What price to pay? Auto-tuning a building MPC controller for optimal economic cost
Dieser Beitrag schlägt die Verwendung von eingeschränkter Bayes-Optimierung zur automatischen Abstimmung der Hyperparameter der modellprädiktiven Regelung für das Lastmanagement von Gebäuden vor, wobei im Vergleich zu regelbasierten und manuell abgestimmten Reglern signifikante Stromkostenreduktionen nachgewiesen werden und gleichzeitig die finanziellen Vorteile einer optimalen Programmwahl hervorgehoben werden.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, das Heizsystem Ihres Hauses ist wie ein sehr kluger, aber leicht störrischer Koch, der versucht, eine Mahlzeit zuzubereiten (Ihr Haus warm zu halten), während er gleichzeitig so wenig wie möglich für die Zutaten (Strom) ausgibt.
Dieser Artikel handelt davon, diesem Koch beizubringen, viel effizienter einzukaufen und zu kochen, insbesondere wenn sich die Preise der Zutaten stündlich oder täglich ändern.
Hier ist die Aufschlüsselung ihres Ansatzes mit einfachen Analogien:
1. Das Problem: Das „verwirrende Menü"
In vielen Regionen ist Strom nicht nur zu einem Festpreis erhältlich. Es ist wie ein Restaurantmenü, bei dem:
- Zeitabhängige Tarife: Das Mittagessen ist günstig, aber das Abendessen teuer.
- Leistungspreise: Wenn Sie zu viele Gerichte auf einmal bestellen (viel Leistung in einem 15-Minuten-Fenster verbrauchen), erhalten Sie einen massiven „Hauptverkehrszeit"-Aufschlag.
- Fixgebühren: Sie zahlen eine monatliche Mitgliedsgebühr, unabhängig davon, was Sie essen.
Die meisten Menschen stellen ihren Thermostat einfach auf eine feste Temperatur ein (wie einen regelbasierten Regler). Das ist so, als würde der Koch jeden Tag zur gleichen Zeit die gleiche Menge an Essen zubereiten, egal ob es „Mittagszeit" oder „Abendessenszeit" ist. Am Ende zahlen sie zu viel.
2. Die Lösung: Der „kluge Koch" (MPC)
Die Autoren verwenden ein System namens Modellprädiktive Regelung (MPC). Stellen Sie sich dies als einen Koch vor, der die Wettervorhersage und das Preismenü für die nächsten Tage überprüft.
- Ist der Strom heute Nacht günstig, heizt der Koch den Ofen vor (wärmt das Haus frühzeitig auf).
- Ist der Strom morgen Nachmittag teuer, lässt der Koch das Haus etwas abkühlen (aber nicht zu sehr), damit er den Ofen dann nicht betreiben muss.
Der Haken: Selbst ein kluger Koch muss wissen, wie man kocht. Wenn der Koch die Temperaturlimits zu eng setzt, wird das Haus kalt (unangenehm). Wenn er sie zu weit setzt, verschwenden sie Geld. Dies nennt man Hyperparameter-Tuning. Normalerweise müssen Menschen diese Einstellungen raten, was langsam ist und oft zu einer minderwertigen Mahlzeit führt.
3. Die Innovation: Der „Auto-Tuning-Roboter" (CONFIG)
Die Autoren haben einen Roboter entwickelt (unter Verwendung eines Algorithmus namens Constrained Bayesian Optimization oder CONFIG), der automatisch die perfekten Einstellungen für den Koch findet.
- Der Digitale Zwilling: Bevor der Roboter das echte Haus berührt, testet er Millionen verschiedener Einstellungen in einer virtuellen Simulation (einem „Digitalen Zwilling") eines belgischen Hauses.
- Das Ziel: Der Roboter versucht, die Einstellungen zu finden, die zu der niedrigsten Rechnung führen, aber er hat eine strikte Regel: Das Haus darf niemals zu unangenehm werden. Er verwendet einen „Komfortwert" (PMV), um sicherzustellen, dass die Menschen nicht frieren oder überhitzen.
- Die Magie: Im Gegensatz zu anderen Methoden, die möglicherweise gegen die Regeln verstoßen, um Geld zu sparen, ist dieser Roboter sehr vorsichtig. Er erkundet verschiedene Einstellungen sicher, um das absolut beste Gleichgewicht zwischen Geldersparnis und einem gemütlichen Haus zu finden.
4. Die Hürde „Mindestleistung"
Die Forscher stießen auf ein kniffliges Problem mit Wärmepumpen (dem Heizgerät). Selbst wenn Sie die Pumpe bitten, mit „1 % Leistung" zu laufen, verbraucht sie viel Strom, nur um den Ventilator zu starten (wie ein Auto-Motor im Leerlauf).
- Der alte Weg: Der Versuch, dieses komplexe „Leerlauf"-Verhalten zu modellieren, macht die Mathematik so schwer, dass ein Supercomputer erforderlich wäre, um sie in Echtzeit zu lösen.
- Der neue Weg: Sie schufen eine „vereinfachte MPC". Es ist, als würde man einen Filter auf die Bestellungen des Kochs legen. Wenn der Koch versucht, eine winzige Menge an Essen zu bestellen (geringe Leistung), sagt der Filter: „Nein, das ist zu ineffizient. Bestellen Sie entweder eine volle Mahlzeit oder gar nichts." Dies hält die Mathematik einfach genug, um auf einem normalen Heimcomputer zu laufen, und spart dennoch Geld.
5. Die Ergebnisse: Die Einsparungen
Sie testeten dieses System in einem realen Szenario mit 12 verschiedenen Stromverträgen (unterschiedliche Preismenüs).
- Gegenüber dem „dummen" Thermostat: Das automatisch abgestimmte System sparte 26,9 % bei den Stromrechnungen.
- Gegenüber dem „vom Menschen abgestimmten" intelligenten System: Selbst im Vergleich zu einem intelligenten System, das ein menschlicher Experte manuell justiert hatte, sparte der automatisch abgestimmte Roboter zusätzliche 17,46 %.
- Vertragsauswahl: Das System ermittelte auch, welcher Stromvertrag am besten geeignet war. Durch die Auswahl des richtigen „Menüs" sparten sie zusätzliche 20,18 % im Vergleich zur schlechtestmöglichen Vertragswahl.
Zusammenfassung
Der Artikel zeigt, dass man keinen Supercomputer oder einen PhD in Ingenieurwesen benötigt, um beim Heizen Geld zu sparen. Durch die Verwendung eines intelligenten, automatisierten „Abstimms-Roboters" zur Anpassung der Einstellungen eines Standard-Heizungsreglers und durch die Wahl des richtigen Stromvertrags kann ein Hausbesitzer seine Rechnungen erheblich senken, ohne jemals frieren zu müssen. Das System erledigt die schwierige Mathematik im Hintergrund und stellt sicher, dass das Haus komfortabel bleibt, während der Geldbeutel voll bleibt.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.