⚡ electrical engineering

Grid-Compatible Flexibility from Multi-Energy Systems via Cyclic-Terminal Economic MPC with Hybrid Thermal-Electrical Dynamics

Este artigo apresenta uma estrutura unificada de Controle Preditivo Baseado em Modelo Econômico para sistemas multienergia que integra dinâmicas térmico-elétricas híbridas e sinais de mercado, demonstrando que um peso de penalidade terminal suficientemente grande substitui efetivamente horizontes de predição longos para garantir o desempenho ótimo em malha fechada e a tratabilidade computacional.

Autores originais: Azzam Abdul, Schwenkel Lukas, Scheurer Leon, Häbig Pascal, Hufendiek Kai

Publicado 2026-08-10

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Azzam Abdul, Schwenkel Lukas, Scheurer Leon, Häbig Pascal, Hufendiek Kai

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine a rede de energia como uma cidade gigante e movimentada, onde a eletricidade e o calor são as duas principais moedas. No passado, essas moedas eram geridas por bancos separados: um para luzes e dispositivos, outro para banhos quentes e edifícios aquecidos. Mas, à medida que o mundo se desloca para as energias verdes, esses bancos precisam de conversar entre si. O problema é que a eletricidade é como dinheiro vivo no bolso — é ótima para transações rápidas, mas difícil de guardar para mais tarde. O calor, por outro lado, é como uma pedra quente e pesada; demora a aquecer, mas uma vez quente, permanece quente por muito tempo, agindo como uma bateria natural.

Para gerir esta cidade de forma eficiente, precisamos de um controlador de tráfego superinteligente que consiga prever o futuro. É aqui que entra o Controlo Preditivo de Modelo (MPC). Imagine-o como um jogador de xadrez que não olha apenas para o próximo lance, mas planeia vários turnos à frente, ajustando constantemente a estratégia à medida que o jogo muda. Quando o objetivo deste controlador é poupar dinheiro em vez de apenas seguir um cronograma fixo, chama-se MPC Económico (EMPC). O grande desafio que os cientistas enfrentam é tornar este controlador suficientemente rápido para funcionar em tempo real, enquanto lida com a física complexa e lenta do calor, juntamente com a dinâmica ultrarrápida da eletricidade, tudo isto reagindo a preços flutuantes.

Este artigo apresenta uma nova forma inteligente de operar este controlador para um sistema de energia do tamanho de um campus que mistura calor e eletricidade. Os investigadores construíram um "cérebro" unificado que trata os tubos de aquecimento e os fios elétricos como um único sistema interligado. Em vez de tentarem adivinhar o futuro perfeito todas as vezes, utilizaram um truque: calcularam um "cronograma semanal perfeito" offline (como um plano mestre para uma semana típica) e depois usaram esse plano como um guia para o controlador em tempo real. Eles não forçaram o sistema a seguir o plano rigidamente; em vez disso, adicionaram uma "amarra suave" que puxa gentilmente o sistema de volta ao plano caso este comece a desviar-se demasiado.

A equipa realizou milhares de simulações num campus virtual equipado com painéis solares, baterias, bombas de calor e uma central de cogeração de calor e eletricidade. Descobriram algo surpreendente: o controlador não precisava de olhar muito para o futuro para ser eficaz. Normalmente, pensa-se que olhar mais longe (um "horizonte de previsão" mais longo) será sempre melhor. No entanto, descobriram que, se tiverem uma "amarra suave" suficientemente forte (um peso terminal elevado) a ancorar o sistema ao plano semanal, a janela de observação à frente mal importa. Uma previsão curta de apenas 20 minutos teve um desempenho quase tão bom como uma previsão de 72 horas, desde que a amarra fosse forte o suficiente.

De facto, o artigo argumenta que o "tempo de previsão" e a "força da amarra" atuam como substitutos. Sem a amarra, o controlador precisa de olhar para a frente durante dois ou três dias inteiros (cerca de 48 a 72 horas) para compreender o melhor ritmo por conta própria. Mas com a amarra, pode obter o mesmo resultado olhando apenas para alguns minutos à frente. Isto é uma grande vitória para a velocidade, o que significa que o computador não tem de fazer um esforço pesado para resolver problemas matemáticos complexos a cada poucos minutos.

No entanto, o estudo também revelou um comportamento peculiar no armazenamento térmico (um enorme tanque de água quente). Embora o controlador mantivesse a bateria e a rede de aquecimento perfeitamente alinhados com o plano semanal, o tanque de água quente parecia "derivar" ao longo do tempo, enchendo-se ou esvaziando-se lentamente de uma forma que o plano semanal não previa. Os investigadores explicam que isto não é um erro, mas sim uma peculiaridade da matemática: como o custo de manter a água quente é essencialmente zero, o controlador sente-se livre para deixar o tanque vagar, desde que não quebre nenhuma regra. Esta deriva acontece mesmo quando o sistema está a poupar dinheiro de forma eficaz.

Os investigadores testaram o seu sistema sob condições perfeitas, onde conheciam exatamente o tempo e os preços futuros. Nestas simulações, o controlador online conseguiu manter o custo total dentro de menos de 1% do custo teoricamente ideal. Descobriram que, para esta configuração específica de campus, um horizonte de previsão de 24 horas (288 passos) é o ponto ideal: é suficientemente longo para ver um dia inteiro de variações de preços e manter o sistema estável, mas suficientemente curto para ser resolvido rapidamente. Eles recomendam um "peso de amarra" específico de 1.000, que mantém o sistema ancorado sem ser demasiado rígido.

Em última análise, o artigo mostra que, ao utilizar uma âncora inteligente (a referência periódica) e uma amarra flexível, podemos fazer com que sistemas de energia complexos funcionem de forma eficiente sem necessitar de supercomputadores para olhar dias no futuro. Embora os resultados sejam baseados em simulações e assumam o conhecimento perfeito do futuro, as descobertas sugerem um caminho prático para gerir o mundo desordenado e misto das futuras redes de energia verde.

Resumo Técnico: Flexibilidade Compatível com a Rede via EMPC de Terminal Cíclico de Sistemas Multienergia

Definição do Problema

Os setores de aquecimento e resfriamento permanecem fortemente dependentes de combustíveis fósseis, o que representa uma barreira significativa para a descarbonização, ao mesmo tempo em que oferecem um armazenamento inerente de grande escala via inércia térmica que as redes elétricas não possuem. A coordenação desses domínios térmico e elétrico introduz desafios operacionais devido à volatilidade da geração renovável, incertezas na demanda e a dinâmicas distintas de ativos como usinas de Cogeração (CHP), bombas de calor (HP), baterias e Armazenamento de Energia Térmica (TES).

Abordagens convencionais, como o despacho baseado em regras ou o escalonamento estático de Programação Linear Inteira Mista (MILP), frequentemente tratam os ativos isoladamente ou dependem de cronogramas fixos. Esses métodos carecem da capacidade de antecipar estados futuros ou sinais de preço e não conseguem fechar o loop para reagir a erros de previsão. Embora o Controle Preditivo Baseado em Modelo (MPC) ofereça uma solução ao otimizar sobre um horizonte recuante, a aplicação em sistemas multienergia integrados é computacionalmente exigente. Além disso, formulações padrão de MPC Econômico (EMPC) frequentemente lutam para garantir estabilidade e garantias de desempenho sem impor restrições terminais rígidas, o que pode tornar a otimização inviável sob distúrbios variantes no tempo.

Metodologia

O artigo propõe uma estrutura unificada de Controle Preditivo Baseado em Modelo Econômico (EMPC) de Terminal Cíclico projetada para a operação coordenada de redes térmicas e elétricas integradas.

1. Representação de Espaço de Estados Unificada:
Os autores desenvolvem um modelo de espaço de estados de variáveis mistas único que acopla:

Rede de Aquecimento Distrital (DHN): Modelada usando uma aproximação Resistiva–Capacitiva (RC) de ordem reduzida, focando no efeito de armazenamento térmico da massa de água da rede enquanto negligencia a dinâmica de pressão hidráulica.
Rede Elétrica: Modelada usando uma aproximação de fluxo de potência DC linearizado (DCPF).
Ativos: Inclui um TES estratificado, uma bateria, uma bomba de calor (HP) de grande escala e uma usina de cogeração (CHP). A CHP é formulada usando uma abordagem de Lógica Mista Dinâmica (MLD) para lidar com sua lógica híbrida de ligar/desligar e restrições de partida diretamente dentro da otimização.
Distúrbios: Sinais variantes no tempo (irradiância solar, temperatura ambiente, demanda, preços de eletricidade) são tratados como entradas exógenas.

2. Formulação de Terminal Cíclico:
Em vez de rastrear um setpoint fixo, o EMPC minimiza um custo de estágio econômico (combustível, eletricidade, degradação e custos de corte). Para garantir estabilidade e desempenho sem conjuntos terminais rígidos, a estrutura utiliza uma órbita de referência econômica periódica:

Offline: Uma trajetória de estado-entrada periódica ótima é computada uma única vez offline sobre um período nominal (ex: 24 horas) assumindo distúrbios periódicos.
Online: O controlador de horizonte recuante é ancorado a esta referência fixa usando restrições terminais suaves (soft). Uma penalidade de folga (slack) escalonada é aplicada às variações entre o estado terminal e a órbita de referência. Isso permite que o controlador mantenha a viabilidade quando os distúrbios realizados desviam da estimativa nominal, enquanto ainda guia o sistema em direção ao regime periódico economicamente ótimo.

3. Configuração Experimental:
A estrutura é testada em um sistema multienergia de escala de campus (Universidade de Stuttgart) sob condições de visão perfeita (perfect foresight). A simulação abrange três dias com um tempo de amostragem de 300 segundos e um horizonte de predição de 24 horas. Uma varredura conjunta é realizada através de 14 comprimentos de horizonte de predição ( $N$ ) e 8 pesos de penalidade terminal ( $w_{term}$ ) para analisar a interação entre esses parâmetros de projeto.

Principais Contribuições

Modelo Híbrido Unificado: Um único modelo de espaço de estados afim que acopla uma DHN baseada em RC e uma rede de fluxo de potência DC com cinco componentes de geração/armazenamento (CHP, HP, TES, Bateria, Solar) em um programa linear de variáveis mistas com custo econômico convexo.
Design de EMPC de Terminal Cíclico: Uma implementação prática usando restrições terminais suaves escalonadas que ancoram a operação de horizonte recuante a uma órbita econômica periódica offline, explorando a periodicidade diária de preços e demanda sem exigir conjuntos terminais rígidos.
Análise de Sensibilidade de Parâmetros de Projeto: Uma análise de sensibilidade de malha fechada abrangente caracterizando a relação entre o horizonte de predição e o peso da penalidade terminal. O estudo identifica que esses dois parâmetros atuam como substitutos, em vez de botões de ajuste independentes.
Caracterização Empírica de Deriva de Armazenamento: A identificação e interpretação de uma "deriva de horizonte recuante" no estado do armazenamento de energia térmica, onde o controlador online conduz o armazenamento para longe de seu intervalo, enquanto a referência periódica offline o mantém quase inerte.

Resultados

1. Alinhamento de Órbita e Desempenho de Custo:

Efeito de Substituição: O estudo demonstra que um peso terminal suficientemente grande ( $w_{term} \ge 300$ ) permite que o sistema alcance um desempenho próximo do ótimo (dentro de 0,4% a 1,0% do custo da referência offline) mesmo nos horizontes de predição mais curtos (20 minutos). Sem esse ancoramento ( $w_{term}=0$ ), o horizonte de predição deve abranger dois a três ciclos diários (48–72 horas) para alcançar um alinhamento semelhante.
Platô de Custo: Uma vez que o peso terminal excede um limiar de ativação, o custo de malha fechada torna-se insensível ao peso em uma ampla gama (um "platô multidécada"). Da mesma forma, com a condição terminal ativa, o horizonte de predição deixa de ser um parâmetro crítico de desempenho e torna-se puramente um parâmetro computacional.
Desempenho de Linha de Base: Com um horizonte de 24 horas e um peso terminal moderado ( $w_{term}=10^3$ ), o EMPC online rastreia a órbita periódica offline de perto, com um gap de custo cumulativo de apenas 0,77% sobre a janela de simulação.

2. Alocação de Flexibilidade:

Papéis Assimétricos: O sistema exibe uma alocação de flexibilidade assimétrica. A bateria atua como o movimentador de médio prazo, realizando arbitragem de preço de várias horas. Por outro lado, o TES opera como um ciclista rápido e quase contínuo, absorvendo principalmente um viés de superprodução persistente da bomba de calor, em vez de responder diretamente aos sinais de preço.
Despacho da CHP: A CHP é despachada predominantemente durante períodos de preços altos, com seu cronograma de compromisso permanecendo amplamente invariante através de diferentes comprimentos de horizonte uma vez que a condição terminal está ativa.

3. Deriva de Horizonte Recuante:
O estado do TES exibe uma deriva persistente onde o controlador online acumula inventário em relação à referência offline. Isso ocorre porque o nível de energia do TES não carrega um custo de estágio direto (apenas perdas passivas), fazendo com que a dissipatividade estrita falhe nesse dado de coordenada. A referência offline é forçada a ser inerte por sua restrição de periodicidade rígida, enquanto o controlador online explora a capacidade de armazenamento "gratuita" para satisfazer as restrições terminais via descargas agendadas que nunca são executadas devido ao deslocamento do horizonte.

Significância e Alegações

O artigo afirma que a estrutura de EMPC de terminal cíclico proposta consegue unir a tratabilidade computacional e a otimalidade econômica para sistemas multienergia. Ao usar uma restrição terminal suave ancorada a uma referência periódica, o método:

Desvincula o Desempenho do Comprimento do Horizonte: Permite horizontes de predição curtos (reduzindo a carga computacional) sem sacrificar o desempenho econômico, desde que um peso terminal suficientemente grande seja utilizado.
Garante a Viabilidade: O mecanismo de restrição suave preserva a viabilidade sob distúrbios onde restrições terminais rígidas poderiam falhar.
Revela Propriedades Estruturais: A análise destaca que, em sistemas híbridos com superfícies de custo planas (como o armazenamento térmico com perdas), controladores de horizonte recuante podem exibir deriva mesmo quando as médias de desempenho são atendidas, um fenômeno distinto do ruído de comutação de inteiros.

Os autores observam que essas descobertas são específicas para o sistema de campus estudado e semanas de preços. O estudo assume visão perfeita e correspondência entre planta e modelo, reconhecendo que trabalhos futuros devem abordar a incerteza de previsão e o erro de modelo através de extensões robustas ou estocásticas. O artigo não reivindica aplicabilidade universal a todas as configurações de rede, mas estabelece uma metodologia validada para a classe específica de sistemas integrados térmico-elétricos modelados.