h1

001011646 001__ 1011646
001011646 005__ 20250625165527.0
001011646 0247_ $$2HBZ$$aHT031147996
001011646 0247_ $$2Laufende Nummer$$a44347
001011646 0247_ $$2datacite_doi$$a10.18154/RWTH-2025-04636
001011646 020__ $$a978-3-948234-54-6
001011646 037__ $$aRWTH-2025-04636
001011646 041__ $$aGerman
001011646 082__ $$a620
001011646 1001_ $$0P:(DE-82)IDM02496$$aKümpel, Alexander$$b0$$urwth
001011646 245__ $$aAdaptive agentenbasierte modellprädiktive Regelung für Gebäudeenergiesysteme$$cAlexander Kümpel$$honline , print
001011646 246_3 $$aAdaptive agent-based model predictive control for building energy systems$$yEnglish
001011646 250__ $$a1. Auflage
001011646 260__ $$aAachen$$bE.ON Energy Research Center, RWTH Aachen University$$c2025
001011646 300__ $$a1 Online-Ressource : Illustrationen
001011646 3367_ $$02$$2EndNote$$aThesis
001011646 3367_ $$0PUB:(DE-HGF)11$$2PUB:(DE-HGF)$$aDissertation / PhD Thesis$$bphd$$mphd
001011646 3367_ $$0PUB:(DE-HGF)3$$2PUB:(DE-HGF)$$aBook$$mbook
001011646 3367_ $$2BibTeX$$aPHDTHESIS
001011646 3367_ $$2DRIVER$$adoctoralThesis
001011646 3367_ $$2DataCite$$aOutput Types/Dissertation
001011646 3367_ $$2ORCID$$aDISSERTATION
001011646 4900_ $$aE.On Energy Research Center$$v140
001011646 502__ $$aDissertation, RWTH Aachen University, 2024$$bDissertation$$cRWTH Aachen University$$d2024$$gFak04$$o2024-12-10
001011646 500__ $$aDruckausgabe: 2025. - Auch veröffentlicht auf dem Publikationsserver der RWTH Aachen University
001011646 5203_ $$aZur Reduktion des Energieverbrauchs und der damit verbundenen Treibhausgasemissionen im Gebäudesektor ist ein energieeffizienter Gebäudebetrieb erforderlich. Ein hierfür vielversprechendes Verfahren ist die modellprädiktive Regelung (MPR), welche auf Basis eines mathematischen Modells die optimale Betriebsweise ermittelt. Die Vorteile der MPR sind ein vorausschauender Betrieb, Ausnutzung von Flexibilität, Mehrgrößenregelung und Berücksichtigung mehrere Zielgrößen. Die Entwicklung eines geeigneten Modells, das Einstellen und die Implementierung der MPR sind jedoch aufwendig und hemmen den breiten Einsatz im Gebäudebereich. Ziel dieser Arbeit ist es, durch einen adaptiven und modularen Ansatz eine selbsteinstellende modellprädiktive Regelung zu entwickeln, welche mit geringem Konfigurationsaufwand auf verschiedene Gebäudeenergiesysteme anwendbar ist. Hierdurch sollen die Hemmnisse für den Einsatz der MPR in der Praxis abgebaut werden. Die grundlegende Idee des Ansatzes ist die Einteilung des Energiesystems in wiederkehrende Subsysteme. Für die Regelung der Subsysteme wird ein hierarchischer agentenbasierter Ansatz verwendet, bei dem verschiedene Agenten die Subsysteme mittels adaptiver MPR regeln. Durch die adaptive MPR sind die Agenten auf typgleiche Subsysteme mit geringen Konfigurationsaufwand übertragbar. Zum effizienten Betrieb des Gesamtsystems wird ein Koordinator verwendet, der ein übergeordnetes Optimierungsproblem löst. Das Optimierungsproblem ist analog zu den Agentenmodular aufgebaut und verwendet einen wärmestrombasierten Ansatz. Die spezifischen Kostenfunktionen und Modellgleichungen des Optimierungsproblems werden von den einzelnen Agenten bestimmt und dem Koordinator übergeben. Der Koordinator bestimmt durch Lösen des übergeordneten Optimierungsproblems die Sollwerte für die einzelnen Subsysteme und übergibt diese an die Agenten. Zur Bewertung der Regelung wird ein Simulationsmodell, welches auf einem realen Gebäudeenergiesystem basiert, entwickelt. Für eine realitätsnahe Bewertung wird das Modell mit Messdaten kalibriert und validiert sowie die Regelung des Gebäudeenergiesystems als Referenz implementiert. Die Regelung von verschiedenen Subsystemen zeigt, dass die adaptiven Agenten gegenüber der Referenzregelung Energieeinsparungen und eine Verbesserung der Regelgüte ermöglichen und auf typgleiche Subsysteme übertragbar sind. Die Regelung des Gesamtsystems durch die agentenbasierte und adaptive MPR führt zu Kosteneinsparungen bis zu 59% bei gleichzeitig um bis zu 88% geringerer Verletzung von Temperatursollwerten. Zur Demonstration der Übertragbarkeit des Regelungskonzeptes auf reale Systeme wird das Energiesystem einer Versuchshalle geregelt. Die Regelung verhält sich analog zu den Simulationen und zeigt die Anwendbarkeit des Konzeptes in der Praxis auf.$$lger
001011646 520__ $$aReducing energy consumption and greenhouse gas emissions in the building sector requires energy efficient operation of buildings. One promising method is model predictive control (MPC), which uses a mathematical model to determine the optimal mode of operation. The advantages of MPC are predictive operation, exploitation of flexibility, multi-variable control, and consideration of multiple targets. The development of a suitable model, tuning, and implementation of MPC are expensive and inhibit its widespread use in the building sector. The objective of this work is to develop a self-adjusting model predictive control through an adaptive and modular approach, which can be applied to various building energy systems with low configuration efforts, to reduce the barriers of MPC for practical use. The basic idea of the approach is to divide the energy system into recurrent subsystems. A hierarchical agent-based approach is used to control the subsystems, where agents control the subsystems using adaptive MPC. Adaptive MPC allows the agents to be transferred to subsystems of the same type with little configuration effort. For efficient operation of the overall system, a coordinator is used to solve a high-level optimization problem. The optimization problem is modular, analogous to the agents, and based on a heat flux-based approach. The specific cost function and model equations of the optimization problem are determined by the individual agents and given to the coordinator. The coordinator determines the setpoints for the individual subsystems by solving the high-level optimization problem and passes them to the agents. A simulation model based on a real building energy system is developed to evaluate the developed control. For a realistic evaluation, the model is calibrated and validated with measurement data. Further, the control of the building energy system is implemented as a reference. In comparison to the reference control, the developed approach leads to a higher energy efficiency and an improved quality of control for the control of various subsystems. Furthermore, the agents are applicable to subsystems of the same type. The agent-based control of the overall energy system results in cost savings up to 59% while reducing the thermal discomfort by 88%. To demonstrate the transferability to real systems, the adaptive and agent-based control is applied to a test hall. The control leads to analogous behavior as in the simulation and shows the applicability of the concept in practice.$$leng
001011646 588__ $$aDataset connected to Lobid/HBZ
001011646 591__ $$aGermany
001011646 653_7 $$aGebäudeenergiesysteme
001011646 653_7 $$aagent-based control
001011646 653_7 $$aagentenbasierte Regelung
001011646 653_7 $$abuilding energy systems
001011646 653_7 $$amodel predictive control
001011646 653_7 $$amodellprädiktive Regelung
001011646 7001_ $$0P:(DE-82)IDM01533$$aMüller, Dirk$$b1$$eThesis advisor$$urwth
001011646 7001_ $$0P:(DE-82)IDM03056$$aAbel, Dirk$$b2$$eThesis advisor$$urwth
001011646 8564_ $$uhttps://publications.rwth-aachen.de/record/1011646/files/1011646.pdf$$yOpenAccess
001011646 8564_ $$uhttps://publications.rwth-aachen.de/record/1011646/files/1011646_source.zip$$yRestricted
001011646 909CO $$ooai:publications.rwth-aachen.de:1011646$$pdnbdelivery$$pdriver$$pVDB$$popen_access$$popenaire
001011646 915__ $$0StatID:(DE-HGF)0510$$2StatID$$aOpenAccess
001011646 9141_ $$y2025
001011646 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)IDM02496$$aRWTH Aachen$$b0$$kRWTH
001011646 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)IDM01533$$aRWTH Aachen$$b1$$kRWTH
001011646 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)IDM03056$$aRWTH Aachen$$b2$$kRWTH
001011646 9201_ $$0I:(DE-82)419510_20140620$$k419510$$lLehrstuhl für Gebäude- und Raumklimatechnik$$x0
001011646 9201_ $$0I:(DE-82)080052_20160101$$k080052$$lE.ON Energy Research Center$$x1
001011646 961__ $$c2025-06-24T15:32:34.042633$$x2025-05-13T11:35:30.950932$$z2025-06-24T15:32:34.042633
001011646 9801_ $$aFullTexts
001011646 980__ $$aI:(DE-82)080052_20160101
001011646 980__ $$aI:(DE-82)419510_20140620
001011646 980__ $$aUNRESTRICTED
001011646 980__ $$aVDB
001011646 980__ $$abook
001011646 980__ $$aphd