如何利用人工智能和云提高楼宇管理系统效率？

　　随着建筑物老化和能源需求增加，许多旧系统无法跟上应用发展的需求。这就是现代建筑智能管理的用武之地——帮助业主将建筑物保持在舒适的温度，而无需花费太多。当今的基于云和人工智能的建筑管理系统(BMS) 可以通过意想不到的方式提高建筑物设施的效率。

　　能源效率和智能建筑管理的重要性与日俱增

　　随着人们对气候变化和可持续发展需求的认识不断增强，包括欧盟和美国都制定了提高建筑物能源效率的雄心勃勃的目标。欧盟能源效率指令的目标是到2030年将能源效率提高32.5% ，其中建筑翻新发挥核心作用。

　　美国能源部建筑技术办公室的目标是通过暖通空调系统等建筑技术的进步，到 2030 年将能源使用量减少 30% 。这些目标强调了商业和住宅建筑迫切需要更高效的能源管理。

　　随着减少碳足迹、实现可持续发展目标和降低运营成本的压力越来越大，企业和设施管理者越来越多地转向先进技术来改善建筑物的管理方式。

　　能源效率不仅仅是一种暂时的趋势，而是一种趋势。随着各国实施更严格的法规和能源成本持续上升，这已成为一种必要。这一转变推动了智能建筑市场的增长，预计到 2027 年该市场将达到 1270 亿美元以上，复合年增长率 (CAGR) 为 12.6%.

　　建筑管理系统 (BMS) 的作用

　　这场革命的核心是建筑管理系统 (BMS) ，该技术几十年来一直在管理供暖、通风、空调 (HVAC)、照明和安全等核心建筑功能。

　　传统的建筑管理系统 (BMS) 通常是功能有限的现场系统。它们通常单独运行，根据设定的时间表或参数进行固定控制。然而，基于云的解决方案、物联网（IoT）设备和人工智能驱动分析的兴起已经彻底改变了 BMS 格局。

　　当今的智能BMS平台比以往任何时候都更强大，将多个建筑系统集成到一个可通过云从任何地方访问的统一界面中。这些系统可以动态适应建筑物内部和周围不断变化的环境，做出实时决策，从而提高效率和性能。

　　根据最近的一份报告，全球 BMS 市场预计将从2022 年的 108 亿美元增长到 2028 年的 236 亿美元，预测期内复合年增长率为14% 。

　　什么是楼宇管理系统 (BMS)？

　　建筑管理系统(BMS)是一种集中控制系统，用于监控和管理HVAC 、照明和安全等建筑功能。传统上，BMS 按固定时间表运行，根据预定义参数调节系统，例如在特定时间打开和关闭 HVAC 系统。

　　传统 BMS 的挑战

　　传统BMS系统由于其静态结构，实时调整的灵活性有限。例如，旧的暖通空调系统在工作时间内无论是否有人使用都会满负荷运行，从而导致无人使用的空间浪费能源。此外，传统的 BMS 系统缺乏动态适应不断变化的建筑条件或与其他系统集成的能力，因为它们依赖于本地控制。如果不集成基于云的解决方案和高级分析，这些系统就无法优化能源使用、降低运营成本或充分利用建筑资源。

　　云集成：提升楼宇管理系统性能

　　基于云的解决方案的优势

　　将建筑管理系统 (BMS) 与云平台集成彻底改变了建筑的控制和优化方式。通过迁移到云端，BMS 可以实现集中控制，为设施管理者提供单一界面，以便从任何地方监控和调整多个建筑系统。云集成还确保了可扩展性，因为可以轻松添加建筑物或其他设备，而无需处理整个基础设施。最重要的是，云端连接的BMS可以实现实时数据访问，可以根据实时情况立即进行调整，提高能源效率，降低运营成本。

　　如何将BMS集成到云中

　　将 BMS 集成到云系统中的典型系统架构包括使用BACnet 、 Modbus或KNX等协议与楼宇设备连接的物联网网关(如Tridium Niagara或Seeed R1000 ) 。来自 HVAC、照明和安全系统的数据使用MQTT或HTTPS等协议通过网关传输到云平台(例如Sensgreen 智能建筑平台、 Siemens Building X或Honeywell Forge ) 。这些云平台利用人工智能和机器学习，实现实时数据分析、控制和预测性维护。边缘计算可用于本地处理，以减少延迟并确保关键功能独立于云连接运行。

　　AI 支持的BMS优化用例

　　利用 AI 进行需求驱动的 HVAC 控制

　　AI通过分析来自 BMS 和LoRaWAN 传感器的数据来优化空气处理装置 (AHU) 、变风量 (VAV) 系统、风机盘管装置 (FCU)和恒温器。这些传感器实时监控占用情况、二氧化碳水平和空气质量。人工智能动态调整气流、冷却和通风，增加占用房间的输出，并在空间空闲时减少输出。该系统可根据 BMS 和 LoRaWAN 传感器的实时数据微调 VAV 阻尼器、控制 FCU 风扇速度并调整恒温器设定点，确保 HVAC 系统响应历史模式和当前房间条件，从而实现最佳效率。

　　设定点漂移校正

　　随着时间的推移，供暖、通风和空调的设置可能会从最佳水平发生变化。发生这种情况的原因可能是人们调整了设置或系统无法正常工作。人工智能会查看 BMS 的旧数据来寻找模式。然后它会更改设置以使用更少的能量。例如，在大型办公楼中，人工智能会发现温度控制消耗过多能源的区域。然后人工智能会根据这些区域过去的表现来更改它们的设置。这减少了额外加热或冷却的需要，而无需更多传感器。

　　峰值负荷转移

　　BMS 数据提供实时能耗洞察，允许 AI 将非必要负载转移到非高峰时段。在零售环境中，BMS 在能源定价高峰时段减少存储区域的冷却，并在非高峰时段增加冷却。人工智能利用现有的电表数据来优化暖通空调和照明，在不影响舒适度的情况下降低成本。

　　设备运行时优化

　　BMS 系统跟踪 HVAC 装置、泵和冷水机组的运行运行时间。人工智能利用这些数据有效地分配工作负载，防止任何单个单元过度工作。在拥有多个 HVAC 单元的校园建筑中，人工智能会根据历史性能安排其运行时间，优化维护计划并延长设备寿命。

　　总结

　　随着全球对气候变化的关注和可持续发展的需求不断增强，建筑行业的能源效率变得越来越重要。传统的建筑管理系统(BMS)已经无法满足现代建筑对于高效能源管理的需求，因此，基于云和人工智能的智能BMS成为了行业发展的关键。这些系统通过集成多个建筑功能，实现了远程监控和实时调整，从而显著提高了能源使用效率和降低了运营成本。

　　总之，智能建筑管理的未来发展将依赖于这些先进技术的持续创新和广泛应用，以实现更高效、更环保和更经济的建筑运营。