

Tối ưu hóa tính linh hoạt năng lượng trong các tòa nhà dân cư ở Phần Lan: Nghiên cứu so sánh giữa điều khiển PI, điều khiển dựa trên luật và điều khiển dự đoán mô hình
Optimising energy flexibility in Finnish residential buildings: A comparative study of PI, rule-based and model predictive control strategies
Tác giả | Rakesh Ramesh
Hassam Ur Rehman Ala Hasan Leena Eerolainen Hang Yin Mohamed Hamdy |
Ngày đăng tải | 11/04/2025 |
DOI | https://doi.org/10.1016/j.enbuild.2025.115727 |
Nguồn bài nghiên cứu | Science Direct |
Từ khóa |
Tính linh hoạt năng lượng Điều khiển dựa trên luật Điều khiển dự đoán mô hình Khí hậu lạnh Tòa nhà năng lượng dương |
1 – GIỚI THIỆU
Trong bối cảnh biến đổi khí hậu, các tòa nhà đóng vai trò then chốt trong việc giảm tiêu thụ năng lượng và phát thải khí nhà kính, chiếm khoảng 40% năng lượng tiêu thụ và 36% lượng phát thải của EU. Tiêu chuẩn tòa nhà năng lượng gần bằng không (NZEB) và tòa nhà năng lượng dương (PEB) đã được thúc đẩy nhằm đạt đến mục tiêu trung hòa carbon vào năm 2050. Tính linh hoạt năng lượng của tòa nhà (BEF) được xem là yếu tố quan trọng để tối ưu hóa tiêu thụ điện, tích hợp năng lượng tái tạo, và nâng cao khả năng phục hồi. Các chiến lược điều khiển khác nhau – PI (Proportional-Integral), RBC (Rule-Based Control), và MPC (Model Predictive Control) – được áp dụng nhằm tận dụng khối lượng nhiệt của tòa nhà để tiết kiệm chi phí và cải thiện hiệu quả năng lượng. Bài nghiên cứu đặc biệt chú trọng đến khí hậu lạnh của Phần Lan, nơi việc nghiên cứu về linh hoạt năng lượng vẫn còn hạn chế.
2 – MÔ TẢ HỆ THỐNG
Hai tòa nhà dân cư ở Helsinki được chọn: B1 (xây dựng năm 1970) và B2 (tòa nhà PEB hiện đại, xây năm 2023). B1 có hệ thống sưởi bằng bức xạ nước, cách nhiệt kém và rò rỉ không khí cao. B2 có hệ thống sưởi sàn, lớp vỏ hiệu suất cao vượt tiêu chuẩn quốc gia, được thiết kế như một tòa nhà năng lượng dương. Dữ liệu mô phỏng tập trung vào tuần đầu tháng 2 – thời điểm lạnh nhất trong năm – vào hai năm 2015 (giá điện thấp, ổn định) và 2022 (giá cao, biến động).
3 – PHƯƠNG PHÁP NGHIÊN CỨU
Các mô hình tòa nhà được mô phỏng chi tiết bằng phần mềm IDA ICE, kết hợp đồng mô phỏng với Python sử dụng thư viện API động. Trong mô hình này, IDA ICE thực hiện mô phỏng năng lượng, trong khi Python đảm nhiệm điều khiển và tối ưu hóa thông qua thuật toán NSGA-II. Ba chiến lược điều khiển được áp dụng:
PI: duy trì nhiệt độ đặt tại 21°C.
RBC: điều chỉnh nhiệt độ đặt dựa trên biến động giá điện trong 12 giờ liền kề, tăng lên 21.5°C khi giá thấp và giảm xuống 19°C khi giá cao.
MPC: dự đoán điều kiện tương lai (giá điện, thời tiết) để tối ưu hóa đa mục tiêu (giảm chi phí năng lượng và bất tiện nhiệt), giới hạn trong phạm vi 19–23°C.
4 – KẾT QUẢ NGHIÊN CỨU
MPC vượt trội so với PI và RBC trong mọi kịch bản giá.
Với B1:
Năm 2015: MPC tiết kiệm 22.3%, RBC 9.5%.
Năm 2022: MPC tiết kiệm 29.9%, RBC 17.2%.
Với B2:
Năm 2015: MPC tiết kiệm 10.1%, RBC 4.6%.
Năm 2022: MPC tiết kiệm 14.8%, RBC 7.9%.
Tòa nhà cũ như B1 có tiềm năng tiết kiệm cao hơn do khởi điểm hiệu suất năng lượng thấp. Ngược lại, B2 đã hiệu quả sẵn, nên lợi ích tuyệt đối từ các chiến lược là nhỏ hơn.
5 – KẾT LUẬN
Điều khiển dự đoán mô hình (MPC) chứng minh là chiến lược hiệu quả nhất để tối ưu hóa tính linh hoạt năng lượng trong các tòa nhà dân cư ở khí hậu lạnh như Helsinki. Lợi ích nổi bật ở các tòa nhà cũ, nhưng vẫn đáng kể ở các công trình hiện đại. Phương pháp đồng mô phỏng IDA ICE – Python phát huy hiệu quả và có thể áp dụng rộng rãi. Nghiên cứu tương lai sẽ tập trung vào triển khai thực nghiệm, tích hợp dữ liệu thực và các nguồn năng lượng tái tạo, nhằm nâng cao tính linh hoạt và khả năng phục hồi năng lượng cho tòa nhà.