Operational Control of a Multi-energy District Heating System: Comparison of Model-Predictive Control and Rule-Based Control
Notice bibliographique
Résumé
This study focuses on operational control strategies for a multi-energy District Heating Network (DHN). Two control strategies are investigated and compared: (i) a reactive rule-based control (RBC) and (ii) a model predictive control (MPC). For the purpose of the study a small scale district heating network is modelled using Modelica. The production plant combines a heat pump, a gas boiler and a thermal solar field on the production side with a storage tank for flexibility purposes. On the consumption side, the virtual buildings are aggregated into a single consumer. We use our co-simulation and control platform, called Pegase, to implement the studied strategies. For both strategies the goal is to meet the consumers' demand while satisfying technical constraints. In addition MPC has the objective to minimize the operational costs, taking into account variable electricity prices and availability of solar thermal resource. Different scenarios are also defined and compared to study the effect of the heat plant sizing and forecasting error. The operational cost is reduced when switching from RBC to a MPC. As can be expected, MPC is more efficient when dealing with variable energy costs, intermittent solar energy and storage capabilities. This study also demonstrates how our tools enable an easy coupling of Modelica-based simulation with various control strategies. It especially supports the implementation and validation of complex MPC strategies in an efficient way, and yearly simulations are performed within 20 minutes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».