A platform for research: civil engineering, architecture and urbanism
A platform for research: civil engineering, architecture and urbanism
Data-Driven Learning and Model Predictive Control for Heating Systems ; Datenbasiert lernende und modellprädiktive Regelung für Heizungssysteme
Im Gebäudebereich werden heutzutage rund 40 % der gesamten in Deutschland verbrauchten Energie, eingesetzt. Bis zu 80 % der verbrauchten Energie in Gebäuden wird für die Erwärmung des Gebäudes und die Warmwasserbereitung verwendet. Das bedeutet, dass der Heizungsanlage im Gebäude auf Grund des hohen Energieverbrauchs eine besondere Bedeutung zukommt. Durch den hohen Energieverbrauch ergibt sich auch ein entsprechendes Einsparpotential, welches unter anderem durch eine verbesserte Betriebsführung, z.B. durch die Verwendung neuartiger Regelungskonzepte, ausgenutzt werden kann. Diese Arbeit beschäftigt sich mit der Frage, wie gespeicherte Messdaten, welche oftmals nur für Monitoringzwecke verwendet werden, für die Optimierung von Regelungen genutzt werden können. Die entwickelten Regler werden am Beispiel von Heizungsanlagen getestet und die Ergebnisse ausgewertet. Modellprädiktive Regelungen (model predictive control - MPC) haben sich als geeignet für Systemen mit Totzeiten erwiesen, zu denen Heizungsanlagen gehören. Durch die Nutzung eines Modells für den MPC kann das künftige Anlagenverhalten berechnet werden und auf Änderungen in den Umgebungsbedingungen, durch die Nutzung von Vorhersagen, frühzeitig reagiert werden. Der MPC löst ein Optimierungsproblem, welches eine Kostenfunktion minimiert unter Berücksichtigung des Anlagenverhaltens, welches durch das Model wiedergegeben wird. Ein Aspekt der Nutzung von Daten ist die Modellbildung für die prädiktive Regelung. Anhand eines Beispiels einer Heizungsanlage werden zwei Regelungen vorgestellt, wie sie heutzutage verwendet werden. Auf der einen Seite der proportionale-integrale (PI) Regler und auf der anderen Seite ein linearer MPC. Der PI-Regler ist ein Standardregler, der in vielen Anwendungsbereichen genutzt wird, auch für Heizungssysteme. Die Ergebnisse werden für Vergleiche mit den weiteren Regelungen genutzt. Sowohl der PI-Regler, als auch der MPC verwenden für die Regelung eine Referenz. Eine geeignete Referenz zu finden kann mitunter aufwendig und schwierig ...
Data-Driven Learning and Model Predictive Control for Heating Systems ; Datenbasiert lernende und modellprädiktive Regelung für Heizungssysteme
Im Gebäudebereich werden heutzutage rund 40 % der gesamten in Deutschland verbrauchten Energie, eingesetzt. Bis zu 80 % der verbrauchten Energie in Gebäuden wird für die Erwärmung des Gebäudes und die Warmwasserbereitung verwendet. Das bedeutet, dass der Heizungsanlage im Gebäude auf Grund des hohen Energieverbrauchs eine besondere Bedeutung zukommt. Durch den hohen Energieverbrauch ergibt sich auch ein entsprechendes Einsparpotential, welches unter anderem durch eine verbesserte Betriebsführung, z.B. durch die Verwendung neuartiger Regelungskonzepte, ausgenutzt werden kann. Diese Arbeit beschäftigt sich mit der Frage, wie gespeicherte Messdaten, welche oftmals nur für Monitoringzwecke verwendet werden, für die Optimierung von Regelungen genutzt werden können. Die entwickelten Regler werden am Beispiel von Heizungsanlagen getestet und die Ergebnisse ausgewertet. Modellprädiktive Regelungen (model predictive control - MPC) haben sich als geeignet für Systemen mit Totzeiten erwiesen, zu denen Heizungsanlagen gehören. Durch die Nutzung eines Modells für den MPC kann das künftige Anlagenverhalten berechnet werden und auf Änderungen in den Umgebungsbedingungen, durch die Nutzung von Vorhersagen, frühzeitig reagiert werden. Der MPC löst ein Optimierungsproblem, welches eine Kostenfunktion minimiert unter Berücksichtigung des Anlagenverhaltens, welches durch das Model wiedergegeben wird. Ein Aspekt der Nutzung von Daten ist die Modellbildung für die prädiktive Regelung. Anhand eines Beispiels einer Heizungsanlage werden zwei Regelungen vorgestellt, wie sie heutzutage verwendet werden. Auf der einen Seite der proportionale-integrale (PI) Regler und auf der anderen Seite ein linearer MPC. Der PI-Regler ist ein Standardregler, der in vielen Anwendungsbereichen genutzt wird, auch für Heizungssysteme. Die Ergebnisse werden für Vergleiche mit den weiteren Regelungen genutzt. Sowohl der PI-Regler, als auch der MPC verwenden für die Regelung eine Referenz. Eine geeignete Referenz zu finden kann mitunter aufwendig und schwierig ...
Data-Driven Learning and Model Predictive Control for Heating Systems ; Datenbasiert lernende und modellprädiktive Regelung für Heizungssysteme
Lautenschlager, Björn (author) / Sternberg, Harald
2019-01-01
Theses
Electronic Resource
English
Heizungssysteme - Grundlose Zurückhaltung
Online Contents | 2004