使用 Pyomo 或 cvxpy 预测建筑物的功率（模型预测控制）

我有室外温度的数据 [8,2,10,13 ..] 并且我有我的建筑物的热惯性 (8h)。限制之一是将我的建筑物的内部温度保持在 20 度以内。

我们从平衡状态开始，T_in = 20，T_o = 20，但一小时内的 T_o = 18，因此 Delta_T_o = 18，度数损失 = 2 / 惯量 = 0.22K / h

因此，我们的 T_in = 20-19.78，因此电源必须通过应用以下函数做出反应，将 T_in 保持在 20： 功率=Delta_T(进-出)*U(W/m2.K)*建筑面积(m2) U 是热传递。 假设 U = 3 且建筑面积 = 1900 功率 = 10146 瓦。

我的函数的目的是根据变化的 T_o 最小化锅炉的功率，并将 T_in 保持在 20。

查看图表以更好地形象化目标。

我想使用 Pyomo 或 cvxpy 但我不知道如何制作这个 MPC（模型预测控制）

洛根·比尔开发了GEKKO包使用 Python 进行 MPC（以及机器学习、优化）渴望 NSF 拨款这可能对您的问题有用。

pip install gekko

这里有一个温度控制实验室教授如何进行建模、估计和控制。您的应用程序的第一步可能是执行系统识别，以获得以下动态关系的时间序列模型：

1. 外部温度和内部温度（干扰模型）
2. 输入功率和内部温度（控制模型）

下面是一个包含两个加热器和两个温度的 Python 脚本示例：

from gekko import GEKKO
import pandas as pd
import matplotlib.pyplot as plt

# load data and parse into columns
url = 'http://apmonitor.com/do/uploads/Main/tclab_dyn_data2.txt'
data = pd.read_csv(url)
t = data['Time']
u = data[['H1','H2']]
y = data[['T1','T2']]

# generate time-series model
m = GEKKO(remote=False) # remote=True for MacOS

# system identification
na = 2 # output coefficients
nb = 2 # input coefficients
yp,p,K = m.sysid(t,u,y,na,nb,diaglevel=1)

plt.figure()
plt.subplot(2,1,1)
plt.plot(t,u)
plt.legend([r'$u_0$',r'$u_1$'])
plt.ylabel('MVs')
plt.subplot(2,1,2)
plt.plot(t,y)
plt.plot(t,yp)
plt.legend([r'$y_0$',r'$y_1$',r'$z_0$',r'$z_1$'])
plt.ylabel('CVs')
plt.xlabel('Time')
plt.savefig('sysid.png')
plt.show()

您可以替换输入数据u和输出数据y确定适合您的应用程序的模型。