数据驱动建筑的节能技术框架解析

创建可持续的数据驱动建筑

随着办公楼变得越来越智能，以可持续管理为目标进行配置变得更加容易。

感知

对于智能连接的办公楼，数据集丰富且包含推动变革所需的细粒度可持续性数据。电力和燃气表显示建筑能耗， occupancy 传感器统计楼内人数，温度传感器指示房间制冷所需能量。这些传感器是信息源，也是发现能效差距的关键。

现代建筑中此类传感器丰富，但多数是有线传感器，属于建筑原始设计的一部分，修改或安装新传感器成本高昂。环境能量收集的新型传感器通过从环境（如环境光、通风气流或热水管）中获取能量工作，但收集的能量不足以支持24x7感知。

最近发表在SenSys上的一篇论文表明，基于强化学习的能量收集传感器调度在真实部署中可检测93%的事件。虽然错过的小部分事件使这些传感器无法用于关键服务，但可以利用这些廉价传感器的数据创建丰富的信息层来帮助节能。

行动

occupancy 基于控制

通过WiFi数据、建筑平面图和人员办公室分配推断 occupancy 。研究显示峰值建筑占用率仅为60%，通过对四分之一建筑区域实施 occupancy 基于控制，节省了18%的HVAC用电。

故障检测

利用一年建筑数据开发简单机器学习算法，寻找不遵循典型温度模式的房间。该算法在专家修复所有检查发现的故障后，仍识别出建筑HVAC系统中的88个故障，估计每年节省410.3MWh。

软件温控器

基于建筑信息系统构建软件版温控器，让用户精确控制环境并在需要时发送投诉。使用数据显示大多数用户乐于使用应用程序而不提供反馈，少数投诉帮助识别了重大故障。

扩展

每个建筑在基础设施、使用方式和管理软件方面都独一无二。研究人员创建了Brick模式作为建筑标准接口，通过知识图表示建筑组件及其连接关系。

使用自然语言处理中的机器学习技术，可以自动化这种转换并最小化人工工作。随着更多建筑映射到Brick，算法从跨建筑表示模式中学习，性能不断提高。

开始实施

在可持续服务实践中使用感知、行动、扩展方法优化建筑通过云报告可持续性数据。通过提供简单框架规划高层可持续战略如何由特定建筑优化步骤支持，并以半标准化数据模型为基础。

建筑管理系统缺乏标准化导致数据访问困难。随着物联网和API进步解决数据采集问题，为以前难以获取的数据提供了新的暴露、分析和报告机会。借助Brick模式等新进展，正在实现像管理服务器、笔记本电脑和手机一样大规模管理建筑资产。

开始看到从建筑管理系统方法（一栋建筑，一个管理者）转向建筑系统管理方法（多栋建筑，一个管理者）的潜力。通过一键自动化跨所有建筑的能源控制策略，实现30%或更高的能效提升变得更加可行。