Optimization methods for building management systems

Abstract

The proposed Dissertation examines the building energy decarbonization, which is currently a core part of the global primary energy consumption. Building energy management contributes to this matter, as it encompasses the proper production, storage and distribution of energy to cover the respective needs of the buildings. The current directions focus on the increase of Renewable Energy Source distribution and the decentralization of energy production, as well as the gradual autonomization of energy producers and consumers. In the face of these, it would be of high research interest to adjust Building Management System (BMS) layouts to this new situation. The Dissertation follows the above notion by proposing the following actions: 1. the simplification of the models used by BMSs for decision making, so that they can be used more easily in distributed energy systems, by using machine learning methods, 2. the analysis of thermal flexibility existing in building energy systems 3. the integration of mechanics related to thermal flexibility in a decision-making process suitable for use by consumers and producers, which helps them coordinate while they retain decision-making autonomy in distributed energy systems, 4. the utilization of findings in design optimization of Building Energy Systems. According to the conclusions of this Dissertation, to begin with, it is inferred that the surrogate modelling development on local experimental setups for effective predictions is achievable. More specifically, this approach is suitable to be used not only by thermal network components, such as district heating thermal substations, but also by BMS belonging to buildings-consumers. The combination of effective predictive capabilities and low computational cost makes the surrogate models a core component of future BMS, accompanied by decision-making algorithms. Regarding the proposed optimal decision-making algorithm, on the one hand, it is structured to enable the consumers to optimize the demand energy management, but also examine alternative optimal solutions in order to fully utilize the value of the personalized optimization criteria they set by themselves. On the other hand, the proposed method visualizes the information related to the decision-making strategy of the demand-side energy management process of the consumer on a multi-objective level, a feature useable by the energy producers, so that they can adjust their energy production and energy cost profiles according to their aim for decarbonizing energy production in a sustainable way. In short, the proposed optimal decision-making method maps and visualizes the relationship between a consumer and producers, which is a vital feature of future BMS layouts of distributed thermal energy systems.

Η Διατριβή εξετάζει το ζήτημα της απολιγνιτοποίησης στο πλαίσιο των ενεργειακών αναγκών των κτιρίων, οι οποίες αποτελούν σημαντικό παράγοντα της ενεργειακής κατανάλωσης σε παγκόσμια κλίμακα. Η κατάλληλη παραγωγή, αποθήκευση, διανομή και κατανάλωση της ενέργειας για τις ανάγκες αυτές πλαισιώνουν την ενεργειακή διαχείριση των κτιρίων. Οι σχετικές κατευθύνσεις προς την απολιγνιτοποίηση αυτή τη στιγμή εστιάζονται στην αύξηση της διείσδυσης των Ανανεώσιμων Πηγών Ενέργειας στα κτιριακά ενεργειακά συστήματα, καθώς και στην ολοένα και πιο μαζική ενεργειακή παραγωγή και τη σταδιακή αυτονόμηση των ενεργειακών παραγωγών και καταναλωτών. Συνεπώς, η προσαρμογή των συστημάτων διαχείρισης κτιρίων στα νέα αυτά δεδομένα αποτελεί ερευνητικό αντικείμενο σημαντικής αξίας. Η Διατριβή κινείται στο πλαίσιο αυτό προτείνοντας τις εξής δράσεις: 1. την απλοποίηση των μοντέλων που χρησιμοποιούνται από τα συστήματα διαχείρισης κτιρίων για τη λήψη αποφάσεων, ώστε να χρησιμοποιούνται ευκολότερα σε διανεμημένα θερμικά ενεργειακά δίκτυα, με την αξιοποίηση τεχνικών μηχανικής μάθησης, 2. τη μελέτη της ευελιξίας των θερμικών συστημάτων των κτιρίων, 3. την ενσωμάτωση των σχετικών με αυτή μηχανισμών σε μεθοδολογία πολυκριτηριακής βελτιστοποίησης λήψης αποφάσεων, κατάλληλης για χρήση από ενεργειακούς καταναλωτές, αλλά και παραγωγούς, για τον συντονισμό της λειτουργίας τους και τη διατήρηση της αυτονομίας λήψης αποφάσεων τους στα διανεμημένα θερμικά ενεργειακά δίκτυα, 4. την επέκταση και αξιοποίηση των ευρημάτων σε θέματα βελτιστοποίησης του σχεδιασμού ενεργειακών συστημάτων κτιρίων. Σχετικά με τα συμπεράσματα της Διατριβής, σε πρώτο στάδιο, παρατηρείται πως η ανάπτυξη απλούστερων μοντέλων είναι επιτεύξιμη με την εφαρμογή μεθόδων υποκατάστατων μοντέλων. Η χρήση τους σε πειραματικές κτιριακές διατάξεις και ενεργειακά συστήματα κατά την εκπόνηση της διατριβής αποδεικνύει πως είναι μια τεχνολογία που μπορεί να εφαρμοστεί όχι μόνο σε δομές θερμικών δικτύων, όπως οι υποσταθμοί τηλεθέρμανσης, αλλά και σε αυτόνομα συστήματα διαχείρισης κτιρίων-καταναλωτών. Η ικανότητα πρόβλεψης σε συνδυασμό με τις χαμηλές υπολογιστικές απαιτήσεις καθιστά τα υποκατάστατα μοντέλα ένα βασικό εργαλείο στη διαδικασία λήψης αποφάσεων στα μελλοντικά συστήματα διαχείρισης κτιρίων. Όσον αφορά την ανάπτυξη του αλγορίθμου βέλτιστης λήψης αποφάσεων, είναι δομημένος ώστε να προσφέρει από τη μία στους ενεργειακούς καταναλωτές, εκτός από τη βέλτιστη διαχείριση των ζητούμενων ενεργειακών φορτίων, τη δυνατότητα να εξετάσουν σε πολυκριτηριακό επίπεδο εναλλακτικές βέλτιστες λύσεις και να αξιοποιήσουν πλήρως την αξία που θέτουν οι ίδιοι στα κριτήρια βελτιστοποίησης τους. Από την άλλη, η προτεινόμενη μέθοδος παρέχει στους ενεργειακούς παραγωγούς οπτικοποιημένη πληροφορία σχετική με τις ακολουθούμενες στρατηγικές των καταναλωτών σε πολυκριτηριακό επίπεδο. Αυτό τους επιτρέπει να επανεξετάσουν πότε και με ποιο αντίτιμο παράγουν και προσφέρουν ενέργεια στους καταναλωτές, λαμβάνοντας επίσης υπόψη τα δικά τους κριτήρια, ήτοι την προσφορά απολιγνιτοποιημένης ενέργειας με βιώσιμο τρόπο. Με λίγα λόγια, η προτεινόμενη μέθοδος χαρτογραφεί και αποτυπώνει την αμοιβαία σχέση μεταξύ καταναλωτή και παραγωγού, μια δυνατότητα ζωτικής σημασίας σε δομές διαχείρισης και ελέγχου κτιρίων σε διανεμημένα ενεργειακά συστήματα.