Текущая ситуация:
В настоящее время широко распространено ручное управление климатом в жилых, офисных и общественных пространствах (открывание/закрывание форточки, вкл./выкл. обогревателя), в значительной степени обусловленное низкой распространенностью управляющих устройств. Общественные помещения предъявляют высокие требования к качеству воздуха (например, больницы, детские сады), энергоэффективности (гипермаркеты, ТЦ) и оборудованы необходимыми датчиками и устройствами, но все устройства управляются независимо. Устройства smart climate постепенно выходят на массовый рынок и завоевывают популярность у населения. Более того, прогрессивные строительные компании декларируют энергоэффективность и расширенные возможности по управлению климатом в своих зданиях. Построение комплексной системы управления климатом затруднено отсутствием адекватной модели и/или недостатком данных с имеющихся датчиков и способов их обработки. Существующие модели зданий основаны на решении нелинейных уравнений тепло-массопереноса (Навье-Стокса). При анализе макрохарактеристик воздуха (средняя температура, влажность, концентрация CO2) в сложных многозонных помещениях необходимы упрощенные модели, описывающие изменение характеристик воздуха в масштабах минут.
Задачи проекта:
1. Построение усовершенствованной модели динамики характеристик воздуха в помещении.
2. Разработка алгоритмов идентификации построенной модели на основе неполных измерений.
3. Разработка алгоритмов оптимального управления устройствами формирования микроклимата, поиск оптимальных режимов работы с учетом баланса группового комфорта и энергосбережения.
4. Анализ различных режимов работы с учетом возможностей распределенной генерации и сдвига потребления.
5. Реализация разработанных алгоритмов управления на базе Полигона управления в электроэнергетике ИПУ РАН.
Подходы и методы исследования: Оптимальное управление, методы управления с предсказывающей моделью (MPC), методы машинного обучения, распределенная оптимизация
Перспективы: Разработанные алгоритмы управления микроклиматом могут использоваться в моделях нижнего уровня в задаче прогнозирования энергопотребления офисных зданий.