Análisis de las perturbaciones debidas a la incertidumbre de los datos de entrada en la optimización de sistemas con bombas de calor

Abstract

[ES] El aumento de la demanda energética, provocado por el crecimiento de la población mundial y el desarrollo de nuevas tecnologías, exige un cambio en el panorama energético para lograr una situación sostenible tanto para la economía como para el medio ambiente. Esto es especialmente relevante en los edificios, que contribuyen a aproximadamente el 40% del uso global de energía, de la cual una gran parte se utiliza para calefacción, refrigeración, ventilación y aire acondicionado. En este contexto, los sistemas de bombas de calor cobran gran importancia, ya que pueden satisfacer las demandas de refrigeración y calefacción de un edificio con una alta eficiencia operativa. Otra ventaja de esta tecnología es el hecho de que las bombas de calor funcionan únicamente con electricidad, lo que permite la alimentación mediante energía obtenida de fuentes renovables, con la consiguiente reducción de las emisiones de CO2. Según las investigaciones actuales, las estrategias de control óptimo aplicadas a los sistemas de climatización pueden obtener un ahorro energético potencial de entre el 13 y el 28 %.

El objeto de análisis de este proyecto es el sistema de bomba de calor de un antiguo hospital militar de Berlín, que se está transformando en un centro de negocios llamado FUBIC. Al realizar una optimización a lo largo de todo un año, es posible obtener reglas de control para la bomba de calor e integrarlas en el sistema mediante aprendizaje automático. Sin embargo, optimizar el control y funcionamiento de un sistema energético durante todo un año se convierte en una tarea computacionalmente exigente, y esa es la razón por la que se utilizan días representativos para reducir el número de entradas con las que tiene que lidiar el sistema. En cualquier caso, queda por demostrar si los resultados finales son lo suficientemente precisos como para obtener reglas de control generalizables para el sistema. En esta tesis se analizarán los efectos de utilizar un número diferente de días representativos en el resultado final del proceso de optimización.

Como cada día representativo corresponde a un conjunto de días diferentes con distintos datos de entrada, es posible observar la variabilidad de estos inputs y obtener una distribución. Esto permite utilizar optimización estocástica para tratar la incertidumbre causada por esta variabilidad e integrarla en los resultados finales. Los procesos estocásticos permiten tratar problemas que dependen de variables aleatorias de las que se conoce la distribución, obteniendo resultados basados en el valor esperado con un riesgo determinado. En esta tesis se utilizará la optimización estocástica para integrar la incertidumbre causada por el uso de días representativos en el proceso de optimización del sistema de bomba de calor de la FUBIC. En conclusión, el objetivo de este proyecto es analizar la posibilidad de obtener reglas de control precisas mediante el uso de días representativos como datos de entrada y la aplicación de procesos estocásticos para integrar la incertidumbre en el problema.

[EN] The increase in energy demand, caused by the growth of world population and the development of new technologies, requires a change in energy consumption behaviour in order to achieve a sustainable situation for the economy as well as for the environment. This is particularly relevant in buildings, which contribute to roughly 40 % of the global energy use, of which a large portion is used for heating, cooling, ventilation, and air-conditioning. In this context, heat pump systems are of great importance as they can satisfy the cooling and heating demands of a building with high operation efficiencies. Another benefit of this technology is the fact that heat pumps are based on electricity only, which allows the integration of feed-in of renewable energy sources from the grid, resulting in a reduction of CO2 emissions. According to the current state of research, optimal control strategies applied to HVAC systems can obtain potential energy savings between 13 and 28 %.

The object of analysis of this project is the heat pump system of a former military hospital in Berlin, which is being transformed into a business center called FUBIC. By carrying out an optimization along a whole year, it is possible to obtain control rules for the heat pump and integrate them in the system by means of machine learning. However, optimizing the configuration and operation of an energy system for a whole year becomes a computationally demanding task, and that is the reason for the use of representative days to reduce the number of inputs the system has to deal with. Anyhow, it remains to be proven if the final results are accurate enough in order to obtain generalizable control rules for the system. In this thesis, the effects of using a different number of representative days in the final outcome of the optimization process will be analyzed.

As each representative day corresponds to a set of different days with different input data, it is possible to observe the variability of these inputs and obtain a distribution. This allows the use of stochastic optimization in order to deal with the uncertainty caused by this variability and integrate it in the final results. Stochastic processes permit to handle problems, which depend on random variables of which the distribution is known, obtaining results based on expected value with a given risk. In this thesis, stochastic optimization will be used to integrate the uncertainty caused by the use of representative days in the optimization process of the heat pump system of FUBIC. In conclusion, the objective of this project is to analize the possibility of obtaining precise control rules by the use of representative days as input data and the application of stochastic processes to integrate uncertainty in the problem.