人工智能或自動化能否解決建筑物低能效問題？
如今，建筑自動化和能源管理系統在設施管理中變得越來越必要，這對建筑運營會產生直接影響，因為圖使得業主和運營商能夠在面對氣候變化時實現更高的效率、靈活性和彈性。但伴隨這些復雜工具而來的是復雜性的增加和錯誤的引入，而且通常是以犧牲這些技術提供的效率為代價的。
因此，樓宇故障檢測和診斷
(FDD) 技術越來越受歡迎，每年可為業主節省數百萬美元的樓宇成本，而且投資回報期通常不到兩年。FDD工具可自動執行檢測 HVAC
系統故障和次優性能的過程，以幫助診斷潛在原因。根據位于加利福尼亞州伯克利的勞倫斯伯克利國家實驗室 (LBNL) 于2022 年 2
月發布的一份報告，FDD通常位于現有樓宇自動化系統 (BAS) 之上。
然而，盡管商業FDD工具似乎是提高能源效率并進而減少碳排放的靈丹妙藥，但仍然存在一個小問題：需要人為解決。LBNL報告指出，“一旦發現故障，需要人為干預來修復故障，這通常會導致延遲，甚至不作為，從而導致額外的運營和維護成本以及影響建筑物內的舒適條件。”
換句話說，建筑物的效率、節能和碳排放量仍然在很大程度上取決于人。
據LBNL稱，商業FDD應用的自動故障糾正在關閉被動診斷和主動控制之間的循環方面顯示出巨大的前景。在某些情況下，這些工具可以集成人工智能 (AI) 以進行預測性維護，為設施管理者提供比以往更大的靈活性和自由度。
問題：控件容易出錯
據統計，建筑物使用了美國70%的電力，占全球燃料燃燒產生的碳排放量的近33%，約占溫室氣體排放總量的20%。因此，建筑物必須變得越來越高效，并在問題發生之前預測其系統的問題。
然而，FDD工具并非萬無一失。事實上，根據LBNL和美國能源部 (DOE) 的數據，研究估計傳統設備故障和控制問題會顯著增加溫室氣體排放和能源費用，達到每年170億美元和9000萬噸CO 2當量。
“事實證明，我們最常遇到的對能源影響最大的機會可以通過自動故障糾正和控制優化來解決，”LBNL表示。
這些提高能源績效的機會包括：
- 優化節能器高鎖定溫度設定點。
- 更正錯誤編程的HVAC計劃。
- 釋放不必要的控制覆蓋。
- 偏置溫度傳感器的校正。
- 自動循環調整。
- 實施最佳實踐重置策略。
- 優化區域溫度設定點設置。
“我們現在正在努力將我們的最佳無故障控制解決方案套件擴展到更廣泛的FDD合作伙伴，并包括其他策略，例如自動調試/功能測試和需求靈活性，”Granderson表示。
解決方案：自動化如何改善 FDD 結果
2016 年，LBNL與美國能源部和各行業合作伙伴合作發起了智能能源分析運動，這是一項公私合作伙伴關系，產生了關于建筑分析、成本、收益和使用的最大數據集。從那以后的幾年里，LBNL還與美國國內領先的FD 技術市場供應商合作，將最先進的技術擴展到以前可用的技術之外。Granderson介紹說，她的團隊已經開發并實施了額外的編程功能，一旦故障被現有的FDD軟件識別出來，就可以自動糾正故障。
在2020年與兩個最終用戶合作伙伴進行的實地研究中，LBNL為HVAC系統開發并部署了一組七種故障校正算法，這些算法使用現有的BAS供應商平臺在真實建筑中進行了測試。算法校正的變量涵蓋時間表、設定點、傳感器讀數、命令、加熱/冷卻請求以及比例、積分、微分 (PID) 參數。
從歷史上看，FDD 技術已與樓宇自動化系統集成，以“只讀”格式獲取系統和設備操作的操作數據。“我們做的第一件事是增強該接口，使FDD系統也能夠將命令‘寫’回 BAS，”Granderson 解釋道。
該團隊隨后開發了一個工程邏輯庫，該庫定義了如何通過修改通常可通過 BACnet 協議訪問的控制系統參數來解決各種與控制相關的問題。
最后，該團隊將糾正邏輯集成到 FDD 平臺和面向操作員的用戶界面中。現在，一旦 FDD 系統檢測并診斷出故障，操作員就會收到問題通知以及建議的糾正措施。在操作員批準后，將執行糾正措施并解決故障。
Granderson 提供了以下示例：區域溫度設置點過于激進可能會被標記為引起操作員的注意和糾正，并顯示消息“該區域的冷卻設置點為66度，低于推薦值。您想將設定點恢復到建議的68度嗎？” 經操作員批準，FDD系統能夠通過其與 BAS 的接口將修正后的68華氏度設定值寫回區域控制器。一旦這個動作完成，故障就解決了，FDD系統返回到問題檢測和診斷。
除了故障糾正，LBNL 還將FDD系統功能擴展到控制優化。首先，它根據??ASHRAE 指南 36：????HVAC 系統的高性能操作順序??，開發并測試了針對空氣處理機組靜壓和送風溫度實施最佳實踐調整和響應重置策略的方法。在這些解決方案中，LBNL的技術正在抑制“特殊”區域，這些區域會因無法滿足的供暖或制冷需求而增加能源使用。
Granderson 指出，雖然 LBNL 目前沒有在其開發的故障糾正方法中使用人工智能，但一些FDD供應商正在其技術堆棧的某些部分使用人工智能。
總部位于悉尼和北達科他州法戈的 Building IQ 推出了所謂的基于結果的故障檢測 (OFD) 服務，該服務結合了人工智能、能源分析和人類專業知識，以克服許多 FDD 服務的缺點。“基于結果的故障檢測是一種全面的解決方案，可以將故障檢測帶向更好、更廣泛的方向，”該公司時任總裁兼首席執行官 Michael Nark 在 2018 年 6 月的新聞發布會上??表示??。
“它通過接受設施專家發揮的關鍵作用并通過機器學習和尖端人工智能來增強它來做到這一點。無論數據是好是壞，OFD 都能正常工作，并利用機器學習將數據分析的負擔轉移到云端。結果是建筑運營商不必浪費寶貴的時間和資源來搜索數百個日常故障表。相反，有了OFD，運營商可以專注于真正需要修復的東西、他們的租戶和底線。”
自動化FDD系統的優勢
Granderson 說：“我們的建筑物中隱藏著令人驚訝的低效水平。” “自動控制系統保持溫度和濕度水平，并保持系統運行以提高乘員舒適度。但它們通常會失調，下班后可能無法關閉，或者可能使用會浪費能源并推高成本和溫室氣體排放的設置。”
她說，自動化FDD技術可以持續分析運營數據，為建筑運營商和能源管理人員發現問題，并指出“好處是巨大的。??我們的工作表明??，在其產品組合中使用FDD系統的組織平均可節省 9%，投資回收期為兩年。” 添加自動故障糾正功能可以進一步擴展優勢，她繼續說道。無需等待數周或數月才能解決問題，而是可以在數小時內解決問題，并且可以將寶貴的員工專業知識用于解決最棘手的問題。
“此外，將控制命令寫回 BAS 的能力也使我們能夠實施監督控制優化，”她說。“通過FDD系統提供監督優化控制，可以跨不同年份和品牌的 BAS 進行可擴展實施，而無需昂貴的升級，而更傳統的方法可能需要直接修改 BAS 編程。”
基于自動化和人工智能的BAS和BEMS解決方案已在全球商業建筑領域得到采用。例如，??ABB 的 Ability BE Sustainable with Efficiency AI??目前管理著超過 275 座建筑，總面積超過1億平方英尺。總的來說，這些裝置每年可減少超過100萬公噸的二氧化碳排放，所有這些都是通過利用已經進行的樓宇自動化投資實現的。
智能建筑的未來是持續改進
良好的數據是樓宇自動化和管理系統的基礎，輸入能源管理和信息系統的數據越多越好。隨著FDD工具和自動化軟件的發展，智能建筑的實施、可擴展性和可靠性將不斷提高——希望開始這一旅程的建筑業主和設施經理將擁有可供使用的工具。
2020 年 10 月，LBNL發布了一個 應用程序展示，幫助利益相關者了解如何開始，重點介紹智能能源分析活動參與者的最佳實踐，并提供行業中發生的創新示例。
“我們已經在許多建筑物和BAS產品中測試了這些新功能，”Granderson 說。“迄今為止的結果表明，它們可以在不同的控制器之間進行擴展，FDD供應商提供適度的額外開發和實施提升。由于這些新興技術功能由其合作伙伴通過我們的產品功能或模塊提供，LBNL將能夠跟蹤相對于傳統FDD系統的增量成本。
“這一切都很新，而且還在成熟，但這項工作的令人興奮之處在于它向我們展示了智能建筑的未來。我們越來越多地要求我們的建筑——它們成為凈零溫室氣體排放者，整合越來越多的分布式能源，并提供健康舒適的室內環境，同時與可再生電網相協調。
“大規模實現這一目標的唯一方法是利用FDD和其他智能建筑軟件提供的基于現代軟件的基礎設施。它為我們提供了不斷‘推動’改進控制和分析解決方案的渠道。”
