Coordination Architecture Shapes Continuous Demand Response Outcomes in Building Districts

기술 요약: 건물 단지에서 조정 아키텍처가 연속 수요 반응 결과에 미치는 영향

문제 제기
건물 단지가 이벤트 기반 수요 반응에서 연속적인 유연성 제공으로 전환함에 따라, 거주자의 열적 쾌적성을 유지하고 제어 부담의 공정한 분배를 보장하면서 그리드가 요청한 전력 궤적을 추적해야 합니다. 핵심 과제는 조정 아키텍처의 선택이 단지 수준의 추적 정밀도와 건물 수준의 쾌적성 유지 사이의 트레이드오프에 어떻게 영향을 미치는지 규명하는 데 있습니다. 중앙 집중식 모델 예측 제어 (MPC) 와 분산 강화 학습 (RL) 은 개별적으로 연구되어 왔으나, 아키텍처 선택이 추적 충실도, 쾌적성 유지, 그리고 건물 군집 전체에 걸친 제어 동작의 공간적 분포를 어떻게 공동으로 형성하는지를 정량화한 경험적 증거는 제한적입니다.

방법론
본 연구는 냉대 기후 지역 (버몬트주) 에 위치한 열펌프, 태양광 (PV), 배터리가 설치된 25 개의 이질적인 건물로 구성된 시뮬레이션 주거 단지를 대상으로 네 가지 서로 다른 조정 아키텍처를 평가합니다. 해당 단지는 장기 계약 유연성을 나타내는 일정한 일일 기준 부하 프로파일을 추적하도록 임무가 부여됩니다.

평가된 아키텍처는 다음과 같습니다:

1. 규칙 기반 제어기 (RBC): 학습이나 시스템 모델 없이 시간대별 요금 배터리 스케줄링 및 히스테리시스 온도 조절기 제어를 사용하는 기준선 모델입니다.
2. 중앙 집중식 MPC: 단일 최적화기가 전체 단지 상태 정보와 선형 열 모델을 사용하여 모든 건물의 HVAC 및 배터리 동작을 공동으로 계산합니다.
3. 독립형 Soft Actor–Critic (I-SAC): 각 건물이 전역 보상을 공유하면서 국소 관측치와 방송된 기준 신호만을 기반으로 확률적 정책을 학습하는 완전 분산형 접근 방식입니다.
4. MAPPO (CTDE): 중앙 집중식 학습과 분산 실행을 사용하는 다중 에이전트 근접 정책 최적화 방식으로, 에이전트들이 학습 중에는 전역 정보를 활용하면서도 실행 중에는 지역적 자율성을 유지할 수 있도록 합니다.
5. 하이브리드 MPC–SAC: 중앙 집중식 MPC 가 추적 강화를 위해 단지 수준의 배터리 (BESS) 충전/방전을 최적화하고, 분산형 SAC 에이전트가 쾌적성 유지를 위해 건물 수준 HVAC 를 독립적으로 조절하는 계층적 아키텍처입니다.

성능은 세 가지 지표로 평가됩니다:

• 추적 정밀도: 정규화 평균 편차 오차 (NMBE) 및 RMSE 의 변동 계수 (CVRMSE).
• 열적 쾌적성: 쾌적성 범위 (20°C–24°C) 를 초과하는 시간의 비율 및 누적 불쾌감 (K·h).
• 공간적 변동성: 건물 간 제어 동작 편차의 표준 편차로, 부담 분배의 형평성을 측정합니다.

주요 결과
본 연구는 조정 아키텍처의 선택이 추적과 쾌적성 간의 트레이드오프 구조를 근본적으로 결정한다는 사실을 발견했습니다:

• 중앙 집중식 MPC: 상대적으로 낮은 추적 편차 (8.8% NMBE) 를 달성하지만, 일부 건물에 구동력을 집중시킵니다. 이로 인해 쾌적성 위반이 증가 (24.8% 초과) 하고 공간적 변동성이 높음 (1.85 kWh) 을 보여, 불쾌감의 불공정한 분배를 나타냅니다.
• 분산형 RL (I-SAC 및 MAPPO): 단지 전체에 제어 노력을 더 고르게 분배하지만, 연속적인 그리드 추종 요구 사항 하에서 정확한 추적을 유지하지 못합니다. I-SAC 는 중등도의 쾌적성 영향 (17.5% 초과) 을 보이지만 높은 추적 편차 (24.8% NMBE) 를 보입니다. MAPPO 는 가장 높은 누적 불쾌감 (125.6 K·h) 과 상당한 추적 오차를 나타냅니다.
• 하이브리드 MPC–SAC: 전반적으로 가장 균형을 잘 이룹니다. 가장 낮은 추적 편차 (4.8% NMBE) 와 중등도의 쾌적성 영향 (16.8% 초과) 을 달성합니다. 특히, 가장 낮은 공간적 변동성 (1.18 kWh) 을 보여 건물 군집 전체에 걸쳐 제어 노력과 쾌적성 부담이 더 균일하게 할당됨을 나타냅니다.
• 기준선 RBC: 가장 우수한 쾌적성 (14.1% 초과) 을 유지하지만, 추적에는 완전히 실패 (42.3% NMBE) 하여 동적 신호 추종 능력이 부족함을 확인시킵니다.

의의 및 주장
본 논문은 조정 아키텍처가 시스템 결과에 맥락 의존적인 영향을 미치는 근본적인 설계 결정이라고 주장합니다. 주요 기여는 계층적 분해—BESS 를 통한 단지 수준 조정과 HVAC 를 통한 건물 수준 자율성을 분리하는 것—가 정확한 추적과 쾌적성 유지 간의 긴장 관계를 해결한다는 것을 입증한 것입니다.

저자들은 효과적인 조정은 제어 범위를 목표 규모에 맞추어야 한다고 주장합니다. 중앙 집중식 최적화는 단지 수준 목표에는 효과적이지만 불공정한 쾌적성 영향을 초래할 수 있으며, 완전 분산형 학습은 연속 추적을 위한 조정 역량이 부족합니다. 하이브리드 접근 방식은 MPC 의 제약 처리 능력과 학습 기반 제어의 적응성을 결합하는 실용적인 경로를 제공합니다.

또한, 본 연구는 공간적 변동성이 단지 수준 수요 반응의 표준 평가 차원이 되어야 함을 강조합니다. 연구 결과는 중앙 집중식 MPC 가 열적으로 유연한 건물을 반복적으로 활용하는 경향이 형평성 문제를 제기하는 반면, 하이브리드 아키텍처는 더 공정한 부담 분담 메커니즘을 제공함을 시사합니다. 논문은 고급 제어기가 반드시 단순한 기준선보다 쾌적성을 개선하는 것은 아니지만, 그 가치 제안은 수용 가능한 쾌적성 수준을 유지하면서 그리드 서비스 (연속 추적) 를 제공할 수 있는 능력에 있음을 결론지었습니다.