扰动自适应数据驱动预测控制：在建筑气候控制中以舒适违规换取节能
系统与控制
2026-02-25 v4 系统与控制
摘要
模型预测控制（MPC）在建筑气候控制中展现出显著潜力，超越了现代建筑管理系统中常用的传统控制器。在 MPC 变体中，数据驱动预测控制（DPC）能够直接从数据中建模建筑动力学，从而大幅减少调试工作。然而，不可避免的模型不确定性和测量噪声可能导致舒适违规，即使采用专门的 MPC 设置。本文引入扰动自适应 DPC（DAD-DPC）框架，确保在不知道不确定性和噪声分布的情况下，预定义的违规界限得到渐近满足。该框架基于 Willems 基本原理和保守预测，构建数据驱动的管道，可用于建筑气候控制。本文提出的 DAD-DPC 框架通过四个建筑案例（包括高保真 BOPTEST 模拟平台和占据校园建筑 Polydome）进行验证。DAD-DPC 成功将平均舒适违规控制在预定义界限内。值得注意的是，5% 违规的 DAD-DPC 设置在四个案例中分别实现了 30.1%/11.2%/27.1%/20.5% 的能源节省。这些结果表明，该框架在平衡能源消耗和舒适违规方面具有有效性，为建筑气候控制应用提供了实用解决方案。
引用
@article{arxiv.2412.09238,
title = {Disturbance-Adaptive Data-Driven Predictive Control: Trading Comfort Violations for Savings in Building Climate Control},
author = {Jicheng Shi and Christophe Salzmann and Colin N. Jones},
journal= {arXiv preprint arXiv:2412.09238},
year = {2026}
}
备注
Accepted for publication in IEEE Transactions on Control Systems Technology