一個(gè)基于樓宇自控的智能建筑通常擁有三層的能源管理結(jié)構(gòu)：現(xiàn)場(chǎng)層、網(wǎng)絡(luò)層、管理層?，F(xiàn)場(chǎng)層包括各種現(xiàn)場(chǎng)設(shè)備，有傳感器、執(zhí)行器和各種智能儀表，智能儀表有水表、電表、氣表等。現(xiàn)場(chǎng)層的通信采用現(xiàn)場(chǎng)總線(xiàn)標(biāo)準(zhǔn)，較為常用的有 RS485、M-BUS 等。網(wǎng)絡(luò)層是管理層和現(xiàn)場(chǎng)層之間相互通信的橋梁，將現(xiàn)場(chǎng)層采集到的數(shù)據(jù)信息上傳給管理層，同時(shí)將管理層發(fā)出的動(dòng)作指令發(fā)送到現(xiàn)場(chǎng)層，讓現(xiàn)場(chǎng)設(shè)備執(zhí)行相應(yīng)的指令操作。管理層是對(duì)現(xiàn)場(chǎng)設(shè)備進(jìn)行統(tǒng)一的監(jiān)視、控制和管理，同時(shí)將現(xiàn)場(chǎng)設(shè)備運(yùn)行產(chǎn)生的數(shù)據(jù)存儲(chǔ)到服務(wù)器中，用以記錄設(shè)備的日常運(yùn)行日志和打印故障設(shè)備的報(bào)警信息等。 　　

物聯(lián)網(wǎng)與建筑能源管理系統(tǒng)的融合 　　

智能建筑能源管理系統(tǒng)的三層結(jié)構(gòu)具備了與物聯(lián)網(wǎng)融合的條件，也為應(yīng)用物聯(lián)網(wǎng)技術(shù)創(chuàng)造了必要性?，F(xiàn)場(chǎng)層可以增加采用物聯(lián)網(wǎng)技術(shù)的各種智能設(shè)備，網(wǎng)絡(luò)層可以改造成有線(xiàn)和無(wú)線(xiàn)網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)之間的通信，實(shí)現(xiàn)建筑能耗設(shè)備的遠(yuǎn)程監(jiān)控和管理。管理層可以采用物聯(lián)網(wǎng)的云計(jì)算技術(shù)進(jìn)行海量數(shù)據(jù)的處理，因此，智能建筑能源管理系統(tǒng)已經(jīng)具備了物聯(lián)網(wǎng)的結(jié)構(gòu)形態(tài)。 　　

設(shè)備控制節(jié)能 　　

通過(guò)深度數(shù)據(jù)挖掘分析，建立用能設(shè)備運(yùn)行全景數(shù)據(jù)分析，再依托人工智能技術(shù)，在運(yùn)行空調(diào)、除濕機(jī)、風(fēng)機(jī)等其它用能設(shè)備期間，保證環(huán)境溫濕度、水位在標(biāo)準(zhǔn)范圍內(nèi)，避免設(shè)備過(guò)度運(yùn)行能耗浪費(fèi)情景，結(jié)合人工智能技術(shù)優(yōu)化設(shè)備運(yùn)行策略，降低能耗，同時(shí)延長(zhǎng)設(shè)備壽命。 　

預(yù)測(cè)性維護(hù) 　　

許多設(shè)施都采用預(yù)防性維護(hù)來(lái)確保設(shè)備正常運(yùn)行。這通常涉及例行檢查以及對(duì)設(shè)備狀態(tài)及其使用頻率的假設(shè)?；ヂ?lián)傳感器技術(shù)通過(guò)對(duì)維護(hù)智能建筑的技術(shù)(包括設(shè)備溫度，功率和聲音)提供更細(xì)致的洞察，從而將這一概念提升到一個(gè)新的水平。 　　

這方面的一個(gè)例子是監(jiān)測(cè)通風(fēng)風(fēng)扇電機(jī)，這些電機(jī)通常在商業(yè)建筑中每天24小時(shí)運(yùn)行。不同的機(jī)械諧波隨著它們的老化而被識(shí)別，并且，通過(guò)使用基于LoRa的傳感器和調(diào)制解調(diào)器，電機(jī)的健康狀況及其生命周期位置可以確定問(wèn)題出現(xiàn)的時(shí)間，以便在出現(xiàn)更大問(wèn)題之前，在最方便的時(shí)間安排維護(hù)。 　　

故障診斷預(yù)測(cè)與健康管理 　　

通過(guò)現(xiàn)場(chǎng)采集來(lái)的實(shí)時(shí)數(shù)據(jù)，可對(duì)復(fù)雜建筑設(shè)備的全生命周期進(jìn)行故障診斷、預(yù)測(cè)、健康狀態(tài)評(píng)估和健康管理?？刹捎玫腁I算法模型有：神經(jīng)網(wǎng)絡(luò)(分類(lèi))、強(qiáng)化學(xué)習(xí)、貝葉斯(分類(lèi))、K-均值(聚類(lèi))、馬爾科夫(預(yù)測(cè))、專(zhuān)家系統(tǒng)，基于這些算法模型可研制故障樹(shù)檢索系統(tǒng)、故障預(yù)測(cè)系統(tǒng)、健康管理系統(tǒng)。 　　

能耗預(yù)測(cè) 　　

在建筑能源系統(tǒng)中，如果歷史數(shù)據(jù)有效且數(shù)據(jù)量足夠，可利用機(jī)器學(xué)習(xí)/深度學(xué)習(xí)等技術(shù)，建立建筑能耗預(yù)測(cè)算法模型，根據(jù)建筑歷史用能數(shù)據(jù)，預(yù)測(cè)建筑未來(lái)一段時(shí)間的能源負(fù)荷需求，為能源管理者制定能源需求計(jì)劃、節(jié)能考核等提供可靠的數(shù)據(jù)支持。 　　

管理側(cè)節(jié)能 　　

大數(shù)據(jù)支撐，通過(guò)能耗三級(jí)計(jì)量系統(tǒng)，從各個(gè)區(qū)域用能上進(jìn)行大數(shù)據(jù)分析管理，并對(duì)各區(qū)域用能情況實(shí)時(shí)監(jiān)測(cè)，異常狀態(tài)的分級(jí)報(bào)警，在減少人員巡查的工作量的同時(shí)，保障設(shè)備供電安全。進(jìn)而實(shí)現(xiàn)管理層面節(jié)能目標(biāo)。 　　

根據(jù)以上幾種應(yīng)用場(chǎng)景，人工智能與物聯(lián)網(wǎng)技術(shù)將繼續(xù)為智能建筑的節(jié)能管理提供新的機(jī)會(huì)。借助連接的設(shè)備和強(qiáng)大的分析功能，我們可以實(shí)施更多可提高效率的解決方案，并為可持續(xù)性和節(jié)約提供新的機(jī)會(huì)。