研究人员报告称可扩展模型有助于更高效更智能地使用电网

建筑物消耗了美国大约75%的电力，如果没有重大变化，预计未来几十年这一数字还会上升。答案可能存在于可再生资源中，但它们受到阳光何时照射、风何时吹以及如何最好地接入电网等不确定性的困扰。不过，根据宾夕法尼亚州立大学建筑工程助理教授格雷格帕夫拉克的说法，可能有一种方法可以控制这种疯狂。

Pavlak说，存在优化建筑物如何使用可再生能源的计算模型，但随着他们需要优化的建筑物数量的增加，它们往往会动摇。Pavlak和他的合作者开发了一个可扩展的模型，专门用于控制大型建筑物群及其在现实操作环境中的能源需求。他们在《储能杂志》上发表了他们的方法。

Pavlak说：“我们的方法使我们能够使用可再生能源和蓄热技术，以智能方式控制大型建筑组合。”“为了做出这些控制决策，我们需要考虑不确定性。有很多未知数：天气如何，人们在做什么，当前的能源成本是多少等等。我们的模型考虑了所有这些不确定性以开发最好的计划。”

该模型应用预测随机优化，这意味着变量不确定但具有可能的分布。例如，如果明天有80%的机会下雨，该模型可以合理地预测照射到电网的阳光会减少，但天气也会变凉，因此可能需要更少的电力来为整个套房的空调供电建筑物。

“我们开发了一个监督控制器，它依赖于解决随机规划问题，然后解决一系列实时操作问题，”Pavlak说。“对于该框架的实际实施至关重要，我们提出了一种基于平滑的方差减少梯度方法的并行实施，该方法显示了最佳速率和接近最佳的样本复杂性，可以根据多种情况进行扩展。”

换句话说，该框架有两个关键功能。首先是根据各种现实场景(例如天气或建筑物占用情况)制定建筑运营的前一天计划，这些估计来自最近的历史和预测。二是实时优化，根据实际情况调整方案。根据Pavlak的说法，优化的解决方案与日前的预测相结合，并且该框架可以有效地解决跨规模的需求问题。

该团队模拟了两个案例研究，将他们的解决方案与传统方法进行比较，以测试关于已知信息的效率、可扩展性和结果。他们使用两个具有已知变量的过去日期进行比较。平均而言，他们的解决方案每天可节省大约50美元，最多可节省150美元。

根据Pavlak的说法，在计算机内存使用和处理时间方面，所提出的解决方案算法比当前最先进的求解器更具可扩展性。

“这意味着我们现在可以解决现实世界的决策问题，这些问题涉及许多建筑物、系统和设备的不确定性，”Pavlak说。

Pavlak说，新模式是可能性的起点，尤其是随着更直接整合灵活资源的新能源市场结构的发展。

“我们开始开发更简单的模型，可以扩展到更大的数量，从而产生更经济、更有效的控制机制，”Pavlak说。“我们正在准备未来这些新能源市场所需的决策工具。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！