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

Sintesi Tecnica: Sintonizzazione Automatica di un Controllore MPC per Edifici per il Costo Economico Ottimale

Enunciato del Problema
Il settore edile rappresenta circa il 34% del consumo energetico globale. Sebbene i programmi di Gestione della Domanda (DSM), come le tariffe in base all'orario e i prezzi in tempo reale, offrano incentivi per la stabilità della rete, introducono strutture di prezzo complesse e non lineari che sfidano i tradizionali controllori basati su regole. Sebbene il Controllo Predittivo basato su Modello (MPC) sia una soluzione leader per tali ambienti dinamici, le sue prestazioni in condizioni reali sono spesso subottimali a causa della mancanza di una sintonizzazione sistematica degli iperparametri. I processi convenzionali di progettazione MPC spesso non riescono a allineare gli obiettivi di previsione e controllo in presenza di imprecisioni del modello e disturbi ambientali. Inoltre, i metodi esistenti di sintonizzazione dei controllori spesso mancano della capacità di gestire vincoli a scatola nera (come metriche di comfort termico a lungo termine) o si affidano a modelli di riferimento manuali, limitando la loro scalabilità ed efficacia nella minimizzazione dei costi elettrici sotto contratti di fatturazione diversificati.

Metodologia
Gli autori propongono un framework orientato alle prestazioni che automatizza la sintonizzazione offline degli iperparametri MPC utilizzando l'Ottimizzazione Bayesiana Vincolata (CONFIG). La metodologia opera come segue:

1. Gemello Digitale e Modellazione: L'approccio utilizza un gemello digitale (in particolare la piattaforma BOPTEST con un caso di prova di pompa di calore idronica BESTEST) per simulare le operazioni dell'edificio. Un modello ARX lineare basato sui dati identifica le dinamiche termiche dell'edificio dai dati storici, concentrandosi sui comportamenti dominanti input-output piuttosto che sulla replica fisica esatta.
2. Formulazione MPC e Gestione MOP: Lo studio affronta il problema della "Potenza Operativa Minima" (MOP) intrinseco alle pompe di calore, dove piccoli input di controllo non nulli innescano picchi di potenza inefficienti. Per risolvere ciò senza l'onere computazionale della Programmazione Quadratica Intera Mista (MIQP), gli autori introducono un MPC Semplificato. Questo approccio applica una funzione "maschera" al segnale di controllo, eliminando gli input piccoli che innescano l'operazione a potenza minima mantenendo il problema come un Programma Quadratico (QP) trattabile.
3. Framework di Ottimizzazione (CONFIG): Il problema di sintonizzazione è formulato come un'ottimizzazione a scatola nera vincolata.
   • Obiettivo: Minimizzare i costi totali mensili dell'elettricità, che includono le tariffe energetiche in base all'orario, le tariffe di capacità (basate sulla potenza di picco di 15 minuti) e le tariffe fisse.
   • Vincoli: Il comfort termico è imposto tramite un vincolo sulla Voto Medio Previsto (PMV). Invece di incorporare direttamente questa metrica non lineare nel MPC, il framework utilizza una Funzione di Distribuzione Cumulativa (CDF) dei valori PMV sul periodo di simulazione. Il vincolo richiede che l'80% dei valori assoluti PMV durante le ore di occupazione rimanga al di sotto di 0,5.
   • Algoritmo: L'algoritmo CONFIG impiega surrogati a Processo Gaussiano per modellare le funzioni obiettivo e vincolo. Ottimizza i limiti inferiori di confidenza per bilanciare esplorazione e sfruttamento, garantendo ottimalità globale pur gestendo vincoli a scatola nera senza la necessità di sintonizzazione manuale delle penalità.
4. Variabili di Sintonizzazione: Il framework sintonizza automaticamente quattro iperparametri chiave per l'MPC Semplificato: i limiti inferiori di temperatura per le ore occupate e non occupate ($T_{lb}^{occupy}$, $T_{lb}^{unoccupy}$), l'input di controllo massimo ($u_{max}$) e il limite inferiore della maschera ($u_{low}$).

Contributi Chiave

• Sintonizzazione Automatica tramite CONFIG: Il documento introduce l'applicazione dell'algoritmo CONFIG per sintonizzare gli iperparametri MPC per il controllo degli edifici basato su DSM, colmando il divario nella gestione simultanea di prezzi complessi e non lineari e vincoli di comfort a lungo orizzonte.
• MPC Semplificato per il Deploy Residenziale: Gli autori propongono un "MPC Semplificato" che approssima il problema MOP utilizzando una funzione di mascheramento. Ciò consente di risolvere il controllore utilizzando solver gratuiti e open-source (ad es. SCIP) su hardware standard, evitando l'inattuabilità computazionale delle formulazioni MIQP che spesso esauriscono la RAM sui computer personali.
• Guida alla Selezione del Contratto: Il framework è stato applicato per valutare 12 distinti contratti elettrici belgi, dimostrando che la selezione ottimale del contratto combinata con strategie di controllo sintonizzate produce risparmi significativi.

Risultati
È stato condotto un caso studio su un edificio residenziale a zona singola a Bruxelles, in Belgio, per quattro mesi (da novembre a febbraio) attraverso 12 scenari di prezzi.

• Riduzione dei Costi: L'MPC Semplificato ottimizzato ha ridotto i costi elettrici del 26,90% rispetto a un controllore di base basato su regole e del 17,46% rispetto a un MPC QP sintonizzato manualmente.
• Prestazioni vs Complessità: L'MPC Semplificato sintonizzato ha raggiunto prestazioni comparabili, e in alcuni mesi superiori, a un controllore MPC MIQP computazionalmente intensivo, ma con tempi di risoluzione significativamente inferiori (ad es. 0,15s vs 0,80s per passo su un cluster per QP vs MIQP con SCIP).
• Conformità al Comfort: Tutti i controllori, incluso l'MPC sintonizzato, hanno soddisfatto il vincolo di comfort (80% dei valori PMV < 0,5). L'MPC sintonizzato ha raggiunto questo risultato attraverso un aggiustamento preciso dei limiti di temperatura e della funzione di mascheramento, senza rilassare i requisiti di comfort.
• Risparmi sui Contratti: L'analisi dei 12 contratti ha rivelato che la selezione del contratto ottimale può ridurre le bollette mensili fino al 20,18% rispetto al contratto nel caso peggiore. Lo studio ha rilevato che i contratti dinamici con tariffe di capacità (ad es. 'ddd') generalmente hanno funzionato meglio, sebbene i contratti a tariffa fissa con spese fisse basse (ad es. 'sdd') fossero competitivi a seconda del mese.

Significato e Affermazioni
Il documento afferma che il framework proposto offre una via basata sui dati per risparmi significativi per i consumatori, colmando il divario tra prezzi complessi DSM e implementazione pratica del controllore. Gli autori sottolineano che:

1. La Sintonizzazione degli Iperparametri è Critica: I guadagni di prestazioni derivanti dalla sintonizzazione automatica (17,46% rispetto alla sintonizzazione manuale) sono comparabili ai guadagni forniti dalla capacità predittiva dello stesso MPC, evidenziando la necessità di una sintonizzazione sistematica.
2. Scalabilità: Sostituendo le complesse formulazioni MIQP con un MPC Semplificato mascherato, il metodo consente il dispiegamento di strategie di controllo avanzate su hardware residenziale a basso costo senza richiedere solver commerciali costosi.
3. Ottimizzazione Olistica: Il framework integra con successo vincoli di comfort a lungo orizzonte e strutture di fatturazione complesse (inclusi le tariffe di capacità) in un singolo ciclo di ottimizzazione, fornendo indicazioni attuabili sia per la strategia di controllo che per la selezione del contratto.

Gli autori concludono che, sebbene l'ottimizzazione offline affronti efficacemente le attuali sfide di implementazione, il lavoro futuro dovrebbe concentrarsi sull'estensione del framework all'adattamento online con meccanismi di sicurezza per consentire un miglioramento continuo in tempo reale.