智能建筑能源管理系统

一个基于楼宇自控的智能建筑通常拥有三层的能源管理结构:现场层、网络层、管理层。现场层包括各种现场设备,有传感器、执行器和各种智能仪表,智能仪表有水表、电表、气表等。现场层的通信采用现场总线标准,较为常用的有 RS485、M-BUS 等。网络层是管理层和现场层之间相互通信的桥梁,将现场层采集到的数据信息上传给管理层,同时将管理层发出的动作指令发送到现场层,让现场设备执行相应的指令操作。管理层是对现场设备进行统一的监视、控制和管理,同时将现场设备运行产生的数据存储到服务器中,用以记录设备的日常运行日志和打印故障设备的报警信息等。

物联网与建筑能源管理系统的融合

智能建筑能源管理系统的三层结构具备了与物联网融合的条件,也为应用物联网技术创造了必要性。现场层可以增加采用物联网技术的各种智能设备,网络层可以改造成有线和无线网络进行数据之间的通信,实现建筑能耗设备的远程监控和管理。管理层可以采用物联网的云计算技术进行海量数据的处理,因此,智能建筑能源管理系统已经具备了物联网的结构形态。

设备控制节能

通过深度数据挖掘分析,建立用能设备运行全景数据分析,再依托人工智能技术,在运行空调、除湿机、风机等其它用能设备期间,保证环境温湿度、水位在标准范围内,避免设备过度运行能耗浪费情景,结合人工智能技术优化设备运行策略,降低能耗,同时延长设备寿命。

预测性维护

许多设施都采用预防性维护来确保设备正常运行。这通常涉及例行检查以及对设备状态及其使用频率的假设。互联传感器技术通过对维护智能建筑的技术(包括设备温度,功率和声音)提供更细致的洞察,从而将这一概念提升到一个新的水平。

这方面的一个例子是监测通风风扇电机,这些电机通常在商业建筑中每天24小时运行。不同的机械谐波随着它们的老化而被识别,并且,通过使用基于LoRa的传感器和调制解调器,电机的健康状况及其生命周期位置可以确定问题出现的时间,以便在出现更大问题之前,在最方便的时间安排维护。

故障诊断预测与健康管理

通过现场采集来的实时数据,可对复杂建筑设备的全生命周期进行故障诊断、预测、健康状态评估和健康管理。可采用的AI算法模型有:神经网络(分类)、强化学习、贝叶斯(分类)、K-均值(聚类)、马尔科夫(预测)、专家系统,基于这些算法模型可研制故障树检索系统、故障预测系统、健康管理系统。

能耗预测

在建筑能源系统中,如果历史数据有效且数据量足够,可利用机器学习/深度学习等技术,建立建筑能耗预测算法模型,根据建筑历史用能数据,预测建筑未来一段时间的能源负荷需求,为能源管理者制定能源需求计划、节能考核等提供可靠的数据支持。

管理侧节能

基于大数据支撑,通过能耗三级计量系统,从各个区域用能上进行大数据分析管理,并对各区域用能情况实时监测,异常状态的分级报警,在减少人员巡查的工作量的同时,保障设备供电安全。进而实现管理层面节能目标。

根据以上几种应用场景,人工智能与物联网技术将继续为智能建筑的节能管理提供新的机会。借助连接的设备和强大的分析功能,我们可以实施更多可提高效率的解决方案,并为可持续性和节约提供新的机会。

 

Loading

作者 aibbs