Modeling, identification and model predictive control of a thermo-hydraulic system

The thermo-hydraulic plant studied in this work is a scaled down version of a bigger system, the District Heating System (DHS), which represents a promising solution to reach energy transition targets. The latter is a service that delivers heat generated in a centralized production source through a network of insulated pipes. Instead, the system under investigation consists of two circuits, primary and secondary, thermally connected through a heat exchanger. The primary circuit produces heat which is transferred to the secondary one through the primary heat exchanger. To model the system, a black box approach is followed. Firstly the system is run with PRBS as inputs to collect data necessary for the system identification. Subsequently, different mathematical models are chosen and system identification is performed. Finally the selected identified results are analyzed and it is verified which model better fits the training data through some specific techniques. The more suitable one is adopted as mathematical model of the system. The final goal of this thesis is to develop a controller with advanced techniques, using the just mentioned mathematical model. The type of controller implemented is the Model Predictive Control. Firstly a general formulation is given, then it is studied in detail for the specific case, i.e. the system subject of study. In particular the constraints on inputs and states are introduced. A specific cost function is stated, suggesting some variations to improve the optimization results. Moreover, the optimization environment is introduced and a discussion about the complexity of the controller and its computational intensity is presented, proposing a strategy, called Input Blocking, that represents a solution to improve computational performance. Finally the analysis of the results is performed, ver ifying that the controlled variables effectively follow their reference temperatures.

L’impianto termo-idraulico oggetto di studio di questo lavoro è una versione su scala ridotta di un sistema più vasto, il sistema di teleriscaldamento, che rappresenta una soluzione promettente per raggiungere gli obiettivi della transizione energetica. Quest’ultimo è un servizio che distribuisce il calore generato in una fonte di produzione centralizzata attraverso una rete di tubi isolati. Invece, il sistema sotto esame è composto da due cir cuiti, primario e secondario, che sono connessi termicamente attraverso uno scambiatore di calore. Il circuito primario produce il calore che viene poi trasferito al secondario at traverso lo scambiatore di calore primario. Per modellizzare il sistema, viene seguito un approccio a scatola nera. In primo luogo il sistema è addestrato impiegando come ingressi delle PRBS per raccogliere i dati necessari all’identificazione del sistema. Successivamente considerati diversi modelli matematici viene realizzata l’identificazione del sistema. Infine tutti i risultati dell’identificazione sono analizzati e scelto il modello che si adatta meglio ai dati. Il più idoneo viene adot tato come modello matematico del sistema. L’obiettivo finale di questa tesi è quello di sviluppare un controllore con tecniche di con trollo avanzate, utilizzando il modello matematico appena menzionato. Il tipo di control lore implementato è il Controllo MPC (Model Predictive Control). In primo luogo viene fornita una formulazione generale dell’approccio MPC, successivamente viene studiato nel dettaglio il suo uso nel caso specifico, cioè il sistema oggetto di studio. In particolare vengono introdotti i vincoli sugli ingressi e sugli stati. E’ specificata la funzione di costo, suggerendo alcune variazioni per migliorare i risultati di ottimizzazione. Inoltre, viene introdotto l’ambiente di ottimizzazione e viene presentata una discussione riguardo la complessità del controllore e la sua intensità computazionale, proponendo una strategia, chiamata "Input Blocking" che rappresenta una soluzione per migliorare le prestazioni computazionali. Infine viene realizzata un’analisi dei risultati, verificando che le variabili controllate seguano effettivamente i loro valori di riferimento.