⚡ electrical engineering

What price to pay? Auto-tuning a building MPC controller for optimal economic cost

تقترح هذه المساهمة استخدام التحسين البايزي المقيد للضبط التلقائي للمعلمات الفائقة في التحكم التنبئي بالنماذج لإدارة أحمال المباني، مما يظهر تخفيضات كبيرة في تكاليف الكهرباء مقارنة بالمتحكمات القائمة على القواعد والمتحكمات المضبوطة يدويًا، مع تسليط الضوء في الوقت ذاته على الفوائد المالية للاختيار الأمثل للبرامج.

المؤلفون الأصليون: Jiarui Yu, Jicheng Shi, Wenjie Xu, Colin N. Jones

نُشر 2026-05-05

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Jiarui Yu, Jicheng Shi, Wenjie Xu, Colin N. Jones

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أن نظام التدفئة في منزلك يشبه طباخاً ذكياً جداً، ولكنه عنيد قليلاً، يحاول إعداد وجبة (إبقاء منزلك دافئاً) مع إنفاق أقل قدر ممكن من المكونات (الكهرباء).

هذا المقال يدور حول تعليم هذا الطباخ كيف يتسوق ويطبخ بكفاءة أكبر بكثير، خاصة عندما تتغير أسعار المكونات كل ساعة أو كل يوم.

إليك تفصيل نهجهم باستخدام تشبيهات بسيطة:

1. المشكلة: "القائمة المربكة"

في العديد من المناطق، لا تتوفر الكهرباء بسعر ثابت. الأمر يشبه قائمة طعام في مطعم حيث:

تعرفة وقت الاستخدام: الغداء رخيص، لكن العشاء باهظ الثمن.
رسوم الطاقة: إذا طلبت الكثير من الأطباق دفعة واحدة (استهلكت الكثير من الطاقة في نافذة زمنية مدتها 15 دقيقة)، فستحصل على رسوم إضافية ضخمة لـ "ساعة الذروة".
الرسوم الثابتة: تدفع رسوم عضوية شهرية، بغض النظر عما تأكله.

معظم الناس ببساطة يضبطون منظم الحرارة (الثرموستات) على درجة حرارة ثابتة (مثل نظام تحكم قائم على القواعد). هذا يشبه قيام الطباخ بإعداد نفس كمية الطعام في نفس الوقت كل يوم، بغض النظر عما إذا كان ذلك "وقت الغداء" أو "وقت العشاء". في النهاية، يدفعون الكثير.

2. الحل: "الطباخ الذكي" (MPC)

يستخدم المؤلفون نظاماً يسمى التحكم التنبئي بالنموذج (MPC). تخيل هذا كطباخ يتحقق من توقعات الطقس وقائمة الأسعار للأيام القادمة.

إذا كانت الكهرباء رخيصة الليلة، يقوم الطباخ بتسخين الفرن مسبقاً (تدفئة المنزل مبكراً).
إذا كانت الكهرباء غالية غداً بعد الظهر، يترك الطباخ المنزل يبرد قليلاً (ولكن ليس كثيراً) حتى لا يضطر لتشغيل الفرن في ذلك الوقت.

العقبة: حتى الطباخ الذكي يجب أن يعرف كيف يطبخ. إذا وضع الطباخ حدود درجات الحرارة بشكل ضيق للغاية، سيصبح المنزل بارداً (غير مريح). وإذا وضعها بشكل فضفاض للغاية، فسيهدر المال. هذا ما يسمى بـ "ضبط المعلمات الفائقة" (Hyperparameter Tuning). عادةً، يضطر الناس لتخمين هذه الإعدادات، وهو أمر بطيء وغالباً ما يؤدي إلى وجبة أقل جودة.

3. الابتكار: "روبوت الضبط التلقائي" (CONFIG)

قام المؤلفون بتطوير روبوت (باست استخدام خوارزمية تسمى التحسين البايزي المقيد أو CONFIG) يجد تلقائياً الإعدادات المثالية للطباخ.

التوأم الرقمي: قبل أن يلمس الروبوت المنزل الحقيقي، يختبر ملايين الإعدادات المختلفة في محاكاة افتراضية (توأم رقمي) لمنزل بلجيكي.
الهدف: يحاول الروبوت إيجاد الإعدادات التي تؤدي إلى أقل فاتورة، ولكن لديه قاعدة صارمة: يجب ألا يصبح المنزل غير مريح أبداً. يستخدم "قيمة الراحة" (PMV) لضمان عدم تجمد الناس أو شعورهم بالحرارة الزائدة.
السحر: على عكس الطرق الأخرى التي قد تكسر القواعد لتوف way المال، فإن هذا الروبوت حذر جداً. فهو يستكشف إعدادات متنوعة بأمان للعثور على التوازن المطلق بين توفير المال والحصول على منزل دافئ ومريح.

4. العقبة: "الحد الأدنى من الطاقة"

واجه الباحثون مشكلة صعبة مع المضخات الحرارية (جهاز التدفئة). فحتى لو طلبت من المضخة العمل بـ "1% من الطاقة"، فإنها تستهلك الكثير من الكهرباء لمجرد تشغيل المروحة (مثل محرك السيارة في وضع الخمول).

الطريقة القديمة: محاولة نمذجة سلوك "الخمول" المعقد هذا تجعل الرياضيات صعبة للغاية لدرجة أنك ستحتاج إلى حاسوب خارق لحلها في الوقت الفعلي.
الطريقة الجديدة: أنشأوا "MPC مبسطاً". إنه يشبه وضع مرشح (فلتر) على أوامر الطباخ. إذا حاول الطباخ طلب كمية ضئيلة جداً من الطعام (طاقة منخفضة)، يقول له المرشح: "لا، هذا غير فعال. اطلب إما وجبة كاملة أو لا تطلب شيئاً على الإطلاق". هذا يبقي الرياضيات بسيطة بما يكفي للعمل على حاسوب منزلي عادي مع الاستمرار في توفير المال.

5. النتائج: المدخرات

اختبروا هذا النظام في سيناريو حقيقي مع 12 عقداً مختلفاً للكهرباء (قوائم أسعار مختلفة).

مقارنة بـ "منظم الحرارة الغبي": وفر النظام الذي تم ضبطه تلقائياً 26.9% من فواتير الكهرباء.
مقارنة بـ "النظام الذكي الذي تم ضبطه بشرياً": حتى مقارنة بنظام ذكي تم تعديله يدوياً بواسطة خبير بشري، وفر الروبوت الذي يعمل بالضبط التلقائي 17.46% إضافية.
اختيار العقد: حدد النظام أيضاً عقد الكهرباء الأكثر ملاءمة. ومن خلال اختيار "القائمة" الصحيحة، وفروا 20.18% إضافية مقارنة بأسوأ اختيار ممكن للعقد.

الملخص

يظهر هذا المقال أنك لست بحاجة إلى حاسوب خارق أو شهادة دكتوراه في الهندسة لتوفير المال في التدفئة. من خلال استخدام "روبوت ضبط" ذكي وتلقائي لتعديل إعدادات متحكم التدفئة القياسي، ومن خلال اختيار عقد الكهرباء المناسب، يمكن لصاحب المنزل خفض فواتيره بشكل كبير دون أن يشعر بالبرد أبداً. يتولى النظام التعامل مع الرياضيات الصعبة في الخلفية ويضمن بقاء المنزل مريحاً بينما تظل المحفظة ممتلئة.

ملخص تقني: الضبط التلقائي لمتحكم التنبؤ بالنماذج (MPC) للمباني لتحقيق التكاليف الاقتصادية المثلى

بيان المشكلة
يتحمل قطاع المباني مسؤولية حوالي 34% من استهلاك الطاقة العالمي. وبينما توفر برامج إدارة جانب الطلب (DSM)، مثل تسعير الاستخدام الزمني أو التسعير في الوقت الفعلي، حوافز لاستقرار الشبكة، إلا أنها تؤدي إلى هياكل أسعار معقدة وغير خطية تشكل تحدياً للمتحكمات التقليدية القائمة على القواعد. وعلى الرغم من أن التحكم التنبئي بالنماذج (MPC) يمثل حلاً رائدًا لمثل هذه البيئات الديناميكية، إلا أن أداءه في الظروف الواقعية غالبًا ما يكون دون المستوى الأمثل بسبب غياب الضبط المنهجي للمعلمات الفائقة (hyperparameters). وكثيرًا ما تفشل عمليات تصميم الـ MPC التقليدية في التوفيق بين أهداف التنبؤ والتحكم في ظل عدم دقة النماذج والاضطرابات البيئية. علاوة على ذلك، تفتقر طرق ضبط المتحكمات الحالية غالبًا إلى القدرة على التعامل مع الظروف "الصندوق الأسود" (مثل مقاييس الراحة الحرارية طويلة الأمد) أو تعتمد على نماذج مرجعية يدوية، مما يحد من قابليتها للتوسع وفعاليتها في تقليل تكاليف الكهرباء تحت عقود الفوترة المختلفة.

المنهجية
يقترح المؤلفون إطار عمل موجه نحو الأداء يعمل على أتمتة الضبط غير المتزامن (offline) للمعلمات الفائقة لـ MPC عبر التحسين البايزي المقيد (CONFIG). وتعمل المنهجية كما يلي:

التوأم الرقمي والنمذجة: يستخدم النهج توأماً رقمياً (تحديداً منصة BOPTEST مع حالة اختبار BESTEST لمضخة حرارية مائية) لمحاكاة تشغيل المبنى. ويقوم نموذج ARX خطي قائم على البيانات بتحديد الديناميكيات الحرارية للمبنى من البيانات التاريخية، مع التركيز على سلوكيات المدخلات والمخرجات المهيمنة بدلاً من إنشاء نسخة فيزيائية دقيقة.
صياغة الـ MPC والتعامل مع مشكلة MOP: تعالج الدراسة مشكلة "الحد الأدنى من طاقة التشغيل" (MOP) المتأصلة في المضخات الحرارية، حيث تؤدي إشارات التحكم الصغيرة غير الصفرية إلى طفرات طاقة غير فعالة. ولحل هذه المشكلة دون العبء الحسابي للبرمجة التربيعية ذات الأعداد الصحيحة المختلطة (MIQP)، قدم المؤلفون MPC مبسطاً. يطبق هذا النهج دالة "قناع" (masking function) على إشارة التحكم للقضاء على المدخلات الصغيرة التي تسبب تشغيل الحد الأدنى من الطاقة، مع الحفاظ على المشكلة كصياغة برمجة تربيعية (QP) يمكن إدارتها.
إطار التحسين (CONFIG): تُصاغ مشكلة الضبط كعملية تحسين "صندوق أسود" مقيدة.
- الهدف: تقليل إجمالي تكاليف الكهرباء الشهرية، والتي تشمل رسوم طاقة الاستخدام الزمني، وتعريفات السعة (بناءً على ذروة القدرة كل 15 دقيقة)، والرسوم الثابتة.
- القيود: يتم ضمان الراحة الحرارية عبر قيد "متوسط الصوت المتوقع" (PMV). وبدلاً من دمج هذا المقياس غير الخطي مباشرة في الـ MPC، يستخدم الإطار دالة التوزيع التراكمي (CDF) لقيم PMV على فترة المحاكاة. ويتطلب القيد بقاء 80% من قيم PMV المطلقة خلال فترات الإشغال تحت 0.5.
- الخوارزمية: تستخدم خوارزمية CONFIG نماذج بديلة لعمليات غاوس (Gaussian Process surrogates) لنمذجة دالات الهدف والقيود. وهي تعمل على تحسين الحدود الدنيا للثقة لموازنة الاستكشاف والاستغلال، مما يضمن ضمانات الأمثلية العالمية مع التعامل مع القيود "الصندوق الأسود" دون الحاجة لضبط يدوي لمعاملات الجزاء.
متغيرات الضبط: يقوم الإطار تلقائياً بضبط أربع معلمات فائقة رئيسية للـ MPC المبسط: الحدود الدنيا لدرجة الحرارة للمساحات المأهولة وغير المأهولة ( $T_{lb}^{occupy}$ ، $T_{lb}^{unoccupy}$ )، والقيمة القصوى للتحكم ( $u_{max}$ )، والحد الأدنى للقناع ( $u_{low}$ ).

المساهمات الرئيسية

الضبط التلقائي عبر CONFIG: يقدم المقال تطبيق خوارزمية CONFIG لضبط المعلمات الفائقة لـ MPC في التحكم بالمباني القائم على إدارة جانب الطلب (DSM)، مما يسد الفجوة في التعامل مع هياكل الأسعار المعقدة وغير الخطية وظروف الراحة طويلة الأمد في آن واحد.
الـ MPC المبسط للنشر السكني: يقترح المؤلفون "MPC مبسطاً" يقرب مشكلة MOP عبر دالة قناع. وهذا يتيح حل المتحكم باستخدام برامج حل (solvers) مجانية ومفتوحة المصدر (مثل SCIP) على أجهزة قياسية، متجنباً عدم الجدوى الحسابية لصيغ MIQP التي تستنزف ذاكرة الوصول العشوائي (RAM) في الحواسيب الشخصية.
دليل اختيار العقود: تم تطبيق الإطار لتقييم 12 عقداً مختلفاً للكهرباء في بلجيكا، مما أظهر أن اختيار العقد الأمثل جنباً إلى جنب مع استراتيجيات التحكم المضبوطة يحقق وفراً كبيراً.

النتائج
أُجريت دراسة حالة تتضمن مبنى سكنياً بـ منطقة واحدة في بروكسل، بلجيكا، على مدار أربعة أشهر (نوفمبر إلى فبراير) عبر 12 سيناريو تسعير.

تقليل التكلفة: خفض الـ MPC المبسط والمحسن تكاليف الكهرباء بنسبة 26.90% مقارنة بمتحكم أساسي قائم على القواعد، وبنسبة 17.46% مقارنة بـ QP-MPC المضبوط يدوياً.
الأداء مقابل التعقيد: حقق الـ MPC المبسط المضبوط أداءً مكافئاً، وفي بعض الأشهر فاق أداء متحكم MIQP-MPC عالي الكثافة الحسابية، ولكن مع أوقات حل أقل بكثير (على سبيل المثال، 0.15 ثانية مقابل 0.80 ثانية لكل خطوة على مجموعة حوسبة لـ QP مقابل MIQP باستخدام SCIP).
الامتثال للراحة: استوفت جميع المتحكمات، بما في ذلك الـ MPC المضبوط، شرط الراحة (80% من قيم PMV < 0.5). وقد حقق الـ MPC المضبوط ذلك من خلال الضبط الدقيق لحدود درجة الحرارة ودالة القناع دون التنازل عن متطلبات الراحة.
توفير العقود: كشف تحليل العقود الـ 12 أن اختيار العقد الأمثل يمكن أن يقلل الفواتير الشهرية بنسبة تصل إلى 20.18% مقارنة بأسوأ عقد. ووجدت الدراسة أن العقود الديناميكية ذات تعريفات السعة (مثل "ddd") كانت الأفضل أداءً بشكل عام، رغم أن العقود ذات الأسعار الثابتة والرسوم الثابتة المنخفضة (مثل "sdd") كانت تنافسية اعتماداً على الشهر.

الأهمية والادعاءات
يزعم المقال أن الإطار المقترح يوفر مساراً قائماً على البيانات لتحقيق وفورات كبيرة للمستهلكين من خلال سد الفجوة بين هياكل أسعار DSM المعقدة والتنفيذ العملي للمتحكمات. ويؤكد المؤلفون على ما يلي:

الضبط الفائق أمر بالغ الأهمية: إن المكاسب في الأداء الناتجة عن الضبط التلقائي (17.46% فوق الضبط اليدوي) تضاهي المكاسب التي توفرها القدرة التنبؤية لـ MPC نفسها، مما يؤكد ضرورة الضبط المنهجي.
القابلية للتوسع: من خلال استبدال صيغ MIQP المعقدة بـ MPC مبسط ومقنع، تتيح الطريقة نشر استراتيجيات تحكم متقدمة على أجهزة سكنية منخفضة التكلفة دون الحاجة إلى برامج حل تجارية باهظة الثمن.
التحسين الشامل: نجح الإطار في دمج ظروف الراحة طويلة الأمد وهياكل الفوترة المعقدة (بما في ذلك تعريفات السعة) في عملية تحسين واحدة، مما قدم رؤى قابلة للتطبيق لكل من استراتيجية التحكم واختيار العقود.

يخلص المؤلفون إلى أنه بينما يعالج التحسين غير المتزامن (offline) تحديات التنفيذ الحالية بفعالية، يجب أن يركز العمل المستقبلي على توسيع الإطار ليشمل التكيف عبر الإنترنت (online) وآليات السلامة لتمكين التحسينات المستمرة في الوقت الفعلي.