基于人工神经网络的仿真学习在需求响应热泵中的人工控制方法
系统与控制
2024-07-17 v1 系统与控制
摘要
电气加热设备的灵活性有助于应对能源系统中不可预测可再生能源来源所引发的问题。特别是热泵通过采用智能控制方法，可有效解决方案，通过调整热泵的功率输出以响应需求响应信号。本文将基于人工神经网络的仿真学习与热泵的人工控制方法相结合。我们使用优化问题的输出数据训练模型，以确定热泵的最佳运行计划。目标是最小化具有时变电价的电费，同时保持建筑温度在可接受范围内。我们在多个多户建筑上评估了所developed的新方法，包括不同保温水平的建筑，采用地下暖水系统作为热储。结果表明，PSC-ANN优于文献中已评估的智能控制方法和传统控制方法。进一步地，我们的实验表明，针对特定建筑训练的仿真学习模型也适用于其他相似建筑，无需使用新数据重新训练。我们developed的方法还减少了与最优求解相应优化问题相比较的执行时间。PSC-ANN可集成到多个建筑中，通过调整其电力消费以响应外部信号的波动，使其更有效地利用可再生能源。
引用
@article{arxiv.2407.11561,
title = {Imitation learning with artificial neural networks for demand response with a heuristic control approach for heat pumps},
author = {Thomas Dengiz and Max Kleinebrahm},
journal= {arXiv preprint arXiv:2407.11561},
year = {2024}
}