"Learning energy": kombiniert numerisch/heuristische Steuerungsalgorythmen für den Einsatz bei Energiemanagement-Systemen

Problemstellung und Ausgangslage:

/   Energiemanagement-Systeme werden oftmals unstrukturiert und durch Anhäufen von Expertenregeln entworfen. Die Sinnhaftigkeit und Widerspruchsfreiheit von Regeln kann meist nicht überprüft werden; die zu erwartenden Energieverbräuche und Einsparungspotenziale durch Energiemanagement-Systeme sind oftmals unbekannt.

/   Für jede neue Systemtopologie muss wieder Expertenwissen aufgebaut und daraus abgeleitet ein Regelwerk entworfen werden.

/   Anstelle der Expertenregeln können optimale Regelungen (MPC, LQG, …) als Teil eines Energiemanagement-Systems eingesetzt werden. Für einfache, lineare Systeme funktioniert dies problemlos. Die Behandlung komplexer, nicht-linearer Energiesysteme bedarf allerdings einer sehr detaillierten Systemkenntnis. Die vorhandenen Methoden sind rechenzeitintensiv und können mit allgemein nicht-linearen sowie schaltenden Systemen nur unzureichend umgehen.

Unser Ziel:

Der mathematisch aufwendige Schritt der numerischen Online-Optimierung soll durch ein statisches Regelgesetz, welches in Kennfeldern abgespeichert ist, ersetzt werden. Dadurch reduziert sich der Aufwand einer Implementierung erheblich. Außerdem kann das Regelgesetz kontinuierlich berechnet werden, während die Optimierungen zeitdiskret (z.B. nur alle 15 Minuten) ausgeführt werden müssen.

Methodik:

/   Wirklichkeitsgetreue Abbildung eines zu regelnden, hybriden Energiesystems in einer Simulationsumgebung

/  Vereinfachung (Linearisierung) des Systems um relevante Arbeitspunkte bzw. entlang einer Trajektorie und Entwickeln eines optimalen Reglers (MPC)

/   Identifikation von mathematischen Modellen des MPC mittels symbolischer Regression (d.h. Identifikation eines Regler-Surrogats), um diesen als geschlossene Formeln darstellen und online-fähig machen zu können Prinzipielle Funktionstests des entworfenen Reglers bzw. des identifizierten Regler-Surrogats am realen System