Evaluatie van de Robuustheid van modelgebaseerde regelaars in gebouwen
|
Klik hier om te bewerken.
|
|
SAMENVATTING
Door de wereldwijd stijgende energiekosten en verstrengende milieuwetgeving, is de trend ingezet om installaties in gebouwen steeds efficiënter op te volgen en te regelen. Hiervoor is tegenwoordig bijna elk nieuw tertiair gebouw uitgerust met een overkoepelend gebouwbeheersysteem (GBS[1]). Een GBS wordt zowel gebruikt voor regeling als voor monitoring (FDDe[2]), o.a. van HVAC[3]-installaties. Traditioneel werken GBS-regelaars voornamelijk op basis van eenvoudige regeling zonder terugkoppeling en zonder voorspelling (bv een stooklijn). Tegenwoordig bieden de meeste GBS-producenten de mogelijkheid om een waaier aan beschikbare gegevens over het gebouw, de gebruikers en zelfs voorspellingen te incorporeren om zo het HVAC systeem efficiënter op te volgen en te sturen. Hiervoor is dit GBS uitgerust met één of meerdere systeemmodellen die het gebouw- en installatiegedrag nabootsen, wat een theoretisch besparingspotentieel tussen 1-41% oplevert ten opzichte van traditionele GBS en tussen 10-40% voor FDDe modellen. In de praktijk werkt een modelgebaseerde regeling echter vaak minder goed dan theoretisch voorspeld. Dit is deels te wijten aan modelfouten en afwijkingen op regelaarparameters. In het slechtste geval treden er comfortklachten op, en kan er zelfs een stijging van het energiegebruik (tot +20%) optreden t.o.v. tradtionele regeling. Om dit te aan te pakken, loopt er vandaag veel onderzoek naar modelselectie en parameteridentificatie voor modelgebaseerde regelaars. Vele onderzoekers (zoals Haves P, 2001; Quartararo, 2006; Gwerder et al, 2010; Trčka, 2010) benadrukken dat verder onderzoek noodzakelijk is om de werkelijke kosten en baten van deze modelgebaseerde regelaars te kunnen beoordelen. Op vlak van monitoring is dit al meermaals uitgevoerd, maar het onderzoek naar foutgevoeligheid of afwijkingtolerantie van modelgebaseerde regelaars op GBS-niveau staat nog maar in haar kinderschoenen. Bovendien wordt in deze onderzoeken meestal een perfecte werking van subsystemen aangenomen. Uit het werk van Xu (2008) en Sihem (2009) blijkt echter dat afwijkingen op dit niveau[4] ook de performantie van de regelaar beïnvloeden. Enkel als deze “afwijkingen” gedetecteerd kunnen worden in het GBS, kan de regelaar voor de afwijking compenseren en zo de invloed ervan verminderen. Dit doctoraat focust op het ontwikkelen van een objectieve evaluatiemethodiek voor modelgebaseerde regelaars, die naast de typische systeemidentificatie ook de impact van bijkomende afwijkingen op kernindicatoren van de gebouwbeheerder meeneemt. De hoofddoelstelling van dit doctoraatsproject is de evaluatie van modelgebaseerde regelaars in een GBS volgens het risiconiveau van afwijkingen, door middel van gevalgebonden emulatie. Hiermee kan de robuustheid van deze regelaars ten opzichte van dit soort afwijkingen beoordeeld worden. -------------------------------------- [1] Engelse afkorting: B(E)MS of BAS: Building Management System. Building Automation system. [2] Engelse afkorting: FDDe: Fault Detection; Diagnosis and Evaluation. [3] Engelse afkorting: HVAC = Heating, ventilation and air conditioning. (Verwarming, ventilatie en luchtbehandeling) [4] Een afwijking of degeneratiefout is een fout in parameter, signaal, setpunt, sensor of actuator-signaal dat niet kritisch(gevaarlijk of schadelijk) is, en die dus geen directe interventie van een technieker vereist.Bij HVAC-regeling gaat het hier vooral om stoorfactoren en onbekenden bij sensoren en actuatoren (dode band, dode tijd, responsiviteit, nauwkeurigheid, signaalruis, plaatsing, aantal, etc.), wijzigingen van het HVAC systeem, gebouw, gebruikersgedrag en voorspellingen (onzekerheid, afwijking) |
DETAIL
Titel "Evaluation methodology for the Robustness of Model based control in buildings" Doctorandus Promotor In samenwerking met Looptijd |