智慧建筑中的人工智能与物联网技术

本篇文章1209字，读完约3分钟

基于楼宇自动化的智能建筑通常有三层能源管理结构:现场层、网络层和管理层。现场层包括各种现场设备，包括传感器、执行器和各种智能仪表，如水表、电表和煤气表。现场层通信采用现场总线标准，常用rs485和m-bus。网络层是管理层和现场层之间的通信桥梁，将现场层收集的数据上传到管理层，并将管理层发送的动作指令发送到现场层，使现场设备能够执行相应的指令操作。管理层对现场设备进行统一监控和管理，并将现场设备运行产生的数据存储在服务器中，用于记录设备的日常运行日志和打印故障设备的报警信息。

物联网与建筑能源管理系统的集成

智能建筑能源管理系统的三层结构具备了与物联网集成的条件，这也为物联网技术的应用创造了必要性。现场层可以增加使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通信，从而实现对建筑能耗设备的远程监控和管理。管理人员可以利用物联网的云计算技术来处理海量数据，因此，智能建筑的能源管理系统已经具备了物联网的结构形式。

设备控制与节能

通过深入的数据挖掘分析，建立耗能设备运行的全景数据分析，然后依靠人工智能技术来保证环境温度和湿度，同时运行其他耗能设备如空空调、除湿机和风机。

预测性维护

许多工厂采用预防性维护来确保设备的正常运行。这通常包括常规检查和对设备状态及其使用频率的假设。互联传感器技术为维护智能建筑的技术(包括设备温度、功率和声音)提供了更详细的见解，从而将这一概念提升到了一个新的水平。

这方面的一个例子是监测商业建筑中通常一天24小时运行的通风风扇电机。不同的机械谐波通过它们的老化来识别，并且通过使用基于lora的传感器和调制解调器，电机的健康状态及其生命周期位置可以确定问题发生的时间，从而可以在更大的问题发生之前的时间安排维护。

故障诊断、预测和健康管理

通过从现场收集的实时数据，可以对复杂建筑设备的整个生命周期进行故障诊断、预测、健康评估和健康管理。现有的人工智能算法模型有:神经网络(分类)、强化学习、贝叶斯(分类)、k-均值(聚类)、马尔可夫(预测)和专家系统。基于这些算法模型，可以开发故障树检索系统、故障预测系统和健康管理系统。

能耗预测

在建筑能源系统中，如果历史数据有效且数据量充足，可以利用机器学习/深度学习技术建立建筑能耗预测的算法模型，根据建筑历史能耗数据预测未来建筑的能源负荷需求，为能源管理者制定能源需求计划和节能评估提供可靠的数据支持。

管理侧节能

在大数据支持的基础上，通过三级能耗计量系统，从各区域的能耗进行大数据分析和管理，实时监控各区域的能耗，并对异常状态进行分级和报警，减少了人员检查的工作量，保证了设备供电的安全性。从而在管理层面实现节能目标。

根据以上应用场景，人工智能和物联网技术将继续为智能建筑节能管理提供新的机遇。借助互联设备和强大的分析功能，我们可以实施更多解决方案，从而提高效率，并为可持续性和经济性提供新的机遇。