Điều khiển giám sát thích ứng nhằm tối ưu hóa tính linh hoạt năng lượng của tòa nhà với hệ thống HVAC hỗn hợp dưới các điều kiện khí hậu và vận hành biến đổi

Điều khiển giám sát thích ứng nhằm tối ưu hóa tính linh hoạt năng lượng của tòa nhà với hệ thống HVAC hỗn hợp dưới các điều kiện khí hậu và vận hành biến đổi

Adaptive supervisory control for optimizing buildings’ energy flexibility with hybrid HVAC systems under variable climates and operation conditions

SHARE COMMENTS

1 – GIỚI THIỆU

Khả năng thích ứng với các loại hình khí hậu khác nhau là một phần then chốt trong quá trình cải tạo công trình xanh toàn diện. Do hiệu suất của hệ thống Sưởi, Thông gió, Điều hòa không khí và Làm lạnh (HVAC) phụ thuộc rất lớn vào điều kiện khí hậu, việc thiết kế các chiến lược điều khiển phải được đánh giá qua nhiều bối cảnh khí tượng đa dạng. Nghiên cứu này giới thiệu một khung quản lý nhu cầu phụ tải (DSM) có khả năng thích ứng nhằm tối đa hóa tính linh hoạt của tòa nhà trong khi vẫn duy trì sự thoải mái về nhiệt cho người sử dụng. Ba nghiên cứu điển hình, bao gồm một căn hộ đơn vùng, một tòa nhà dân cư đa vùng và một tòa nhà thương mại lớn có mức tiêu thụ năng lượng gần bằng không (nZEB), được mô phỏng bằng mô hình EnergyPlus đã qua kiểm chứng, với độ chính xác của mô hình được xác nhận theo Hướng dẫn ASHRAE 14-2002. Các chiến lược DSM được phát triển dựa trên ba phương pháp điều khiển chính là Bộ điều khiển chế độ trượt mờ tối ưu (OFSMC), Điều khiển dự báo mô hình (MPC) và bộ điều khiển rơ-le truyền thống. Quá trình tối ưu hóa giám sát được thiết kế dựa trên Giải thuật Di truyền (GA) để tăng cường tính linh hoạt của tòa nhà thông qua bộ điều khiển rơ-le. Việc giảm thiểu carbon trong lĩnh vực xây dựng là vô cùng quan trọng để đạt được một xã hội trung hòa carbon toàn cầu vào năm 2060, xét đến tác động của lĩnh vực này đối với nhu cầu năng lượng sơ cấp và lượng phát thải khí CO2 liên quan đến năng lượng trên toàn thế giới.

2 – MÔ TẢ HỆ THỐNG

Hệ thống được thiết lập dựa trên ba kịch bản tòa nhà đại diện với các cấu trúc năng lượng phức tạp và khác biệt. Nhóm nghiên cứu chia các đối tượng thành hai loại hình chính là dân dụng và thương mại để đánh giá toàn diện tính khả thi của các bộ điều khiển. Trường hợp đầu tiên là một căn hộ đơn vùng được trang bị hệ thống sưởi đa nguồn bao gồm năng lượng điện, khí đốt, hệ thống nhiệt mặt trời và hệ thống lưu trữ năng lượng. Năng lượng tạo ra trong tòa nhà này đến từ các tấm thu nhiệt mặt trời, hệ thống sưởi bằng gas và hệ thống điện lưới, bổ sung thêm khả năng lấy năng lượng từ các nguồn lưu trữ sẵn có. Trường hợp thứ hai là một tòa nhà chung cư 4 tầng với 21 vùng nhiệt được mô phỏng tại vùng khí hậu 5A của Bộ quy chuẩn Bảo tồn Năng lượng Quốc tế. Tòa nhà này sử dụng hệ thống sưởi bằng hơi nước với các lò hơi hiệu suất 75% và các bộ tản nhiệt hơi nước được bố trí tại mỗi vùng nhiệt để duy trì nhiệt độ trong khoảng từ 20 đến 25 độ C. Trường hợp thứ ba và cũng là phức tạp nhất là một tòa nhà thương mại quy mô lớn tích hợp hệ thống điện mặt trời áp mái (BIPV), các đơn vị xử lý không khí (AHU), lò hơi, máy làm lạnh và hệ thống kết hợp nhiệt – điện (CCHP). Hệ thống HVAC ban đầu của tòa nhà này sử dụng các trạm phân phối không khí nóng – lạnh cùng 8 đơn vị lò hơi nước nóng và 4 cụm máy làm lạnh vận hành đồng thời để đảm bảo nhu cầu năng lượng khổng lồ cho các hoạt động thương mại. Tất cả các mô hình này đều được xây dựng trên nền tảng EnergyPlus và được liên kết với công cụ mô phỏng SIMULINK để thực thi các thuật toán điều khiển tiên tiến.

3 – PHƯƠNG PHÁP NGHIÊN CỨU

Nghiên cứu áp dụng phương pháp mô phỏng dài hạn trong thời gian một năm với độ phân giải dữ liệu 10 phút trên tám vùng khí hậu ASHRAE 169 khác nhau để kiểm tra tính bền vững của các chiến lược điều khiển. Ba phương pháp tiếp cận điều khiển đa mục tiêu (MO) chính đã được phát triển và so sánh một cách hệ thống. Phương pháp thứ nhất là Điều khiển dự báo mô hình kết hợp Giải thuật Di truyền (MPC-GA), sử dụng mô hình dự báo nhiệt độ dựa trên hệ thống thần kinh – mờ (neuro-fuzzy) để giảm bớt độ phức tạp trong tính toán của các mô hình tòa nhà truyền thống. Phương pháp thứ hai là Bộ điều khiển chế độ trượt mờ tối ưu (OFSMC), đây là một dạng điều khiển dựa trên luật (RBC) kết hợp với logic mờ để điều chỉnh điểm đặt nhiệt độ và tối ưu hóa chỉ số linh hoạt (FI). Phương pháp thứ ba là bộ điều khiển rơ-le tối ưu hóa bằng GA, đóng vai trò là mức cơ sở để so sánh hiệu quả. Hiệu suất của các bộ điều khiển được đánh giá thông qua hai chỉ số chính (KPI) là Chỉ số linh hoạt năng lượng (FI) và điều kiện thoải mái nhiệt của người sử dụng theo tiêu chuẩn ASHRAE 55-2023. Điểm đặt nhiệt độ không khí trong nhà được xác định ở mức 22 độ C để đảm bảo sự thoải mái cho các đặc điểm người dùng khác nhau trong mô phỏng. Các vùng khí hậu được kiểm tra bao gồm từ vùng cận cực lạnh giá như Kuujjuaq (Canada) đến các vùng ôn đới ấm áp như Sydney (Australia), cho phép nhóm nghiên cứu phân tích sâu về độ nhạy của thuật toán trước sự biến động cực đoan của thời tiết.

4 – KẾT QUẢ NGHIÊN CỨU

Kết quả mô phỏng cho thấy OFSMC đạt được hiệu suất ổn định và mạnh mẽ nhất trong việc cải thiện tính linh hoạt năng lượng và duy trì sự thoải mái nhiệt dưới các điều kiện vận hành đa dạng. Cụ thể, bộ điều khiển này giúp tăng Chỉ số linh hoạt (FI) trung bình thêm 27,7% trong các tòa nhà dân cư và đạt mức cải thiện ấn tượng 36,3% đối với các tòa nhà thương mại. Quan trọng hơn, OFSMC có khả năng duy trì nhiệt độ trong nhà trong phạm vi thoải mái lên đến 90% thời gian trong năm. Đối với chiến lược MPC-GA, chỉ số FI của các tòa nhà dân cư tăng trung bình 30,1%, cho thấy tiềm năng tối ưu hóa cao trong các hệ thống có mô hình chính xác và ít yếu tố không chắc chắn. Tuy nhiên, hiệu suất của MPC-GA trong tòa nhà thương mại bị hạn chế do những sai số trong vi phạm thoải mái nhiệt dưới các điều kiện khí hậu biến đổi và sự không chắc chắn trong lịch trình sinh hoạt của người sử dụng. Tại các vùng khí hậu khắc nghiệt như vùng 8 (lạnh nhất), sự biến động nhiệt độ trong nhà diễn ra mạnh hơn so với các vùng khác, nhưng OFSMC vẫn chứng minh được tính chính xác cao hơn thông qua dải dao động nhiệt độ hẹp hơn so với bộ điều khiển rơ-le và MPC-GA. Trong các trường hợp nghiên cứu 1 và 3, sự khác biệt giữa các bộ điều khiển thông minh và bộ điều khiển rơ-le trở nên rất rõ rệt, khi các thuật toán thông minh có thể điều phối hệ thống HVAC hỗn hợp để ổn định nhiệt độ ngay cả trong điều kiện thời tiết khắc nghiệt.

5 – KẾT LUẬN