論文の概要: Which price to pay? Auto-tuning building MPC controller for optimal economic cost

• arxiv url: http://arxiv.org/abs/2501.10859v1
• Date: Sat, 18 Jan 2025 19:52:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:19:41.427427
• Title: Which price to pay? Auto-tuning building MPC controller for optimal economic cost
• Title（参考訳）: どの価格で支払うか? 最適経済コストのための自動調整型MPCコントローラ
• Authors: Jiarui Yu, Jicheng Shi, Wenjie Xu, Colin N. Jones,
• Abstract要約: 建物内の温度管理にはモデル予測制御(MPC)が用いられる。 最先端の効率的な制約付きベイズ最適化アルゴリズムに基づく,効率的な性能指向型MPCコントローラチューニング手法を提案する。 その結果、最適化されたシンプルなMPCでは、基本ルールベースのコントローラによって制御される場合と比較して、家庭の月々の電力コストを最大26.90%削減できることがわかった。
• 参考スコア（独自算出の注目度）: 7.400001848945602
• License:
• Abstract: Model predictive control (MPC) controller is considered for temperature management in buildings but its performance heavily depends on hyperparameters. Consequently, MPC necessitates meticulous hyperparameter tuning to attain optimal performance under diverse contracts. However, conventional building controller design is an open-loop process without critical hyperparameter optimization, often leading to suboptimal performance due to unexpected environmental disturbances and modeling errors. Furthermore, these hyperparameters are not adapted to different pricing schemes and may lead to non-economic operations. To address these issues, we propose an efficient performance-oriented building MPC controller tuning method based on a cutting-edge efficient constrained Bayesian optimization algorithm, CONFIG, with global optimality guarantees. We demonstrate that this technique can be applied to efficiently deal with real-world DSM program selection problems under customized black-box constraints and objectives. In this study, a simple MPC controller, which offers the advantages of reduced commissioning costs, enhanced computational efficiency, was optimized to perform on a comparable level to a delicately designed and computationally expensive MPC controller. The results also indicate that with an optimized simple MPC, the monthly electricity cost of a household can be reduced by up to 26.90% compared with the cost when controlled by a basic rule-based controller under the same constraints. Then we compared 12 real electricity contracts in Belgium for a household family with customized black-box occupant comfort constraints. The results indicate a monthly electricity bill saving up to 20.18% when the most economic contract is compared with the worst one, which again illustrates the significance of choosing a proper electricity contract.
• Abstract（参考訳）: 建物内の温度管理はモデル予測制御(MPC)が考慮されているが,その性能は過パラメータに大きく依存している。 したがって、MPCは様々な契約の下で最適な性能を達成するために、細心の注意深いハイパーパラメータチューニングを必要とする。 しかし、従来のビルディングコントローラ設計は、クリティカルなハイパーパラメータ最適化を伴わないオープンループプロセスであり、しばしば予期せぬ環境障害やモデリングエラーにより、最適以下の性能をもたらす。 さらに、これらのハイパーパラメータは異なる価格体系に適応せず、非経済的な操作につながる可能性がある。 これらの問題に対処するため,我々は最先端の効率的な制約付きベイズ最適化アルゴリズムであるCONFIGに基づく性能指向型MPCコントローラチューニング手法を提案する。 本手法は,ブラックボックスの制約や目的の下で,実世界のDSMプログラム選択問題に効率的に対処できることを示す。 本研究では, コスト削減, 計算効率の向上といった利点を生かしたシンプルなMPCコントローラを, 微妙に設計され, 計算コストがかかるMPCコントローラに匹敵するレベルに最適化した。 また、最適化されたシンプルなMPCでは、同じ制約の下で基本ルールベースの制御によって制御される場合と比較して、家庭の月々の電力コストを最大26.90%削減できることを示す。 そして、ベルギーの家庭で、ブラックボックスをカスタマイズした快適な制約のある電気契約を12件比較しました。 その結果、最も経済的な契約が最悪の契約と比較された場合、月20.18%の貯蓄が示され、これはまた、適切な電気契約を選択することの重要性を示している。

関連論文リスト

• Cost-Sensitive Multi-Fidelity Bayesian Optimization with Transfer of Learning Curve Extrapolation [55.75188191403343]
  各ユーザが事前に定義した機能であるユーティリティを導入し,BOのコストと性能のトレードオフについて述べる。 このアルゴリズムをLCデータセット上で検証した結果,従来のマルチファイルBOや転送BOベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2024-05-28T07:38:39Z)
• Learning Model Predictive Control Parameters via Bayesian Optimization for Battery Fast Charging [0.0]
  モデル予測制御(MPC)のチューニングパラメータは、特に制御器の予測と閉ループプラントの挙動に顕著な相違がある場合、重要な課題を示す。 本研究では,バッテリ高速充電の閉ループ性能向上を目的とした,未知のモデルパラメータとパラメータ化された制約バックオフ項の効率的な学習にベイズ最適化を適用した。
  論文  参考訳（メタデータ） (2024-04-09T08:49:41Z)
• Efficient Data-Driven MPC for Demand Response of Commercial Buildings [0.0]
  小型商業ビルにおけるエネルギー管理のためのデータ駆動型・混合整数入札戦略を提案する。 屋上ユニットの暖房, 個別制御による空調システムについて検討し, 商業ビルの運転を正確にモデル化する。 当社のアプローチをいくつかの需要応答(DR)設定に適用する。
  論文  参考訳（メタデータ） (2024-01-28T20:01:44Z)
• An Automatic Tuning MPC with Application to Ecological Cruise Control [0.0]
  本稿では,MPCコントローラのオンライン自動チューニングへのアプローチと,エコロジークルーズ制御システムへの例を示す。 我々は、動的プログラミングを用いて、グローバルな燃費最小化問題をオフラインで解決し、対応するMPCコスト関数を求める。 これらのオフライン結果に適合したニューラルネットワークを用いて、オンライン操作中に所望のMPCコスト関数重みを生成する。
  論文  参考訳（メタデータ） (2023-09-17T19:49:47Z)
• Stochastic Bridges as Effective Regularizers for Parameter-Efficient Tuning [98.27893964124829]
  中間状態の正則化(ランニングコスト)としてブリッジを使用するPETの正則化を提案する。 潜在能力と能力を考えると、より洗練された正則化器はPET用に設計できると信じている。
  論文  参考訳（メタデータ） (2023-05-28T09:22:44Z)
• Movement Penalized Bayesian Optimization with Application to Wind Energy Systems [84.7485307269572]
  文脈ベイズ最適化(CBO)は、与えられた側情報を逐次決定する強力なフレームワークである。 この設定では、学習者は各ラウンドでコンテキスト(天気条件など)を受け取り、アクション(タービンパラメータなど)を選択する必要がある。 標準的なアルゴリズムは、すべてのラウンドで意思決定を切り替えるコストを前提としませんが、多くの実用的なアプリケーションでは、このような変更に関連するコストが最小化されるべきです。
  論文  参考訳（メタデータ） (2022-10-14T20:19:32Z)
• Optimization of the Model Predictive Control Meta-Parameters Through Reinforcement Learning [1.4069478981641936]
  強化学習(RL)を用いて制御アルゴリズムの任意のパラメータを協調的に調整できる新しいフレームワークを提案する。 我々は,倒立振子制御タスクの枠組みを実証し,制御システムの総時間を36%削減するとともに,最高性能のMPCベースラインよりも18.4%向上した。
  論文  参考訳（メタデータ） (2021-11-07T18:33:22Z)
• Competitive Control [52.28457815067461]
  我々は,オンラインコントローラの設計に重点を置き,オフラインの最適コントローラと競合するオンラインコントローラの設計に重点を置いている。 この設定における自然なパフォーマンス指標は、オンラインコントローラが引き起こしたコストとオフラインの最適コントローラが引き起こしたコストとの比である競争比である。
  論文  参考訳（メタデータ） (2021-07-28T22:26:27Z)
• Regret-optimal Estimation and Control [52.28457815067461]
  後悔最適推定器と後悔最適制御器は状態空間形式で導出可能であることを示す。 非線形力学系に対するモデル予測制御(MPC)と拡張KalmanFilter(EKF)の残差最適類似性を提案する。
  論文  参考訳（メタデータ） (2021-06-22T23:14:21Z)
• Optimal Cost Design for Model Predictive Control [30.86835688868485]
  多くのロボティクスドメインは、計画に非モデル制御(MPC)を使用し、時間的地平線を減らし、最適化を行い、各ステップで再計画を行う。 本研究では, MPC を用いて最適化するコストは, タスクの真理コスト(端末コスト)と同等である,という一般的な仮定に挑戦する。 連続型MDPにおけるMPC計画ロボットの最適コストを設計できるゼロ階トラジェクトリに基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2021-04-23T00:00:58Z)
• NeurOpt: Neural network based optimization for building energy management and climate control [58.06411999767069]
  モデル同定のコストを削減するために,ニューラルネットワークに基づくデータ駆動制御アルゴリズムを提案する。 イタリアにある10の独立したゾーンを持つ2階建ての建物で、学習と制御のアルゴリズムを検証する。
  論文  参考訳（メタデータ） (2020-01-22T00:51:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。