На правах рукописи
ТЮКОВ
Антон Павлович
Супервизорное управление системами контроля
климата в зданиях
05. 13. 01 – «Системный анализ, управление и обработка информации
(промышленность)»
05. 13. 10 – «Управление в социальных и экономических системах»
АВТОРЕФЕРАТ
диссертации на соискание учёной степени кандидата технических наук
Волгоград – 2013
Работа выполнена на кафедре «Системы автоматизированного проектирования и поискового конструирования» Волгоградского государственного технического университета (ВолгГТУ)
Научный руководитель доктор технических наук, профессор, Камаев Валерий Анатольевич
Научный консультант кандидат технических наук, доцент Щербаков Максим Владимирович
Официальные оппоненты: Квятковская Ирина Юрьевна доктор технических наук, профессор, Астраханский государственный технический университет, директор института информационных технологий и коммуникаций;
Крушель Елена Георгиевна кандидат технических наук, профессор, Камышинский технологический институт филиал Волгоградского государственного технического университета, кафедра "Автоматизированные системы обработки информации и управления", профессор.
Ведущая организация Астраханский государственный Университет.
Защита диссертации состоится «15» марта 2013 в 13.00 часов на заседании диссертационного совета Д 212.028.04 при Волгоградском государственном техническом университете по адресу: 400005, г. Волгоград, проспект Ленина, 28.
С диссертацией можно ознакомиться в библиотеке Волгоградского государственного технического университета.
Автореферат разослан « 15 » февраля 2013 г.
Учёный секретарь Водопьянов Валентин Иванович диссертационного совета
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность. Рост цен на энергоносители, перспективы истощения месторождений и проблемы экологии вынуждают цивилизацию обратиться к более рациональному использованию энергоресурсов. Одной из приоритетных задач энергоэффективности является раскрытие потенциала энергосбережения. Сокращение огромных потерь энергии при эксплуатации зданий является стратегической задачей, которая может быть решена в рамках сокращения энергии на поддержание уровня температурного комфорта в зданиях с помощью модификации существующих алгоритмов управления системой контроля климата (СКК, от англ. heating ventilation air-condition cooling, HVAC) (Winner, 2012). Так, по данным международных исследований, энергопотребление зданий занимает до 30 % от производства энергии всей страны. Около 40 % энергии каждого здания расходуется на поддержание уровня температурного комфорта в СКК. Как правило, алгоритмы управления СКК не обновляются после установки системы в здании.
По данным исследований Европейской комиссии (Green Paper on Energy Efficiency, 2005) и профессора В. Веттера (W. Wetter, Калифорнийский университет Беркли, 2004), эффективность работы СКК может быть повышена от 20 до 40% за счет модификации существующих алгоритмов управления. В работах исследовательской группы Оптиконтрол (Opticontrol, 2010) предлагаются подходы для создания новых эффективных СКК. Однако результаты данных исследований носят теоретический характер, ориентированы на использование в новых моделях СКК и в связи с этим трудно применимы к уже установленным системам.
Одним из подходов, позволяющих модифицировать алгоритмы управления, является супервизорное управление СКК. В работе под супервизорном управлением понимается процесс управления системами управления с использованием дополнительной информации. Фактически, супервизорная система управления можно рассматривать как надсистему. Кроме того, согласно исследованиям Олдевултела (Oldewurtel, 2004) и Камачо (Camacho, 2004), использование упреждающих значений переменных, характеризующих погоду, позволит снизить расход энергии в СКК при сохранении допустимого уровня температурного комфорта. Использование упреждающих факторов в системах управлении сформировало но вое научное направление, получившее название «Управление с прогнозирующими моделями» (от англ. Model Predicted Control, MPC) (см. работы К. Фонга (K.Fong, 2009), Хаизюк (Hazyuk, 2010), Олдевултела (F. Oldewurtel, 2010), Яшио Ютсимы (Y.
Utsumi,2012), исследовательской группы Оптиконтрол (Opticontrol, 2010)).
В рамках данной диссертации предлагается решение проблемы неоптимального расхода энергии в существующих СКК за счет разработки метода супервизорного управления СКК на основе прогнозирующих моделей.
Объектом исследования является СКК, установленное в здании.
Предметом исследования являются алгоритмы оптимального управления СКК.
Предполагаемая гипотеза: супервизорное управление СКК на основе прогнозирующих моделей позволит повысить энергетическую эффективность СКК.
Цель работы. Целью работы является повышение экономической эффективности управления зданием за счет супервизорного управления СКК. Для достижения цели в диссертационного исследования решаются задачи:
1) анализ здания как социально-экономической системы и определение факторов, влияющих на потребление энергии в СКК;
2) анализ алгоритмов функционирования СКК;
3) разработка метода супервизорного управления СКК на основе прогнозирующих моделей;
4) проверка предложенного метода на практике и оценка экономической эффективности метода.
5) разработка автоматизированной системы супервизорного управления СКК (масштабируемой, клиент-серверной);
Методы исследований. Для решения поставленных задач использовались методы: системного анализа, теории автоматического управления, управления с прогнозирующими моделями, машинного обучения, математической статистики, оптимизации, проектирования автоматизированных систем.
Научная новизна работы. Разработан новый метод супервизорного управления системой контроля климата на основе прогнозирующих моделей, позволивший повысить эффективность управления микроклиматом и включающий в себя:
1) формальную модель изменения температуры как характеристики комфорта внутри здания с СКК, основанную на данных с датчиков СКК, упреждающих погодных факторов;
2) оригинальный метод формирования управляющих воздействий на СКК, основанный на генетическом алгоритме, позволяющий оптимизировать потребление энергии в СКК при поддержании целевого уровня температурного комфорта.
Достоверность и обоснованность научных положений и результатов, приведённых в диссертационной работе, подтверждается совпадением результатов моделирования и экспериментальной проверки, внедрением и опытной эксплуатации разработанной автоматизированной системы.
Практическая значимость. Диссертационные исследования выполнены в рамках приоритетного направления «Информационно-телекоммуникационные системы» и способствуют развитию критических технологий: созданию энергосберегающих систем транспортировки, распределения и потребления тепла и электроэнергии, обработки, хранения и передачи информации. Разработана архитектура и прототип клиент-серверной веб-ориентированной автоматизированной системой супервизорного управления СКК.
Соответствие паспорту специальности. Работа выполнена в соответствии с паспортом специальности ВАК РФ: 05.13.01 – «Системный анализ, управление и обработка информации (в промышленности)», пункт 6,5,4,7,9,11; и 05.13.10 – «Управление в социальных и экономических системах», пункт 6, 7, 5.
Апробация работы. Материалы работы докладывались на мероприятиях: 14 международной конференции по информационной интеграции и веб-ориентированным технологиям iiWAS-2012 (Индонезия, 2012); финале конкурса «Зворыкинская Премия-2012» (г.Сколково, 2012) (выигран приз 300 т. рублей), на международной инвестиционной встрече SeedForum (Москва, 2012), Финале конкурса ИТ-Старт (Москва, 2012), финале конкурса «Кубок Техноваций» (МФТИ, 2012), «3 международной конференции по технологиям разработки информационных систем ТРИС-2012» (Геленджик, 2012), «13 международной конференции по информационным и веб-ориентированным технологиям» (Вьетнам, 2011), школе-семинаре «Новые информационные технологии» (Украина, 2011), международной конференции «Применение искусственного интеллекта в инженерии и бизнесе» (Польша, 2011), школе-семинаре молодых новаторов НИЦ «Саров» (п.Сатис, 2011), «Информационные технологии в образовании, технике и медицине»
(Волгоград, 2010), «Информационные технологии в науке, образовании, телекоммуникации и бизнесе» (IT+SE`10), «Инновационные технологии в управлении, образовании, промышленности АСТИНТЕХ-2010»
(Астрахань, 2010), конгресс по интеллектуальным системам и информационным технологиями "IS&IT`11" (Дивноморское, 2011 г.), «Ресурсоэнергосбережение и эколого-энергетическая безопасность промышленных городов» (г. Волжский, 2010 г.), Автор награжден грантом У.М.Н.И.К. (2010) и стипендией Президента РФ (2013).
Публикации. По теме диссертации опубликовано 22 печатных работ, в том числе 6 статей в журналах, входящих в перечень ВАК, статьи в трудах международных конференций (две из которых проиндексированы в SCOPUS), и 13 тезисов докладов на конференциях.
Личный вклад автора. Личный вклад автора заключается в постановке целей и формулировке задач исследований, обосновании выбора теоретических и расчётных методов решения поставленных задач, анализе полученных данных и их интерпретации. Автор принимал непосредственное участие в разработке теоретических моделей, проведении исследований и обработке данных экспериментов, составлении отчётной документации, подготовке материалов докладов и публикаций, выводов и заключений по работе, выдаче рекомендаций для практического использования.
Структура и объём работы. Диссертация состоит из введения, четырех глав, заключения, списка использованной литературы из наименований. Объём диссертации – 130 с., включая 69 рис., 20 таблиц.
Автор выражает признательность Адриану Бребельсу, преподавателю Высшей Католической Школе Томаса Мура, за предоставление данных для исследования.
ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ
Введение. Во введении излагается актуальность темы, цель работы, методы исследования. Кратко описано содержание по главам.
В первой главе обоснована актуальность исследования, дана характеристика здания, определены стандарты уровня комфорта в помещении, даны характеристики внешних воздействий, описана система сбора данных.
1.1 Характеристика здания. Здания представляет собой сложную систему энергетически взаимосвязанных элементов: окна, ограждения, нагревательные приборы, внутренняя воздушная среда, оборудование помещений, производственные и бытовые теплосооружения, наружная окружающая среда. В зависимости от типа материалов, здания обладают разной скоростью реагирования на изменение окружающей среды (Малявина, 2007).
Под характеристиками окружающей среды понимается наружная температура, давление и влажность наружного воздуха, направление и скорость ветра, интенсивность солнечной радиации. К характеристикам здания относятся конструктивные и теплофизические свойства сплошных стен и светопрозрачных ограждений, теплоемкость массивов оборудования, мощность отопительных приборов, а так же бытовых и производственных тепловыделений. Задача обеспечения поддержания уровня температурного комфорта в здании представляет собой организацию баланса характеристик здания и окружающей среды с помощью СКК. Показатель энергетической эффективности может быть выражен через значение потребления газа.
Кроме этого, здание можно рассматривать как социально-экономическую систему ( СЭС), управление которой можно оценивать как с точки зрения экономической эффективности ( стоимость отопления), так и с точки зрения социальной эффективности ( уровень комфорта).
1.2 Системы сбора данных. Для сбора и анализа данных о процессах, происходящих в здании, используются автоматизированные системы коммерческого учета электроэнергии (АСКУЭ/ИИСКУЭ). В здании устанавливается устройство сбора и передачи данных (УСПД), которое подключается к датчикам СКК и отправляет замеры с датчиков по расписанию на АСКУЭ. Для получения фактических погодных значений используются данные с внешних источников, таких, как метеорологические станции MeteoSwiss, NOAA и другие. Факторы, влияющие на уровень температурного комфорта, отображены в таблице 1.
Таблица 1 - Факторы, влияющие на уровень температурного комфорта в здании Целевой Целевая температура, Пользователь, СКК Да Стандарты качества:
Контролируемые Фактическая темпера- Датчики PT100 в комна- Нет Интервал между тура внутри помеще- тах здания, подключен- измерениями: ния, Потребление газа Расписание работы Пользователь сохраняет Да Альтернативные Неконтролируемые Температура на улице Датчики, подключенные Да Для прогноза иск СКК; метеостанции пользуются модели: COSMO-2, Солнечная радиация, Пиранометр, метеостан- Нет Солнечная радиация Soda-IS ция с учетом обSr Ясность, ClrSky Метеостанция Soda-IS Да Усредненное количество энергии, Для поддержания уровня комфорта в зданиях используются системы контроля климата (СКК).
Во второй главе классифицированы и описаны типы систем контроля климата, описан алгоритм управления типовой СКК, описана концепция супервизорного управления.
2.1 Характеристика систем контроля климата. СКК используются для улучшения качества воздуха и поддержания температурного комфорта (US EPA, 2008). По данным международным исследований (Buys, 2002) 65% мировой энергии в коммерческом секторе используется в зданиях, а энергопотребление ССК составляет 40%. Повышение эффективности СКК основано на понимании процессов, происходящих в здании. Крарти (Krarti, 2003) определил состав компонент СКК: 1) воздухозаборник, контролирующий поступление воздуха, 2) термостаты, обогревающие здание, 3) фильтры, очищающие воздух, 4) система кондиционеров, охлаждающий и увлажняющий воздух, 5) сеть воздуховодов. Архитектура типовой СКК отображена на рисунке 2.
СКК могут быть классифицированы на следующие типы: 1) комнатные, 2) системы водяного охлаждения помещения, 3) системы подогрева пола, 4) централизованные системы отопления, 5) системы комбинированного нагрева и охлаждения и д.р.
В зависимости от конфигурации, СКК может одновременно управлять разными зонами комфорта и типами нагревательных систем.
2.2 Алгоритмы функционирования систем контроля климата.
Эффективная работа ССК зависит от правильного проектирования нагрузки системы внутри здания. Для повышения эффективности проектирования СКК используется программное обеспечение, моделирующее здание: Energy Plus, TRNSYS, SPARK, HVACS2M, BRIS, PowerDomus, Thermis.
СКК содержит блок управления, управляющий подключенным к нему оборудованием, основанные на группе правил «если-то». Алгоритм учитывает расписание работы здания, определяет время оптимального включения и выключения, цикл пид-регулирования и предохраняет здание от замерзания. Типовой алгоритм работы СКК изображен на рисунке 2 (Siemens, 2002).
Крарти (Krarti, 2000) выделает несколько способов повышения эффективности: 1) ограничение работы ССК только на время использования здания, 2) выявления мест повышенной температуры в здании и локальная оптимизация работы СКК, 3) оптимизация термодинамического системы и 4) сокращение подачи воздуха в холодное время года.
2.3 Использование прогнозирующих моделей в СКК. По данным исследований группы из Швейцарии Оптиконтрол (OptiControl, 2010), эффективность управления СКК может быть повышена за счет управления на основе прогнозирующих моделей, включающих погодные факторы. Использование дополнительных факторов погоды при построении моделей позволяют сократить потребление газа до 30% (Egain, 2008).
Однако, модификация алгоритмов управления является дорогостоящей, требует аппаратной замены блока контроля микроклимата и оптимизации. Автором предлагается использование супервизорного управления для повышения энергоэффективности существующих ССК.
В таблице 2 отображены возможные варианты применения супервизорного управления к существующим СКК.
Таблица 2 – Обзор вариантов супервизорного управления Название алгоритма J ление на основе правил ление с использованием прогноза погоды ление на основе прогнозирующих моделей Большинство исследований носит теоретический характер, исследование производится на основе виртуальной модели и трудно применимы на практике.
В третьей главе описан метод супервизорного управления СКК, модели прогнозирования температуры в здании, метод формирования управляющих воздействий, а также алгоритм оптимизации управления на основе прогнозирующих моделей.
3.1 Общее описание метода. Назначение метода является формирование управляющих воздействий в виде включения / выключения СКК.
Набор управляющих воздействий определяется с помощью оригинального метода супервизорного управления на основе прогнозирующих моделей. Метод состоит из следующих шагов: 1) подготовка данных, 2) настройка параметров модели, 3) формирование управляющих воздействий, 4) оценка полученного результата. Метод супервизорного управления ССК отображен на рисунке 3.
Рисунок 3 – Схема метода супервизорного управления СКК Критерием оценки качества метода является определение комбинации изменения температуры в здании и набора управляющих воздействий, удовлетворяющих следующему условию:
Где h – горизонт оценки прогноза, – целевая температура в здании, – фактическая температура в здании, – управляющее воздействие на включение и выключение системы контроля микроклимата.
3.1.1. Подготовка данных. На этапе подготовки данных, система супервизорного управления получает информацию о температуре в здании и его энергопотреблении, также система получает предупреждающие параметры погоды с метеорологических станций: прогноз температуры на улице, прогноз влажности, точки росы и солнечной радиации. Пользователь задает целевую температуру с помощью расписания работы здания и температуры комфорта в часы, когда здание открыто и закрыто.
На этапе подготовки данных система приводит данные к одному формату, убирает пропуски, фильтрует аномалии данных.
3.1.2. Настройка параметров модели. На этапе настройки параметров модели происходит нормализация данных и передаются начальные настройки модели. Создаются начальные управляющие воздействия.
3.1.3 Прогнозирование температуры в здании. При составлении прогноза нейронная сеть использует следующие параметры: 1) целевая температура в здании, 2) фактическая температура в здании, 3) управляющие сигналы на включение и выключение СКК в здании, 4) прогноз погоды, включающий в себя: температуру снаружи, влажность, направление и скорость ветра, облачность и солнечную радиацию. Подробное описание параметров отображено в таблице 1.
Оценка точности прогноза производится по формуле, предложенной Хиндманом (Hyndman, 2006) для оценки прогнозов:
3.1.4. Формирование управляющих воздействий. После прогнозирования уровня комфорта внутри помещения, система проверяет созданные комбинации прогноза температуры и уровня комфорта внутри помещения на соответствие условиям, описанным в формуле 2. Если найденная комбинация уровня температурного комфорта и времени работы системы контроля климата соответствует условию, тогда системой создается новая популяция управляющих воздействий на основе предыдущих и процесс повторяется заново.
3.1.5. Определение эффективности системы. Прирост эффективности, достигаемый с помощью применения метода супервизорного управления определяется с помощью формулы:
Где - J – значения целевой функции с использованием метода супервизорного управления правления, – значения целевой без использования метода.
Где 1 – коэффициент уровня комфорта, k 2 - коэффициент значимости энергоэффективности, - уровень комфорта, описанный в формуле (1), – энергопотребление в момент времени t.
В четвертой главе описана методика и результаты экспериментов, интеграция с СКК, архитектура системы, экономическое обоснование.
4.1. Методика проведения эксперимента. Эксперименты были проведены на основе пятнадцатиминутных данных о температуре и энергопотреблении, полученных от СКК, установленной в реальном здании в городе Эйндховен. Площадь здания 3 060 м2, со средним ежегодным потреблением газа в системе отопления 79 440 м3.
Экспериментальные данные собирались в течение двух лет (май 2011 – декабрь 2012) из следующих источников: 1) здание площадью 3 080 м2, 2) сервис прогноза погоды WU, 3) сервис с информацией о солнечной активности soda-is.
Целью проведения экспериментов является подтверждение эффективности предложенного автором подхода. Перед анализом данные были агрегированы по часу, выброшены аномальные значения, проведена минимаксная нормализация. Для определения значащих параметров для прогноза температуры внутри здания использовался метод Пирсона. Прогнозирование было проведено на с помощью искусственных нейронных сетей на платформе Enrog.
4.2. Результаты экспериментов. Результаты симуляции отображены на рисунках 4-8.
Рисунок 4 – Зависимость точности прогноза от функции активации и количества слоев нейронной сети.
«