Lingfeng Tang · Haipeng Xi · Yongguan Wang · Zhanbo Xu · Applied Energy · 2025年1月 · Vol.388

摘要 商业建筑中的供暖、通风与空调（HVAC）系统可作为灵活性资源，促进可再生能源在电力系统中的集成。然而，冷水机组复杂的运行特性以及水循环与空气循环耦合下的多区域热动态特性导致HVAC系统控制模型复杂度高，限制了其运行灵活性的充分挖掘。为解决该问题，本文提出一种融合物理感知深度学习的模型预测控制（MPC）方法，以实现面向需求响应的深度灵活商业建筑HVAC系统控制。首先，采用具有高逼近能力的深度学习模型捕捉冷水机组的运行特性，并结合物理约束模块以保证运行约束的满足；多区域热动态则利用基于先验建筑...

解读: 该物理感知深度学习MPC技术对阳光电源工商业储能系统具有重要应用价值。论文中HVAC柔性调控思路可迁移至ST系列PCS的需求响应场景:利用深度学习建模复杂负荷特性,结合物理约束保证设备安全运行;图卷积网络建模多区域热动态的方法,可借鉴用于PowerTitan多簇电池热管理协同优化;混合整数线性化嵌入...