Dňa 6.7.2017 o 11:00 bude mať na ÚIAM v miestnosti 641 odborný seminár Ing. Ján Drgoňa na tému "Prediktívne riadenie s modelom s aplikáciami v riadení termálneho komfortu v budovách".

FB-IAM:Event

Abstrakt: Táto práca sa zaoberá aplikáciami preditívneho riadenia (MPC) na problematiku riadenia tepelnej pohody v budovách. Mnohé štúdie ukázali, že nahradenie aktuálne používaných regulátorov založených na pravidlách (RBC) pokročilými metódami riadenia môže výrazne prispieť k energetickým úsporám a zvýšenému komfortu obyvateľov. Aj napriek tomuto intenzívnemu výskumu aplikácia MPCv praxi je ešte stále v počiatočnom štádiu. A to hlavne z toho dôvodu, pretože MPC vyžaduje presný matematický model budovy a jej vykurovacích, chladiacih a klimatizačných (HVAC) systémov. Potrebná úroveň zložitosti modelu na dosiahnutie dobrého výkonu MPC však zostáva a priori neznáma a na toto určenie nie je k dispozícii žiadna systematická metóda. Táto práca predstavuje systematickú štúdiu zložitosti predikčného modelu potrebného na dosiahnutie optimálneho správania sa regulátora pre konkrétnu budovu. Druhou prekážkou aplikácie algoritmov prediktívneho riadenia sú zvýšené požiadavky na hardvér a softvér a to hlavne z dôvodu nutnosti riešenia optimalizačných problémov v reálnom čase. Pokročilé algoritmy riadenia navyše vyžadujú špeciálne vyškolených pracovníkov schopných ladiť a odstraňovať poruchy pri zavádzaní tejto technológie do praxe. Tento problém je riešený v tejto práci dvomi spôsobmi. V prvom prípade skúmame možno zostrojiť takzvané explicitné riešenia aj pre formulácie MPC ktoré zohľadňujú neistoty predpovedí počasia. Takéto riešenia sú najprv predpočítané v režime off-line a v on-line režime potom umožňujú jednoduchú a výpočtovo efektívnu implementáciu preditívneho riadenia aj na zariadeniach s obmedzeným výpočtovým výkonom. Hlavnou prekážkou tohto prístupu sú však striktné obmedzenia na zložitosť riešeného problému, vyjadrené počtom parametrov. Táto nevýhoda je v druhom prístupe prekonaná zostrojením regulátorov ktoré napodobňujú správanie prediktívneho regulátora cez využitie algoritmov strojového učenia. Konkrétne ide o využitie algoritmov mnohorozmerovej regresie a techník redukcie zložitosti. Takéto regulátory sú navyše zostrojiteľné aj pre zložité problémy s viacerými vstupmi a výstupmi (MIMO) a s veľkým množstvom parametrov, ktoré sú bežné pri riadení budov. Hlavná výhoda navrhovaných metód spočíva v ich ľahkej implementácii aj na lacných zariadeniach bez potreby pokročilých softvérových knižníc.