如何让智能建筑数据更智能

　　在你职业生涯中的某个时刻，你可能会坐在电脑前，盯着一个一排排数字的电子表格，心想:“这对我完全没用。我不知道这到底想告诉我什么。”

　　这是一个举世公认的事实：太多的数据和没有数据一样糟糕。

　　“数据本身没有内在价值，”WSP 构建技术系统的副总裁 Isaac Chen 说。 “将数据转化为信息是我们的目标。”

　　那么，在这个构建系统日益复杂的环境中，您如何做到这一点呢? 挑战实际上是双重的：首先，您如何创建一个强大的、可互操作的、集成的智能楼宇自动化系统，以您需要的格式提供您想要的数据? 其次，您如何从该系统中提取和呈现数据，使其具有可操作性，并且不会因分析而瘫痪?

　　这些都是棘手的问题，由于大多数建筑物已经有一个系统这一事实变得更加棘手。

　　“大多数商业建筑建于 2000 年之前，大多数控制系统甚至比这更古老，”Building Intelligence Group 的创始人兼总裁 Paul Ehrlich 说。 “旧的和过时的系统与全新的系统混合在一起。”

　　可互操作的集成智能

　　因此，让我们假设您现有的系统——无论是您控制各种构建系统、测量结果、分析数据并将其呈现给您——需要一些工作。 你从哪里开始? 你会把它全部拆掉重新开始吗? 您是否购买了新的分析和控制包并聘请了昂贵的系统集成商将它们整合在一起? 你只是在已有的基础上添加层吗?

　　每栋建筑在如何处理可互操作的建筑系统方面都会有所不同。 这将取决于您现有的系统、您与供应商的现有合同、您的预算、您自己的专业知识以及您设施管理部门的专业知识。

　　“作为一个行业，我们倾向于将越来越多的工具叠加在一起，”Environmental Systems Design 的 Energy + Eco 运营总监 Saagar Patel 说。 “这就是问题所在，因为你有冗余数据流。 你有太多不同的技术叠加在一起。”

　　这是一个您可能非常熟悉的问题：构建系统的任务蠕变。 多年来，零碎地添加了一些东西，以至于原来的系统——更重要的是，它应该如何运作——几乎无法辨认。

　　而且它并没有变得更容易。 例如，物联网 (IoT) 技术和设备通常被视为解决楼宇自动化问题的灵丹妙药。 毕竟，这些设备应该是即插即用的。

　　DLB Associates 董事总经理 David Quirk 表示：“物联网为更多设备和传感器选择打开了大门，因为它更容易在所有设备上改装传感器，并显着扩展这些传感器和设备的特性和功能。”

　　所以物联网改进了功能，但它是否改进了互操作性，尤其是与如何提取或呈现数据相关的互操作性? 专家表示，目前的答案有点模糊，他们认为某些物联网设备有时会产生比它们解决的问题更多的问题。

　　“在某些方面，物联网正在让事情变得更具挑战性，”Quirk 说。 “它们只能在各自的云平台上互操作。 现在唯一的共同点是一切都在汇聚到基于 IP 的协议。”

　　Patel 对此表示赞同：“物联网处于熵增状态，完全混乱，但以一种好的方式，”他说。 “我们都在努力找出推动物联网发展的最佳方式。”

　　Chen 表示，业界正在使用一个新术语来描述一种思考整合新旧系统的方式：网络物理系统 (CPS)。 根据美国国家科学基金会的说法，网络物理系统虽然不是建筑物所独有，但将传感、计算、控制和网络集成到物理对象和基础设施中，将它们连接到互联网并相互连接。 从建筑的角度来看，CPS 本质上是一种将设备和系统集成到整体智能建筑中的思考方式。 因此，尽管专家们一致认为我们仍处于楼宇自动化系统时代，但整体智能建筑才是未来。 这就是您应该如何看待您的建筑系统。

　　数据输入，数据输出

　　但是，所有这些系统产生的数据是什么?

　　“设施经理一直负责所有建筑系统、HVAC、控制、配电、电梯、管道等，”Ehrlich 说。 “挑战在于他们从未在这些系统中获得过大量数据。” 或者数据将无法操作，因为它只是原始数据——没有趋势，没有分析，没有办法了解数据在现实世界中的含义。

　　如今，问题几乎正好相反：数据太多，或者数据未分类、未分析，然后在很大程度上被忽略了。

　　“数据不会告诉你哪里出了问题，”Quirk 说。 “它只会给你积分。”

　　管理数据的首要步骤之一是确定谁需要查看什么。

　　“最大的问题之一是没有找到合适的利益相关者，”Quirk 说。 “你需要知道每个利益相关者需要什么样的信息，以及他们需要这些信息的呈现方式。”

　　Patel 同意：“数据要求基于利益相关者，”他说。 “数据的呈现方式取决于谁想要查看哪些数据。 了解可能有权访问数据的每个人的需求和愿望非常重要。”

　　Patel建议设置系统，使用基于网络的仪表板管理数据，这样当能源经理登录时，该人只能看到与能源效率或碳排放相关的数据，而不是电梯预防性维护计划。

　　对这些数据进行分类或分类以正确传播是一项艰巨的任务。 Chen 说数据分为三个层次。 首先是原始数据，也称为聚合数据，或者，如果你真的想更喜欢的话，就是“数据湖”。 数据湖是收集来自传感器、外部系统(如气候和天气数据)、空气质量读数等所有数据的“地方”。 第二层是数据库，聚合数据开始以一种格式进行排序，然后可以进行分析。 第三是数据分析引擎。 Chen 说，这就是橡胶与道路相遇的地方。 分析提供了设施经理做出决策所需的信息。 这不是电子表格中臭名昭著的行和列，而是您坐在计算机前或查看移动设备时希望看到的内容。 “这就是让你的生活更轻松的原因，”他说。

　　Patel 说，一种帮助您正确收集、聚合、传播和分析数据的解决方案是基于监视器的调试。 这本质上是一个持续的、实时的调试过程，在这个过程中，建筑物不断被微调。 将人工智能或机器学习结合到分析引擎中，这种做法在今天仍然是小众的，但每天都在增加采用，这意味着建筑物实际上可以自我微调。

　　归根结底，数据管理归结为衡量需要衡量的内容、解析这些指标，并将这些信息交到合适的专家手中，以做出正确的决策。

　　Ehrlich 说：“如果我们正确地使用数据，设施经理将会发现巨大的好处。”

　　故障检测还是告警疲劳?

　　任何成功的基于监视器的调试程序的关键组成部分是故障检测和诊断 (FDD) 系统。 FDD 可以告诉你什么时候出现故障——比如风门卡在打开状态——但也可以告诉你特定的测量值——比如室内湿度——是否超出预期范围。

　　设置有用的 FDD 系统的最大挑战之一是所谓的“警报疲劳”——基本上，如果系统过于敏感并且对每一件小事都发出警报，用户最终会忽略警报或完全关闭它们，因为他们 变得太麻烦了。

　　“由于这些问题，我们倾向于放弃这些系统，”Patel说。 “这些工具没有设置好就忘了吧。”

　　因此，为了有效，FDD 需要适当调整。

　　“你必须开发一个强大的过滤系统，”Quirk 说。 “你必须对 FDD 进行委托，否则它将成为垃圾。 这意味着要在几个季节中调整系统。 如果你简化这个过程，它永远不会正常工作，你也永远不会从中得到用处。”

　　FDD 应该是一个让你的生活更轻松，而不是更困难的系统。 理想情况下，它会从您所有的传感器和复杂的建筑系统中获取数据，并将其归结为您需要了解的信息，以便在出现问题时告诉您。 但同样，它确实需要在前端做一些工作才能使其有用。 这涉及对系统的敏感性进行优先排序，并确定哪些事件严重到足以成为警报事件，以及哪些事件可能包含在一天结束或每周的摘要电子邮件中。

　　要做到这一点，“机器学习和人工智能是你的朋友，”Chen说。 “他们可以帮助建立关于什么应该是最重要的模型。 它们可以帮助确定任何事件的实际成本并阻止误报。” Chen 提到了他参与的一家医院的一个项目，该项目将关键警报减少到仅 10%，因此设施管理人员基本上可以忽略其他 90%，从而提高工作效率。 “这种方式更易于管理，”他说。

　　这就是问题所在：通过结合智能系统和分析，创建一个使数据易于管理和实用的系统。 你不仅不能管理你不测量的东西，如果你不分析它并使其可操作，你就不能真正使用你测量过的东西。

　　作者：Greg Zimmerman