Risk-aware hierarchical planning for smart non-residential buildings

Abstract

Smart buildings are a multidisciplinary topic that has attracted interest in recent years. Research often focuses on smart homes, with little attention paid to other building categories. However, these contribute almost as much to the building sector’s emissions as residential buildings. An essential step towards more efficient electricity supply and better grid stability is demand-responsive electricity generation. In the smart grid, however, this requires a forecast of electricity demand and thus a plan of future electricity consumption. Automated planning is a field of computer science that deals with the generation of plans in modelled environments. Uncertainty about the future demands for the consideration of associated risk and the quality of generated plans. In this context, the risk attitude of decision-makers is another decisive factor defining the steps chosen to operate a building. The solution of a planning problem by means of search algorithms as well as the approaches of optimisation and Satisficing are discussed. We present a hierarchical planning domain for the purpose of estimating the electricity demand of a smart non-residential building. Considering all parties involved makes it a multi-objective planning problem. This is why there are no unique optimal but multiple non-dominated solutions. A suitable trade-off between comfort and energy consumption can be found by choosing a suggested plan. The perceived satisfaction that is expected from a plan also depends on the willingness to take risk. Considering all these factors offers the possibility to quantify the expected impact on occupant satisfaction which is associated with a certain energy demand. An implementation of this domain and its application in illustrative scenarios is presented in the following. Proving a good abstraction level of the domain, as well as an effective generation of non-dominated plans. For application in the real world, however, the implementation faces limits of space complexity. The search for non-dominant plans could be made more efficient through analysis of the domain and the search algorithm. Different search algorithms and heuristics are discussed, as well as the dominance of plans in the case of multiple objectives. A comparison with sequential decision processes further reveals a gap in the seamless integration of automated planning and acting. The need for hand-crafting domains yields another topic for future research, namely automatic domain generation.

In den letzten Jahren haben Smart Buildings als multidisziplinäres Thema an Bedeutung gewonnen. Die Forschung konzentriert sich dabei häufig auf Smart Homes und schenkt anderen Gebäudetypen wenig Beachtung. Diese tragen jedoch fast genauso viel zu den Emissionen des Gebäudesektors bei wie Wohngebäude. Ein entscheidender Schritt zu einer effizienteren Stromversorgung und einer höheren Netzstabilität ist die bedarfsgerechte Stromerzeugung. Eingebunden in das Smart Grid erfordert dies eine Prognose des Strombedarfs und damit eine Planung des zukünftigen Stromverbrauchs. Als Teilgebiet der Informatik, beschäftigt sich die automatisierte Planung, mit der Generierung von Plänen in modellierten Systemen. Dabei erfordert die Ungewissheit bezüglich der Zukunft die Berücksichtigung des damit einhergehenden Risikos, ebenso wie der Qualität der erzeugten Pläne. In diesem Zusammenhang ist die Risikobereitschaft des Entscheidungsträgers ein entscheidender Faktor, welcher die gewählten Aktionen für den Gebäudebetrieb bestimmt. Es werden die Lösung von Planungsproblemen mittels Suchalgorithmen sowie die Ansätze der Optimierung und des Satisficing diskutiert. Im Rahmen dieser Arbeit wird eine hierarchische Planungs-Domain zur Abschätzung des Strombedarfs von smarten Nicht-Wohngebäuden vorgestellt. Die Berücksichtigung aller beteiligten Akteure macht das Ganze zu einem mehr-zieligen Planungsproblem. Aus diesem Grund gibt es keine eindeutige optimale Lösung mehr, sondern zahlreiche nicht-dominierte. Durch die Wahl eines vorgeschlagenen Plans kann ein geeigneter Kompromiss zwischen Komfort und Energieverbrauch gefunden werden. Die empfundene Zufriedenheit, die von einem Plan ausgeht, hängt auch von der Bereitschaft ab, Risiken einzugehen. Die Berücksichtigung all dieser Aspekte bietet die Möglichkeit, die erwarteten Auswirkungen auf die Zufriedenheit der Bewohner zu quantifizieren, die mit einem bestimmten Energieverbrauch einhergehen. Eine Implementierung dieser Domäne und ihre Anwendung in Beispielsituationen werden anschließend vorgestellt. Hierbei wird ein angemessener Abstraktionsgrad der Domain sowie eine effektive Generierung von nicht-dominierten Plänen erreicht. Für die Anwendung in der realen Welt stößt die Implementierung jedoch an Grenzen des Rechenspeichers. Durch Analyse der Domain und des verwendeten Suchalgorithmus konnte die Suche effizienter gestaltet werden. Es werden unterschiedliche Suchalgorithmen und Heuristiken diskutiert, sowie die Dominanz von Plänen im Falle mehrerer Zielgrößen. Der Vergleich mit Markov‘schen Entscheidungsproblemen zeigt zudem eine Lücke in der nahtlosen Integration von automatisiertem Planen und Handeln auf. Die Notwendigkeit, Planungs-Domains von Hand erstellen zu müssen, deutet auf ein weiteres, zukünftiges Forschungsthema, nämlich die automatische Generierung von Planungs-Domains.