概要

本論文は、地域熱供給システム（DHS）の運用における経済的最適性と温度制御を同時に実現するデータ駆動型オンライン制御フレームワークを提案しています。従来の運用戦略は外乱予測や名目モデルに依存しており、予測情報やモデル知識の精度低下時に経済的・熱的性能が劣化する課題を解決します。本手法は予測情報に依存せずに経済的に最適な運用点への収束を実現します。

ポイント

  • データ駆動型アプローチ: 定常状態の経済最適条件を温度ダイナミクスに組み込み、不確実な運用条件下で予測なしに最適運用を実現

  • DeePOベースコントローラ: Data-Enabled Policy Optimization（DeePO）を用いたオンライン学習制御器を開発し、適応モーメント推定（ADAM）を統合して閉ループ性能を向上

  • 理論的保証: 結果として得られる閉ループシステムに対する収束性および性能保証を確立

  • 実用性: 外乱予測モデルの精度に依存しない堅牢な運用戦略として、地域熱供給システムの脱炭素化と効率化に貢献

  • シミュレーション検証: 実規模モデルでのシミュレーションにより提案手法の有効性を実証（論文内で実施）

出典

Data-driven online control for real-time optimal economic dispatch and temperature regulation in district heating systems

この記事はAIが海外情報を要約・翻訳したものです。元記事は出典リンクをご覧ください。