This doctoral thesis presents the design, development, and validation of an innovative energy management system for residential buildings. The system integrates advanced thermal energy storage using the building envelope with a robust model predictive control strategy to optimize the operation of heating, ventilation, and air conditioning systems. Its primary goal is to reduce energy consumption and operational costs while maintaining occupant comfort and contributing to greenhouse gas emission reductions. The approach exploits the thermal inertia of conventional construction materials to use the buildings envelope as a passive thermal battery. By strategically storing excess heat during periods of low demand or high renewable energy generation and releasing it when needed, the system enables controlled deviations from standard indoor setpoints while remaining within acceptable comfort margins.
The proposed energy management system is structured in two interrelated layers. The planning layer anticipates energy requirements by forecasting electrical energy demand, ambient conditions, and renewable energy generation over a seven-day horizon. This comprehensive forecast is used to generate an optimal schedule for energy distribution among various sources: the electrical grid, photovoltaic self-consumption, battery storage, and the buildings inherent thermal storage capacity. This layer not only identifies the most cost-effective and environmentally friendly energy usage periods but also smooths energy demand by shifting consumption away from peak periods. By balancing multiple energy sources, the planning layer creates a dynamic schedule that integrates real-time operational constraints, market energy prices, and renewable generation profiles.
Complementing the planning layer is a real-time control layer that employs a robust MPC strategy to regulate the HVAC system. The controller relies on a detailed thermal model of the building to predict indoor temperature evolution and calculate the optimal control actions required to minimize deviations from setpoints. This model accounts for various factors such as heat gains from solar radiation, conduction losses through walls, and ventilation effects. By continuously updating its decisions based on real-time data, the MPC controller adapts to system uncertainties and external disturbances, ensuring smooth operation and efficient energy usage. The optimization formulation includes both hard constraints on the HVAC input variables and soft constraints on room temperatures to maintain occupant comfort while avoiding excessive control actions.
Extensive simulation studies, conducted using a case study of a single-family home in Madrid, have demonstrated that the dual-layer control strategy yields significant energy savings. These simulations confirm that by optimally combining grid power, photovoltaic energy, battery storage, and the buildings passive thermal mass, the system effectively shifts energy demand away from peak periods, improves the integration of intermittent renewable sources, and enhances overall energy efficiency. The simulation results further quantify the reduction in operational costs and improvements in thermal comfort achieved with the proposed system.
In addition to the simulation studies, the system was validated using a physical prototype installed in a real operating environment. Experimental tests corroborated the theoretical findings by demonstrating the effectiveness of the predictive control strategy in integrating renewable energy sources and optimizing energy consumption. The real-world trials allowed for the refinement of the control parameters and demonstrated the systems ability to handle practical uncertainties and disturbances inherent in a live setting. These validations reinforce the robustness and scalability of the solution for practical implementation in residential buildings.
RESUMEN
Esta tesis doctoral aborda el diseño, desarrollo y validación de un sistema de gestión energética innovador para edificios residenciales. El sistema combina un avanzado método de almacenamiento térmico basado en la envolvente constructiva con una estrategia robusta de control predictivo, orientada a optimizar el funcionamiento de los sistemas de calefacción, ventilación y aire acondicionado. Su objetivo primordial es disminuir el consumo energético y los costos operativos, sin sacrificar el confort de los ocupantes y contribuyendo a la reducción de las emisiones de gases de efecto invernadero. Este enfoque aprovecha la inercia térmica de los materiales, transformando la envolvente del edificio en una batería térmica pasiva. De este modo, al almacenar de forma estratégica el exceso de calor durante periodos de baja demanda o alta generación renovable y liberarlo cuando resulta necesario, se posibilitan desviaciones controladas respecto a los puntos de consigna interiores, manteniendo siempre márgenes de confort aceptables.
El sistema se organiza en dos capas interdependientes. La primera, o capa de planificación, se encarga de prever los requerimientos energéticos mediante la predicción de la demanda eléctrica, las condiciones ambientales y la generación de energía renovable en un horizonte de siete días. Este análisis integral permite elaborar un cronograma óptimo para la distribución de energía entre diversas fuentes: la red eléctrica, el autoconsumo fotovoltaico, el almacenamiento en baterías y la capacidad de almacenamiento térmico intrínseco del edificio. De esta forma, no solo se identifican los periodos de mayor eficiencia económica y ambiental, sino que también se suaviza la demanda energética al trasladar el consumo fuera de los picos, integrando además restricciones operativas en tiempo real, precios del mercado y perfiles de generación renovable.
La segunda capa, dedicada al control en tiempo real, utiliza una estrategia MPC robusta para regular el sistema HVAC. Basado en un detallado modelo térmico del edificio, el controlador predice la evolución de la temperatura interior y calcula las acciones de control óptimas para minimizar las desviaciones respecto a los puntos de consigna. Gracias a la actualización continua en función de datos en tiempo real, el controlador se adapta a incertidumbres y perturbaciones externas, garantizando un funcionamiento fluido y un uso energético eficiente. La formulación del problema de optimización incorpora restricciones estrictas sobre las variables de entrada del sistema HVAC y restricciones flexibles en cuanto a las temperaturas de las estancias, con el fin de salvaguardar el confort sin recurrir a medidas de control excesivas.
Varios estudios de simulación, realizados a partir de un caso de estudio en una vivienda unifamiliar en Madrid, han demostrado que la estrategia de control de doble capa proporciona importantes ahorros energéticos. Las simulaciones evidencian que, al combinar de manera óptima la energía suministrada por la red, la energía fotovoltaica, el almacenamiento en baterías y la masa térmica pasiva del edificio, el sistema logra desplazar la demanda energética de los periodos pico, favorecer la integración de fuentes renovables intermitentes y mejorar la eficiencia energética global.
Paralelamente a los estudios de simulación, se validó el sistema mediante un prototipo físico instalado en un entorno real de operación. Las pruebas experimentales confirmaron los resultados teóricos, demostrando la efectividad de la estrategia de control predictivo en la integración de fuentes renovables y en la optimización del consumo energético. Estos ensayos permitieron ajustar los parámetros de control y evidenciaron la capacidad del sistema para gestionar las incertidumbres y perturbaciones propias de un entorno real, reafirmando su robustez y potencial de escalabilidad en aplicaciones prácticas.
This doctoral thesis presents the design, development, and validation of an innovative energy management system for residential buildings. The system integrates advanced thermal energy storage using the building envelope with a robust model predictive control strategy to optimize the operation of heating, ventilation, and air conditioning systems. Its primary goal is to reduce energy consumption and operational costs while maintaining occupant comfort and contributing to greenhouse gas emission reductions. The approach exploits the thermal inertia of conventional construction materials to use the buildings envelope as a passive thermal battery. By strategically storing excess heat during periods of low demand or high renewable energy generation and releasing it when needed, the system enables controlled deviations from standard indoor setpoints while remaining within acceptable comfort margins.
The proposed energy management system is structured in two interrelated layers. The planning layer anticipates energy requirements by forecasting electrical energy demand, ambient conditions, and renewable energy generation over a seven-day horizon. This comprehensive forecast is used to generate an optimal schedule for energy distribution among various sources: the electrical grid, photovoltaic self-consumption, battery storage, and the buildings inherent thermal storage capacity. This layer not only identifies the most cost-effective and environmentally friendly energy usage periods but also smooths energy demand by shifting consumption away from peak periods. By balancing multiple energy sources, the planning layer creates a dynamic schedule that integrates real-time operational constraints, market energy prices, and renewable generation profiles.
Complementing the planning layer is a real-time control layer that employs a robust MPC strategy to regulate the HVAC system. The controller relies on a detailed thermal model of the building to predict indoor temperature evolution and calculate the optimal control actions required to minimize deviations from setpoints. This model accounts for various factors such as heat gains from solar radiation, conduction losses through walls, and ventilation effects. By continuously updating its decisions based on real-time data, the MPC controller adapts to system uncertainties and external disturbances, ensuring smooth operation and efficient energy usage. The optimization formulation includes both hard constraints on the HVAC input variables and soft constraints on room temperatures to maintain occupant comfort while avoiding excessive control actions.
Extensive simulation studies, conducted using a case study of a single-family home in Madrid, have demonstrated that the dual-layer control strategy yields significant energy savings. These simulations confirm that by optimally combining grid power, photovoltaic energy, battery storage, and the buildings passive thermal mass, the system effectively shifts energy demand away from peak periods, improves the integration of intermittent renewable sources, and enhances overall energy efficiency. The simulation results further quantify the reduction in operational costs and improvements in thermal comfort achieved with the proposed system.
In addition to the simulation studies, the system was validated using a physical prototype installed in a real operating environment. Experimental tests corroborated the theoretical findings by demonstrating the effectiveness of the predictive control strategy in integrating renewable energy sources and optimizing energy consumption. The real-world trials allowed for the refinement of the control parameters and demonstrated the systems ability to handle practical uncertainties and disturbances inherent in a live setting. These validations reinforce the robustness and scalability of the solution for practical implementation in residential buildings.
RESUMEN
Esta tesis doctoral aborda el diseño, desarrollo y validación de un sistema de gestión energética innovador para edificios residenciales. El sistema combina un avanzado método de almacenamiento térmico basado en la envolvente constructiva con una estrategia robusta de control predictivo, orientada a optimizar el funcionamiento de los sistemas de calefacción, ventilación y aire acondicionado. Su objetivo primordial es disminuir el consumo energético y los costos operativos, sin sacrificar el confort de los ocupantes y contribuyendo a la reducción de las emisiones de gases de efecto invernadero. Este enfoque aprovecha la inercia térmica de los materiales, transformando la envolvente del edificio en una batería térmica pasiva. De este modo, al almacenar de forma estratégica el exceso de calor durante periodos de baja demanda o alta generación renovable y liberarlo cuando resulta necesario, se posibilitan desviaciones controladas respecto a los puntos de consigna interiores, manteniendo siempre márgenes de confort aceptables.
El sistema se organiza en dos capas interdependientes. La primera, o capa de planificación, se encarga de prever los requerimientos energéticos mediante la predicción de la demanda eléctrica, las condiciones ambientales y la generación de energía renovable en un horizonte de siete días. Este análisis integral permite elaborar un cronograma óptimo para la distribución de energía entre diversas fuentes: la red eléctrica, el autoconsumo fotovoltaico, el almacenamiento en baterías y la capacidad de almacenamiento térmico intrínseco del edificio. De esta forma, no solo se identifican los periodos de mayor eficiencia económica y ambiental, sino que también se suaviza la demanda energética al trasladar el consumo fuera de los picos, integrando además restricciones operativas en tiempo real, precios del mercado y perfiles de generación renovable.
La segunda capa, dedicada al control en tiempo real, utiliza una estrategia MPC robusta para regular el sistema HVAC. Basado en un detallado modelo térmico del edificio, el controlador predice la evolución de la temperatura interior y calcula las acciones de control óptimas para minimizar las desviaciones respecto a los puntos de consigna. Gracias a la actualización continua en función de datos en tiempo real, el controlador se adapta a incertidumbres y perturbaciones externas, garantizando un funcionamiento fluido y un uso energético eficiente. La formulación del problema de optimización incorpora restricciones estrictas sobre las variables de entrada del sistema HVAC y restricciones flexibles en cuanto a las temperaturas de las estancias, con el fin de salvaguardar el confort sin recurrir a medidas de control excesivas.
Varios estudios de simulación, realizados a partir de un caso de estudio en una vivienda unifamiliar en Madrid, han demostrado que la estrategia de control de doble capa proporciona importantes ahorros energéticos. Las simulaciones evidencian que, al combinar de manera óptima la energía suministrada por la red, la energía fotovoltaica, el almacenamiento en baterías y la masa térmica pasiva del edificio, el sistema logra desplazar la demanda energética de los periodos pico, favorecer la integración de fuentes renovables intermitentes y mejorar la eficiencia energética global.
Paralelamente a los estudios de simulación, se validó el sistema mediante un prototipo físico instalado en un entorno real de operación. Las pruebas experimentales confirmaron los resultados teóricos, demostrando la efectividad de la estrategia de control predictivo en la integración de fuentes renovables y en la optimización del consumo energético. Estos ensayos permitieron ajustar los parámetros de control y evidenciaron la capacidad del sistema para gestionar las incertidumbres y perturbaciones propias de un entorno real, reafirmando su robustez y potencial de escalabilidad en aplicaciones prácticas. Read More
Related posts:
Advanced Energy Management for Residential Buildings Optimizing Costs and Efficiency Through Thermal Energy Storage and Predictive Control
Comprehensive Analysis of Battery Thermal Management and Energy Consumption in an Electric Vehicle: Impact of Driving Modes and Ambient Temperatures
Cost-effective ultra-high temperature latent heat thermal energy storage systems
Classroom-comfort-data: A method to collect comprehensive information on thermal comfort in school classrooms
Budweiser tweaks “100% renewable” energy claim on UK website following complaint
Design of a predictive control system for the smart regulation of renewable climatization systems