Towards Human-in-the-Loop Smart Buildings: Data-Driven Predictive Control and Occupant Modeling
Tid: Fr 2025-10-10 kl 10.00
Plats: K1, Teknikringen 56, Stockholm
Språk: Engelska
Ämnesområde: Energiteknik
Licentiand: Mahsa Farjadnia , Tillämpad termodynamik och kylteknik
Granskare: Professor Alessandra Parisio, Department of Electrical and Electronic Engineering, University of Manchester
Huvudhandledare: Docent Joachim Claesson, Tillämpad termodynamik och kylteknik; Professor Karl H. Johansson, Reglerteknik; Dr. Marco Molinari, Tillämpad termodynamik och kylteknik
Abstract
Fastigheter står för nästan 40% av den Europeiska unionens totala energiförbrukning - varav en stor del är kopplad till värme-, ventilations- och luftkonditioneringssystem (HVAC). Utöver de oundvikliga lasterna från HVAC spelar de boendes beteende en avgörande betydelse för byggnaders energianvändning. Trots detta brukar traditionella analyser av energiprestanda modellera de boende som passiva snarare än aktiva aktörer som påverkar inomhusklimatet och i förlängningen byggnadens prestanda. Sådana förenklingar kan leda till betydande avvikelser mellan uppskattad och faktisk energianvändning. Motiverat av denna utmaning utvecklar detta arbete robusta datadrivna prediktiva styrmetoder som explicit tar hänsyn till osäkerheter. Dessa metoder kan vara användbara i ett senare skede för att inkludera effekten av de boendes beteende i smarta byggnaders styrsystem. Dessutom utvecklas modeller för de boendes beteende genom att utnyttja högupplösta mätningar från KTH Live-In Lab för att kvantifiera deras påverkan på energiförbrukningen för uppvärmning. Slutligen undersöks hur sociala interaktioner mellan de boende kan främja hållbara beteenden och ytterligare minska byggnaders energianvändning.
Avhandlingens första tekniska bidrag är en datadriven, robust “tube''-baserad zonotopisk prediktiv styrmetod (TZPC) utformad för okända diskreta linjära system med begränsade osäkerheter, baserad på indata och tillståndsdata. Vi visar rekursiv lösbarhet, robust tillfredsställelse av bivillkor samt robust exponentiell stabilitet av det återkopplade systemet. Metoden utvidgas sedan till okända icke-linjära system genom att använda “reachability analysis” och utforma styrsystem som enbart bygger på indata och utdata. Vi bevisar att den föreslagna icke-linjära zonotopbaserade prediktiva styrningen (NZPC) uppfyller bivillkoren under alla tillåtna störningar med begränsat avvikelseintervall.
Avhandlingens andra bidrag undersöker hur fysiska miljövariabler och kategoriska variabler påverkar boendes beteende i en svensk bostad vid KTH Live-In Lab, baserat på fyra års vinterdata. Med hjälp av multipel logistisk regressionsanalys modelleras tolv distinkta beteendemönster. Dessa modeller integreras i en digital byggnadsmodell för att kvantifiera deras effekt på uppvärmningsbehovet. Simuleringsresultaten visar att variationer i fönsteröppningsmönster kan öka energianvändningen för uppvärmning upp till tre gånger jämfört med ett referensscenario som inte tar hänsyn till fönsterinteraktion.
Avslutningsvis innehåller denna avhandling en longitudinell experimentell studie med utvalda boenden vid KTH Live-In Lab, där vi undersöker hur sociala interaktioner påverkar främjandet av hållbara beteenden och minskad energianvändning. Studien visar att digitalisering av hushåll till socialt sammankopplade nätverk effektivt kan främja hållbara livsstilsval, såsom optimerad resursanvändning och konsumtion.