Kaukolämmön kysyntäjouston toteuttaminen geneettisillä algoritmeilla

Abstract

Rakennusten lämmitykseen käytetettävä energia on merkittävä osa yhteiskunnan kokonaisenergiankulutuksesta varsinkin kylmillä alueilla, kuten Pohjoismaissa. Kaukolämpö on yleinen lämmitysmuoto tällaisilla alueilla. Ajoittain sen kulutus voi olla niin suurta, että energiantuotantolaitosten on turvauduttava perustuotannon lisäksi muihin tuotantomuotoihin aiheuttaen lisäkustannuksia. Kulutushuiput saattavat aiheuttaa epäoptimaalisen lämmön ja sähkön yhteistuotannon. Rakennukset sitovat lämpöenergiaa rakenteisiinsa, minkä ansiosta kulutushuiput voidaan ajallisesti siirtää pois huippukulutustunneilta. Joustavan lämmityksen suunnittelussa on energiankulutuksen lisäksi otettava huomioon asumismukavuus; lämmitys on suunniteltava niin, että sisälämpötilat pysyvät asetettujen rajojen sisällä. Rakennusten lämmitysteholle ja sisälämpötilalle voidaan kehittää erilaisia ennustemalleja, jotka mahdollistavat ennakoivan ohjauksen näiden reunaehtojen puitteissa. Ensimmäisessä luvussa käyn yleisemmin läpi kysyntäjoustoa sekä aiheeseen liittyviä ennustemalleja ja menetelmiä. Geneettiset algoritmit ovat laajasti käytetty optimointialgoritmiperhe, joka kuuluu osaksi koneoppimista. Geneetinen algoritmi on metaheuristinen optimointimenetelmä, jolla pystytään ratkaisemaan tyydyttävän hyvin monia komplekseja ongelmia, jotka olisivat muuten laskennallisesti liian vaikeita. Toisessa luvussa esittelen genettisen algoritmin toimintaperjaateen ja optimointia varten valitsemani versiot algoritmista (NSGA-II ja NSGA-III). Lopuksi esittelen ennustemallien ja niiden avulla tehtyjen optimointien tulokset ja vertailen algoritmien antamia tuloksia.