With the increased amount of volatile renewable energy sources connected to the electricity grid, there is an increased need for frequency regulation. On the demand side, frequency regulation services can be offered by buildings that are equipped with electric heating or cooling systems, by exploiting the thermal inertia of the building. Existing approaches for tapping into this potential typically rely on a first-principles building model, which in practice can be expensive to obtain and maintain. Here, we use the thermal inertia of a buffer storage instead, reducing the model of the building to a demand forecast. By combining a control scheme based on robust Model Predictive Control, with heating demand forecasting based on Artificial Neural Networks and online correction methods, we offer frequency regulation reserves and maintain user comfort with a system comprising a heat pump and a storage tank. We improve the exploitation of the small thermal capacity of buffer storage by using affine policies on uncertain variables. These are chosen optimally in advance, and modify the planned control sequence as the values of uncertain variables are discovered. In a three day experiment with a real multi-use building we show that the scheme is able to offer reserves and track a regulation signal while meeting the heating demand of the building. In additional numerical studies, we demonstrate that using affine policies significantly decreases the cost function and increases the amount of offered reserves and we investigate the suboptimality in comparison to an omniscient control system.

中文翻译：

---

用于热泵频率调节的机器学习和稳健 MPC

随着连接到电网的不稳定可再生能源数量的增加，对频率调节的需求也在增加。在需求方面，配备电加热或冷却系统的建筑物可以利用建筑物的热惯性来提供频率调节服务。挖掘这种潜力的现有方法通常依赖于第一性原理构建模型，在实践中，获取和维护该模型的成本可能很高。在这里，我们改为使用缓冲存储器的热惯性，将建筑物模型简化为需求预测。通过将基于鲁棒模型预测控制的控制方案与基于人工神经网络和在线校正方法的供热需求预测相结合，我们通过由热泵和储罐组成的系统提供频率调节储备并保持用户舒适度。我们通过对不确定变量使用仿射策略来改进对缓冲存储的小热容量的利用。这些是预先优化选择的，并在发现不确定变量的值时修改计划的控制序列。在对一座真正的多用途建筑进行的为期三天的实验中，我们表明该方案能够提供储备并跟踪调节信号，同时满足建筑的供暖需求。在额外的数值研究中，我们证明使用仿射策略显着降低了成本函数并增加了提供的储备量，并且我们研究了与全知控制系统相比的次优性。我们通过对不确定变量使用仿射策略来改进对缓冲存储的小热容量的利用。这些是预先优化选择的，并在发现不确定变量的值时修改计划的控制序列。在对一座真正的多用途建筑进行的为期三天的实验中，我们表明该方案能够提供储备并跟踪调节信号，同时满足建筑的供暖需求。在额外的数值研究中，我们证明使用仿射策略显着降低了成本函数并增加了提供的储备量，并且我们研究了与全知控制系统相比的次优性。我们通过对不确定变量使用仿射策略来改进对缓冲存储的小热容量的利用。这些是预先优化选择的，并在发现不确定变量的值时修改计划的控制序列。在对一座真正的多用途建筑进行的为期三天的实验中，我们表明该方案能够提供储备并跟踪调节信号，同时满足建筑的供暖需求。在额外的数值研究中，我们证明使用仿射策略显着降低了成本函数并增加了提供的储备量，并且我们研究了与全知控制系统相比的次优性。在对一座真正的多用途建筑进行的为期三天的实验中，我们表明该方案能够提供储备并跟踪调节信号，同时满足建筑的供暖需求。在额外的数值研究中，我们证明使用仿射策略显着降低了成本函数并增加了提供的储备量，并且我们研究了与全知控制系统相比的次优性。在对一座真正的多用途建筑进行的为期三天的实验中，我们表明该方案能够提供储备并跟踪调节信号，同时满足建筑的供暖需求。在额外的数值研究中，我们证明使用仿射策略显着降低了成本函数并增加了提供的储备量，并且我们研究了与全知控制系统相比的次优性。