基于数据的建筑群及分布式能源系统一体化建模与自学习优化控制

With the rapid increase of construction scale, energy consumption of buildings in China has become a very serious problem nowadays. This project will establish a unified modeling method for cluster of buildings and distributed energy sources based on the vast amount of data. It will also establish self-learning optimal coordination control schemes for such unified systems. First, data-based feature analysis and modeling for the unified systems of cluster of buildings with distributed energy sources will be conducted using cluster analysis and neural networks. Second, considering the requirements of comfortness and structural properties of buildings, self-learning optimal control methods based on adaptive dynamic programming will be established for three different cases of the unified systems of single-building with distributed energy sources, i.e., systems without distributed energy sources, with energy storage devices, and with both energy storage devices and clean renewable energy sources. Third, distributed iterative adaptive dynamic programming methods and multiagent-based adaptive dynamic programming approach will be developed for optimal coordination control of unified systems of cluster of buildings with distributed energy systems. Fourth, optimal coordination control will be established for the unified systems of cluster of buildings with distributed energy sources with uncertainties and time-delays based on multiagent systems theory. Finally, a platform will be established for energy consumption analysis and optimization of smart community. Results from this project will be applied to real systems with notable economic and social impacts. This project will push forward the frontiers of coordination control of cluster of buildings with distributed energy sources. On a larger scale, this project will help to improve energy efficiency, to ease the energy shortage, and to promote the healthy development of the national economy. Therefore, this project has a lasting strategic importance.

针对我国建筑规模大、建筑能耗严重的现状，提出一套基于系统海量数据的建筑群与分布式能源系统的一体化建模方法，并研究一体化系统的自学习优化协调控制。首先，采用聚类分析、神经网络逼近等方法，研究基于数据的建筑群与分布式能源系统的一体化特征分析与建模。其次，针对设备运行、储能设备和分布式能源三种情况，结合舒适度要求和建筑结构性质，分别建立基于自适应动态规划的单体建筑与分布式能源一体化系统的自学习优化控制方法。再次，提出分布式迭代自适应动态规划方法，实现建筑群与分布式能源一体化系统的协调优化控制。同时，结合多智能体理论，建立不确定以及时滞情况下建筑群与分布式能源一体化系统的优化协调控制方法。最后，将构建实验平台，将研究成果应用于实际系统，创造可观的经济和社会效益。本项目研究将推动建筑群及分布式能源系统的协调规划，提高能源使用效率，缓解国家能源紧缺状况，促进我国国民经济的健康发展，具有长远的战略意义。

本项目研究基于海量数据的自学习优化协调控制方法及其在建筑群与分布式能源系统中的应用基础研究。在实际非线性系统数学模型难以确立的情况下，建立起一套创新的、更有效的控制与优化理论和方法，从而切实解决建筑群与分布式能源系统一体化优化协调控制问题。在国家自然科学基金支持的四年中，课题组顺利并超额完成了申请书和计划书中的预期成果。所获得的研究成果包括：1、针对建筑群的结构参数、运行数据以及环境数据等数据，对建筑群与分布式能源系统的运行数据进行数据挖掘和特征提取，建立不同类别建筑与分布式能源系统的模型，集成出整个建筑群与分布式能源一体化系统的模型。2、针对单体建筑与分布式能源一体化系统为研究对象，根据建筑群的结构参数、运行数据以及环境数据等数据，对建筑设备运行进行优化控制，并考虑风光储等分布式能源设备接入建筑的情况下的优化控制。3、针对分布式控制的计算量能保证在可行性范围内，增加实时计算的能力，提出新型的分布式迭代自适应动态规划算法，采用自学习方式获得建筑群与分布式能源一体化系统优化协调控制。4、针对分布式能源系统中的不确定与时滞因素，设计鲁棒时滞控制器，将传统的自适应动态规划方法进行推广，并在建立合适的性能指标函数的基础之上，研究建筑群与分布式能源一体化系统的优化协调控制。5、以秦皇岛数谷大厦建筑群与分布式能源系统运行数据验证控制方案和学习算法的有效性，开发“智能小区能耗评估与优化平台”，对建筑群与分布式能源一体化系统的能耗数据进行分析，形成建筑群与分布式能源一体化系统自适应动态规划自学习优化控制软件平台。上述研究成果将为基于数据的控制理论和非线性系统控制理论的发展提供新思路，丰富其研究内容，同时切实促进我国绿色建筑的发展向前迈进，为我国低碳、高效、环保的可持续性发展的伟大目标贡献力量。