Skip to main content
SpringerLink
Log in

Verteilte kooperative modellprädiktive Temperaturregelung für komplexe Gebäude

Cooperative fuzzy model predictive control

  • Originalarbeiten
  • Published:
e & i Elektrotechnik und Informationstechnik Aims and scope Submit manuscript

Zusammenfassung

In dieser Publikation wird eine verteilt kooperative modellprädiktive Temperaturregelung für komplexe Gebäude präsentiert. Das nichtlineare Gebäudemodell wird mittels Takagi-Sugeno-(TS-) Fuzzy-Modellen mathematisch formuliert. TS-Fuzzy-Modelle sind lokal lineare Modellnetzwerke, welche als Gesamtheit ein nichtlineares Modell wiedergeben. Modellprädiktive Regelung von TS-Fuzzy-Modellen führt zu einem nichtlinearen Regelungskonzept, dem sogenannten fuzzy-modellprädiktiven Regler (FMPC). Wegen der speziellen Zonen-Modellierung von komplexen Gebäuden und der Abhängigkeit von Kopplungszonen, welche sich über ein gesamtes Stockwerk erstrecken, wird ein relaxierter kooperativer FMPC eingesetzt. Die Relaxierung zeichnet sich dadurch aus, dass die Kopplungszone getrennt von den Zonen-FMPC geregelt wird und als Störgröße in die Kooperation der FMPCs miteingeht. Neben der einfachen Trennung von Zonen ist dieses Konzept wegen der MPC-Struktur für komplexe Gebäude sehr geeignet, da dieses mit Beschränkungen in Ein- und Ausgangsgrößen optimal umgehen kann. Neben der Modellierung und dem Regelungsschema wird ebenso ein Simulationsbeispiel für ein spezielles Demonstrationsgebäude angegeben, welches die Vorteile dieses Konzepts hervorhebt.

Abstract

In this work a distributed Cooperative Fuzzy Model Predictive Control (CFMPC) scheme for building heating control is presented. The dynamical non-linear building model is described by a local linear model network (LLMN). These LLMNs are described by Takagi-Sugeno-(TS-) Fuzzy-models. These TS-Fuzzy-models represent the non-linear complex building model with local linear models, which are easy to handle by a model predictive control (MPC) strategy. Because of the non-linearity the resulting MPC is given by a fuzzy MPC (FMPC). In this work a specific building is given, which is split into two zones and one coupling zone. The two zones are controlled by fan coils and the coupling zone is controlled by a thermally activated building system (TABS) which manipulates the temperature of the concrete core. Because of the coupling zone a relaxation and a cooperative control strategy were chosen. The cooperative iteration update defines a manipulated variable TABS as a disturbance for the other FMPCs and vice versa for the coupling MPC. Furthermore, MPC in general is effective for handling input and output constraints. Therefore, it is a useful tool for building control. Furthermore, a specific demonstration building is described and simulation results show the benefits of the presented controller strategy.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Log in via an institution

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Institutional subscriptions

Abb. 1.
Abb. 2.
Abb. 3.
Abb. 4.
Abb. 5.
Abb. 6.
Abb. 7.

Literatur

  1. Pérez-Lombard, L., Ortiz, J., Pout, C. (2008): A review on buildings energy consumption information. Energy Build., 40(3), 394–398.

    Article  Google Scholar 

  2. Oldewurtel, F., Parisio, A., Jones, C. N., Gyalistras, D., Gwerder, M., Stauch, V., Lehmann, B., Morari, M. (2012): Use of model predictive control and weather forecasts for energy efficient building climate control. Energy Build., 45, 15–27.

    Article  Google Scholar 

  3. Killian, M., Mayer, B., Schirrer, A., Kozek, M. (2015): Cooperative fuzzy model predictive control. IEEE Trans. Fuzzy Syst., in press.

  4. Prívara, S., Cigler, J., Váňa, Z., Oldewurtel, F., Sagerschnig, C., Žáčeková, E. (2013): Building modeling as a crucial part for building predictive control. Energy Build., 56, 8–22.

    Article  Google Scholar 

  5. Nelles, O. (2001): Nonlinear system identification: from classical approaches to neural networks and fuzzy models. Berlin: Springer. Engineering online library

    Book  Google Scholar 

  6. Killian, M., Mayer, B., Kozek, M. (2015): Effective fuzzy black-box modeling for building heating dynamics. Energy Build., 96, 175–186.

    Article  Google Scholar 

  7. Abonyi, J. (2002): Fuzzy model identification for control. Boston: Birkhäuser.

    Google Scholar 

  8. Takagi, T., Sugeno, M. (1985): Fuzzy identification of systems and its applications to modeling and control. In IEEE transactions on systems, man and cybernetics (Vol. SMC–15, S. 116–132).

    Google Scholar 

  9. Rawlings, J., Mayne, D. (2009): Model predictive control: theory and design. Madison: Nob Hill Publishing.

    Google Scholar 

  10. Killian, M., Mayer, B., Kozek, M. (2014): Hierarchical fuzzy MPC concept for building heating control. In Proceedings of the 19th world congress of the international federation of automatic control (IFAC’14) (S. 12048–12055).

    Google Scholar 

  11. Mayer, B., Killian, M., Kozek, M. (2015): Management of hybrid energy supply systems in buildings using mixed-integer model predictive control. Energy Convers. Manag., 98, 470–483.

    Article  Google Scholar 

  12. Stewart, B. T., Venkat, A. N., Rawlings, J. B., Wright, S. J., Pannocchia, G. (2010): Cooperative distributed model predictive control. Syst. Control Lett., 59(8), 460–469.

    Article  MathSciNet  MATH  Google Scholar 

  13. Mayer, B., Killian, M., Kozek, M. (2014): Cooperative and hierarchical fuzzy MPC for building heating control. In 2014 IEEE international conference on fuzzy systems (FUZZ-IEEE) (S. 1054–1059).

    Google Scholar 

  14. Mollov, S., Babuska, R., Abonyi, J., Verbruggen, H. (2004): Effective optimization for fuzzy model predictive control. IEEE Trans. Fuzzy Syst., 12, 661–675.

    Article  Google Scholar 

Download references

Danksagung

Diese Arbeit wurde unterstützt durch das Projekt „SMART MSR“ (FFG, Nr. 832103) in Kooperation mit evon GmbH.

Author information

Authors and Affiliations

  1. Institut für Mechanik und Mechatronik, Abteilung für Regelungstechnik und Prozessautomatisierung, Technische Universität Wien, Getreidemarkt 9, 1060, Wien, Österreich

    Michaela Killian, Alexander Schirrer & Martin Kozek

  2. FH Joanneum, Werk-VI-Straße 46, 8605, Kapfenberg, Österreich

    Barbara Mayer

Authors
  1. Michaela Killian
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Barbara Mayer
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. Alexander Schirrer
    View author publications

    You can also search for this author in PubMed Google Scholar

  4. Martin Kozek
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Michaela Killian.

Rights and permissions

Reprints and permissions

About this article

Check for updates. Verify currency and authenticity via CrossMark

Cite this article

Killian, M., Mayer, B., Schirrer, A. et al. Verteilte kooperative modellprädiktive Temperaturregelung für komplexe Gebäude. Elektrotech. Inftech. 132, 474–480 (2015). https://doi.org/10.1007/s00502-015-0374-6

Download citation

  • Received:

  • Accepted:

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s00502-015-0374-6

Schlüsselwörter

Keywords

Search

Navigation