Search

Some analyses state that buildings contribute to overall energy consumption by 20–40%, which, in the context of the recent geopolitical energy crisis, makes them a critical issue to study. Finding solutions for better energy management in buildings can have a significant impact on the energy sector, thus reducing EU energy dependencies and contributing to the fulfillment of the REPowerEU goals. This paper focuses on proposing a simplified model of a residential house considering the main appliances, heating and cooling, a photovoltaic system, and electric vehicle recharging. Weather and solar irradiance forecasts are taken into account. The model predicts the energy demands of a house based on online weather forecasts and the desired indoor temperature. The article also focuses on the analysis of how weather forecast uncertainty affects energy demand prediction. This model can be used to better understand and predict the energy demand of either a single house or a set of houses. A multi-objective optimization approach that takes into account the preferences of users/inhabitants is developed to provide a compromise between the price paid for the electricity and temperature comfort. The authors plan to apply the proposed model to a residential house’s real-time control system. The model will be tuned, its predictions will be tested, and it will be used for energy demand optimization.

The paper deals with an online optimization control method for dynamical processes called Model Predictive Control (MPC). It is a popular control method in industry and frequently treated in academic areas as well. The standard predictive controllers usually do not guarantee stability especially for the case of short horizons and large control error penalization. Terminal state is one way to ensure stability or at least increase the controller robustness. In the paper, deviation of the predicted terminal state from the desired terminal state is considered as one term of the cost function. Effect of the stability and control quality is demonstrated in the simulated experiments. The application area for online optimization methods is very broad including various logistics and transport problems. If the dynamics of the controlled processes cannot be neglected, the optimization problem must be solved not only for steady state but also for transient behaviour, e.g., by MPC.

Model-based Predictive Control (MPC) algorithms popularity grows steadily in industry and academic area as well. Control actions are computed as an optimization problem. Future controlled system behaviour is taken into account - predicted over some horizon. Different methods and mathematical apparatus are utilized to get prediction equations. Diophantine equations and their recursive solving are very neat methods. On the other hand to compute predictions by matrix operations in state-space is easily to program. Paper is focussed on another insightful and compact method based on input-output process model representation and taking advantage of Toeplitz/Hankel matrix algebra.

Řízení vycházející z ekonomických kritérií se používá obvykle až ve vyšších úrovních řízení a probíhá za přímé účasti člověka tj. nejde o automatické řízení v reálném čase. V článku je ukázáno, že za určitých okolností lze čistě ekonomické kritérium (minimalizace nákladů na dosažení a udržení požadovaného stavu) zařadit jako součást cíle plně automatického řízení tj. použít ekonomické kritérium i na nižších úrovních řízení. Základním předpokladem je, aby řízený systém měl více ovládaných vstupů než řízených výstupů. Dalším požadavkem je umět stanovit náklady na realizaci jednotlivých ovládaných vstupů. Je ukázán princip řešení – formulace problému jako úlohy hledání vázaného extrému. Jsou uvedeny dva příklady návrhu řízení s rozšířením cíle řízení o další požadavek – minimalizace nákladů na řízení. Jeden příklad se zabývá doplněním požadavku na nákladovou minimalizaci do návrhu jednoduchého decentralizovaného řízení (fiktivního) systému s čtyřmi vstupy a třemi výstupy. Druhý případ ukazuje způsob přidání požadavku minimalizace nákladů do sofistikovaného prediktivního řízení ideálního termostatu.

Článek je zaměřen na problematiku prediktivního řízení. Konkrétně se jedná o predikci budoucího chování dynamické soustavy. K odhadu budoucího chování potřebujeme znát model soustavy. Ten je možný získat dvěma způsoby – matematicko-fyzikální analýzou nebo experimentální identifikací. Predikční schopnosti jednotlivých modelů jsou ověřeny na laboratorním zařízení (na hydraulicko-pneumatické soustavě).

Článek pojednává o regulaci reálného zařízení jednoduchým a výpočetně nenáročným prediktivním regulátorem PFC (Predictive Functional Controller). Reálnou soustavu v našem případě představuje laboratorní model Hydraulickopneumatická soustava. Programově je regulace zajišťována z prostředí MATLAB Simulink.

Článek je věnován problematice řízení soustavy se dvěmi vstupy a jedním výstupem pomocí zpětnovazebního regulátoru a statického kompenzátoru. U takovéto soustavy lze žádané hodnoty výstupu dosáhnout obecně libovolnou kombinací vstupů. Kompenzátor přepočítává akční veličinu regulátoru na vstupy soustavy tak, aby bylo dosaženo žádané hodnoty na výstupu soustavy a současně se vstupy v ustáleném stavu blížily k žádaným hodnotám vstupů (optimálně z pohledu kvadratického kritéria). Navrhovaná metoda dovoluje řídit soustavy s větším počtem vstupů než je počet výstupů soustavy standardními metodami a navíc umožňuje například optimalizovat náklady na řízení v ustáleném stavu.