< Terug naar vorige pagina

Project

Benutten van synergie tussen regeltechnieken en artificiële intelligentie in het energiebeheer van gebouwen

Volgens het Internationaal Energieagentschap (IEA) bedroeg het energiegebruik in 2015 9384 MToe. Met een derde van het globale energiegebruik is de bouwsector afgetekend de grootste energieverbruiker. Energiebeheersystemen in gebouwen kunnen - in principe - een groot pakket aan flexibiliteit aanwenden voor vraagsturing in slimme elektriciteitsnetwerken (Smart Grids). Dit kan de capaciteit verhogen voor schokvrije integratie van hernieuwbare energiebronnen (RES), en zodanig tot een aanzienlijke verlaging van CO2 emissies over de hele wereld leiden. Op dit moment maken de meeste gebouwbeheersystemen voor hun sturing gebruik van eenvoudige geautomatiseerde vuistregels. Uit veldtesten en simulaties is gebleken dat geavanceerde sturingstechnieken zoals Model Predictive Control (MPC) en Approximate Dynamic Programming (ADP) de aanwezige flexibiliteit meer dynamisch en meer effectief kunnen aanwenden voor een optimale sturing.

Het doctoraatsonderzoek omvat het ontwikkelen van nieuwe algoritmes die het aandeel van hernieuwbare energiebronnen verhogen en de beschikbare flexibiliteit optimaal benutten met als expliciet doel de brede inzetbaarheid van deze algoritmes te verwezenlijken voor optimaal gebouwbeheer in de praktijk. Hiervoor zullen de ontwikkelde algoritmes zowel innovatief en effectief zijn wat de optimale sturing betreft, maar tegelijkertijd moeten ze praktijkgericht zijn en zal hun brede inzetbaarheid - met een minimum aan noodzakelijke aanpassingen-ter-plaatse - moeten worden aangetoond in concrete toepassingen.

In een eerste fase wordt een gemeenschappelijke terminologie gedefinieerd met elementen uit verschillende disciplines en benaderingen (MPC vs. ADP, wiskundige modellen vs. artificiële intelligentie), en wordt een reeks van relevante definities opgesteld. Deze formele fundering is noodzakelijk voor de verdere stappen, en zal ook de reproduceerbaarheid, de toepasbaarheid en de kennistransfer van de resultaten ten goede komen. Er wordt ook onmiddellijk gestart met het opstellen van de formele vereisten voor de criteria waarmee de optimale-controle algoritmes naar waarde kunnen worden geschat en vergeleken. Vervolgens worden de verschillende benaderingen afzonderlijk geïmplementeerd en getest op effectiviteit (performantie). Een vergelijkende studie zal de sterke en zwakke punten identificeren, inzicht verschaffen in de omstandigheden waarin welke aanpak de voorkeur heeft. Dat zal leiden tot een beslissingsboom waarmee de meest geschikte aanpak kan worden gekozen.

Vervolgens wordt onderzocht op welke manieren de sterke punten van de verschillende algoritmes en benaderingen kunnen worden gecombineerd tot nieuwe, hybride vormen. Er zal ook worden gezocht naar verfijningen en verbeteringen van de bestaande algoritmes op zich. De impact van al deze variaties en combinaties zal worden onderzocht op inzetbaarheid en toepasbaarheid in de praktijk, op schaalbaarheid, kosten voor installatie en aanpassingen aan de specifieke gebouwsituatie en de rekenkosten en –efficiëntie. Tot slot zullen de algoritmes ontwikkeld in dit doctoraatswerk worden gevalideerd in simulaties en veldtesten met gebruik van echte meetdata.

Datum:24 nov 2017 →  30 nov 2021
Trefwoorden:Building Energy Management, Optimal Control, System Identification, Model Predictive Control, Approximate Dynamic Programming, Thermal Systems, Demand Response, Grey-Box models, Black-Box models, White-Box models
Disciplines:Elektrische energietechniek, Energieopwekkings-, conversie- en opslagtechniek, Thermodynamica, Mechanica, Mechatronica en robotica, Productietechnieken, Veiligheidsingenieurswetenschappen
Project type:PhD project