialized perspective: an empirical study in china", Journal of Cleaner Production, vol. 257, Article: 120497, June 2020 (doi: 10.1016/j.jclepro.2020.120497).

[14] M. D. Knudsen, S. Petersen, "Economic model predictive control of space heating and dynamic solar shading", Energy and Buildings, vol. 209, Article: 109661, Feb. 2020 (doi: 10.1016/j.enbui­ld.20­19.109­6­61).

[15] L. K. Ganjali-khani, F. Sheikholeslam, H. Mahdavi-Nasab, “System identification of a nonlinear multivariable steam generator power plant using time delay and wavelet neural networks”, Journal of Intelligent Procedures in Electrical Technology, vol. 3, no. 12, pp. 67-73, Winter 2013 (in Persian).

[16] R. Pirmoradi, S. M. Kargar, A. Zare-Bidaki, “Modeling distillation column using ARX model structure and artificial neural networks”, Journal of Intelligent Procedures in Electrical Technology, vol. 3, no. 10, pp. 66-71, Spring 2013 (in Persian).

[17] J. Swigart, S. Lall, "An explicit state-space solution for a decentralized two-player optimal linear-quadratic regulator", Proceedings of the IEEE/ACC, pp. 6385-6390, Baltimore, MD, USA, June 2010 (doi: 10.1109/ACC.2010.5531482).