“新基建”与建筑的能源管理，这才是智慧建筑该有的样子！

 

  自从2017年阿里颁布《智慧建筑白皮书》以来，“智慧建筑”的概念就渐渐为人们所熟知，到目前为止，业内仍然没有给“智慧建筑”进行明确的定义。

  但是，智慧建筑是智能建筑的发展方向已然成为行业共识，在人工智能（AI）、物联网（IOT）、云计算、大数据等新兴信息技术加持下，智慧建筑是建筑智慧化发展的必然结果。

  由于数字技术的发展，如今建造墙壁早已有了耳朵和眼睛。据市场调研机构Market Research Future (MRFR)报告预测数据，预计到2025年，全球智能建筑市场将达到257.25亿美元，预期期间复合年增长率为17.44%。

  那什么是智能建筑呢？简单地说，智能建筑可以被称为能够响应实时事件的自动化结构模型。这个概念背后的理念是在有效利用能源资源的同时，为居住者提供一种无障碍的体验。

  要知道，楼宇建筑是人们在日常工作、生活和生产的主要能耗排放来源。智慧建筑致力于万物互联时代公共空间的智慧管理，增强楼宇设施感知能力，提供生态化楼宇服的能耗分析，设施监控、运维管理等数据，赋能“人”+“物”高效运维服务智慧建筑，以能源管理和节能决策为目的。

研究显示，越来越多的企业为合规地实现降本增效，逐渐关注能源管理系统。

智慧建筑能源的运行管理痛点

  在传统的建筑能源消耗图上，我们可以用数学统计逐12月滑动平均的概念去理解能源趋势。

  能源消耗上升的原因有两点：一是由于入驻率提高，实际使用的需求增加；二是由于物业管理人员不熟悉或操作不当，造成一些设备的效能未能发挥其应有的水平，从而造成能源消耗增加。

  近日，国家住房和城乡建部印发《“十四五”建筑节能与绿色建筑发展规划》，为建筑领域的 “碳达峰、碳中和”指明了方向。《规划》指出，到2025年：完成既有建筑节能改造面积3.5亿平方米以上，建设超低能耗、近零能耗建筑0.5亿平方米以上。

  据此，智慧能源管理已经成为了大型公共建筑用能精细化管理，提升建筑能效水平，降低建筑能源消耗的重要手段。

  不过当下能源的管理运行还面临着不少痛点：

  ➤表计安装分散，工作重复度高，运维效率低下，数据质量无法保障

  公共建筑的水、热、气等表计，大多依赖人工抄表，数据汇集耗时费力，数据出错几率高，数据质量无法保障。

  ➤用能设备分布广，缺乏全景监测，安全隐患大

  公共建筑体量大、人员设备集中、管理难度大，现有系统无法实现用能设备的全景监测。

  ➤能源浪费严重，能效水平偏低

  目前，公共建筑能源消耗原因不明，缺乏实时监测，缺乏有效的数据支撑和应用分析，节能降碳难度较大。

  如何才能使能源消耗下降？从业人员通常会关注两方面：省着用和用得省。

  每年都会制订指标，要求在能源的使用上相比上年节约一定的百分比，这就是“省着用”。但是，为了节约能源而去关停一些设备，以牺牲舒适度换来指标的完成显然是不科学的。

  所以，其实我们更提倡“用得省”，即虽然能源需求在增加，但是效率同时也在提升，最终输出的绝对值并没有提高。

腾讯智能建筑AI能效

  腾讯智慧建筑AI能效利用物联网、大数据、人工智能技术，结合能源领域资深专家行业经验，优化建筑能源系统运行参数。在保障建筑室内环境健康舒适的前提下，提高设备的运行效率，降低能源系统的能源费用及运维成本。

  智慧建筑AI能效能通过运维数据库的搭建，实现能源系统设备的全生命周期管理，提高办公楼物业运维管理水平。实现能源精细化管理、AI 智能优化控制管理、能源设备设施智能管理“三理”联动。

1、精细化管理

  根据建筑能源使用特征个性化建立能源数据精细化采集网络，实时高效采集、存储和管理能源消耗数据，利用报表可视化、数据图像化、大数据挖掘等全方位展示建筑能源去向。及时发现建筑节能潜力，提高建筑能源利用效率。

2、环境监测

  实时监测并展示室内环境数据（如环境温湿度、CO2浓度、甲醛浓度、PM2.5等），评价并预警室内空气健康质量，时刻保障室内环境安全舒适。主要功能包括：环境健康指数看板、空气质量详细监测、环境参数异常报警等。

3、电能质量监测

  依据实时监测，实时采集各主要用能设备（空调主机、电梯、照明等）的耗电量数据。实时监测企业关键设备的电能质量，如电流、电压、谐波、无功功率、有功功率、功率因数等。

4、智能设备设施管理

  实时对建筑用能设备的静态信息和动态信息进行高效管理。其中静态信息包括设备台账管理、备品备件管理等；动态信息包括设备运行状态智能巡检、故障处理工单自动派发等。

5、能耗预测

  根据建筑历史用能数据，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，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。

6、AI优化控制

  基于能源系统历史运行大数据，利用机器学习技术，建立优化算法模型，并通过强化学习，生成系统 AI 优化算法，当建筑处于不同的环境状态时，系统会自动感知建筑环境、同时自动判断并决策系统优化控制参数。