作者簡介：陳曉波，高級經(jīng)濟(jì)師，現(xiàn)供職于上海城投控股股份有限公司，任黨委書記、總裁。摘要：近年來，我國以“萬物物聯(lián)”為理念的智能/智慧建筑的建設(shè)促進(jìn)了樓宇自控技術(shù)的快速發(fā)展。樓宇自控系統(tǒng)作為建筑機(jī)電設(shè)施的大腦，其性能差異對整個建筑機(jī)電系統(tǒng)能效水平影響巨大。樓宇自控在上世紀(jì)90年代末進(jìn)入中國，已有20多年發(fā)展歷程，但總體應(yīng)用效果不容樂觀。有超過70%的建筑自控系統(tǒng)在使用2年后就被部分或全部棄用。究其原因，主要是控制技術(shù)高速發(fā)展下整個技術(shù)及質(zhì)量流程管理不當(dāng)。當(dāng)前興起的物聯(lián)網(wǎng)、人工智能和云計算技術(shù)的發(fā)展為解決該問題提供了可能。為此，構(gòu)建了以實際節(jié)能量化為導(dǎo)向的應(yīng)用場景，結(jié)合現(xiàn)場及云端的優(yōu)化控制算法技術(shù)，提出了基于物聯(lián)網(wǎng)和樓宇自控融合下暖通系統(tǒng)的優(yōu)化控制方法，并形成了暖通系統(tǒng)的閉環(huán)運(yùn)行控制平臺。并結(jié)合某自用辦公樓案例，研究暖通空調(diào)系統(tǒng)閉環(huán)優(yōu)化控制，對比模型預(yù)測控制方法和傳統(tǒng)控制方法，在保證用戶整體熱舒適性的同時，實現(xiàn)了整體建筑節(jié)能量14.5%的目標(biāo)。通過經(jīng)濟(jì)性分析，本項目的投資回收期約為3.5年，而文中所提的優(yōu)化控制方法有望在商業(yè)辦公樓宇以及同類型建筑中得到推廣應(yīng)用。

關(guān)鍵詞：建筑節(jié)能;物聯(lián)網(wǎng);暖通空調(diào)系統(tǒng);優(yōu)化控制;樓宇自控

中圖分類號：F293

文獻(xiàn)標(biāo)識碼：A

文章編號：1001-9138-（2020）11-0057-64

收稿日期：2020-09-25

隨著由全球氣候變化加劇而驅(qū)動的能源轉(zhuǎn)型的發(fā)展，人類對建筑節(jié)能技術(shù)也提出了更高的要求。我國建筑節(jié)能實際還處于“存量節(jié)能”階段，遠(yuǎn)沒達(dá)到國際上“運(yùn)行節(jié)能”的水平，建筑節(jié)能空間仍然巨大?，F(xiàn)今，隨著世界各國高度的城市化，建筑已成為了各國最大的用電用戶，第三產(chǎn)業(yè)在經(jīng)濟(jì)上的比重遠(yuǎn)遠(yuǎn)超過第一和第二產(chǎn)業(yè)，用電結(jié)構(gòu)也發(fā)生了變化。以美國為例，2017年商業(yè)公共樓宇用電一項就遠(yuǎn)超工業(yè)用電，商業(yè)公共樓宇的用電和住宅用電基本持平，都遠(yuǎn)遠(yuǎn)超過工業(yè)和交通運(yùn)輸用電，其中商業(yè)公共樓宇的用電約占社會總用電量的36%。隨著居民對居住熱舒適環(huán)境要求的提高，建筑暖通空調(diào)系統(tǒng)得到長期的發(fā)展應(yīng)用。暖通空調(diào)系統(tǒng)用電在整個建筑中的占比較高，相關(guān)數(shù)據(jù)統(tǒng)計顯示，夏季建筑的空調(diào)系統(tǒng)電耗占整個城市電耗的30%-50%之多，有些經(jīng)濟(jì)發(fā)達(dá)的城市這個數(shù)值甚至超過了50%。隨著物聯(lián)網(wǎng)以及樓宇自控技術(shù)水平的提高，以供需平衡為目標(biāo)的建筑控制技術(shù)有益于建筑與智能電網(wǎng)的供需交互控制，從而推動我國建筑節(jié)能從“存量節(jié)能”向“運(yùn)行節(jié)能”方向發(fā)展。

建筑物聯(lián)網(wǎng)的發(fā)展，為智能建筑提供了發(fā)展基礎(chǔ)。我國在《智能建筑設(shè)計標(biāo)準(zhǔn)》（GB/T 50314-2000）對智能建筑進(jìn)行了相應(yīng)的定義：須具備建筑自動化、辦公自動化以及通信網(wǎng)絡(luò)系統(tǒng)的設(shè)施平臺，并同時擁有融合了建筑結(jié)構(gòu)、系統(tǒng)、服務(wù)及管理的優(yōu)化集成而為使用者提供高效、舒適、便利和安全的建筑環(huán)境的建筑。根據(jù)數(shù)據(jù)統(tǒng)計，全球智能建筑市場規(guī)模將在2022年達(dá)到1220億美元，2016-2022年年均增長率預(yù)計為14%。在實際工程項目中，以建筑物聯(lián)網(wǎng)的形式，通過搭建能耗數(shù)據(jù)采集平臺，對所采集的數(shù)據(jù)進(jìn)行分析及挖掘，開發(fā)先進(jìn)的控制算法對建筑系統(tǒng)進(jìn)行反饋控制和調(diào)節(jié)，從而實現(xiàn)對建筑節(jié)能控制的基本要求。仝子聰?shù)热藢Ρ本┬聶C(jī)場工作區(qū)工程一道橋及管網(wǎng)工程002標(biāo)段的智慧能源管理系統(tǒng)進(jìn)行了全面的能耗分析，結(jié)果表明，通過該智慧管理系統(tǒng)的管控后，月能耗總體費用平均下降3.4萬元，節(jié)能效果顯著。除了建筑節(jié)能控制，新型智慧建筑對居住者的熱舒適性、健康等方面均有較大的提高。于震等人對樓宇自動化發(fā)展技術(shù)的進(jìn)展進(jìn)行了文獻(xiàn)研究，列舉了現(xiàn)今先進(jìn)的自動控制技術(shù)并進(jìn)行了詳細(xì)的總結(jié)，具體包括物聯(lián)網(wǎng)技術(shù)、預(yù)測控制技術(shù)、人工神經(jīng)網(wǎng)絡(luò)以及模糊控制等相關(guān)技術(shù)。同時，Su Bing等人對基于代理（agent-based）的分布式實時最優(yōu)控制策略進(jìn)行了研究，該控制策略擬用于未來基于物聯(lián)網(wǎng)的智能傳感器的建筑暖通系統(tǒng)。所提出的基于代理的最優(yōu)控制策略能有效地控制不同的暖通系統(tǒng)組件，包括各類閥門、水泵以及風(fēng)機(jī)等，節(jié)能效果明顯。

現(xiàn)今，建筑物聯(lián)網(wǎng)技術(shù)使數(shù)據(jù)的獲取變得更加簡單，促進(jìn)了建筑大數(shù)據(jù)的發(fā)展。建筑物聯(lián)網(wǎng)與建筑暖通系統(tǒng)控制的融合，有利于建筑能源系統(tǒng)的供需管理以及建筑運(yùn)維平臺的構(gòu)建。建筑運(yùn)維的核心是合適的控制算法，建筑暖通系統(tǒng)控制算法有很多，主要包括模糊邏輯控制（ fuzzy-logic control）和模型預(yù)測控制（ Model prediCtionControl）等。何振勇等人通過構(gòu)建運(yùn)維私有云總架構(gòu)，實現(xiàn)建筑內(nèi)部系統(tǒng)的統(tǒng)一管理，包括數(shù)據(jù)的高效互溶、互通和資源供需管控。Cheng Jack等人在BIM（ Buildinginformation models）和建筑物聯(lián)網(wǎng)技術(shù)的基礎(chǔ)上，使用機(jī)器學(xué)習(xí)算法對建筑系統(tǒng)的運(yùn)維策略進(jìn)行了研究;研究表明，通過人工神經(jīng)算法ANN（ Artificialneural networks）和支持向量機(jī)SVM（ Support vectormachine）對暖通空調(diào)系統(tǒng)組件運(yùn)行行為進(jìn)行了預(yù)測，再從信息層獲得不斷更新的數(shù)據(jù)對組件進(jìn)行控制修正，能夠有效地提高建筑運(yùn)維管控效果。

現(xiàn)有的文獻(xiàn)研究表明，建筑物聯(lián)網(wǎng)和樓宇自控技術(shù)是建筑未來發(fā)展的方向。特別是以建筑物聯(lián)網(wǎng)帶來建筑大數(shù)據(jù)的發(fā)展，為建筑暖通系統(tǒng)實時在線優(yōu)化設(shè)計提供了可能。對于新建建筑，通過前期的機(jī)電系統(tǒng)優(yōu)化設(shè)計，實現(xiàn)建筑節(jié)能總體目標(biāo)。對于既有建筑，根據(jù)建筑現(xiàn)有不同系統(tǒng)形式進(jìn)行系統(tǒng)改造升級，可實現(xiàn)建筑的智能化管控的升級。以上兩項技術(shù)的融合，對于建筑暖通系統(tǒng)運(yùn)行管理有非常高的應(yīng)用價值。然而，我國雖然已有很多商業(yè)辦公樓宇加入到了智能管控行列，但遠(yuǎn)沒有達(dá)到智能控制的實際效果。以往研究大多數(shù)集中在先進(jìn)理論控制上的分析，鮮有實際項目案例的節(jié)能效果研究。因此，本文總結(jié)了相應(yīng)的控制算法，并結(jié)合實際工程案例，對基于物聯(lián)網(wǎng)和樓宇自控融合下暖通系統(tǒng)的優(yōu)化控制進(jìn)行了研究，主要內(nèi)容包括：智能化建筑能源系統(tǒng)的設(shè)計;暖通系統(tǒng)的優(yōu)化控制方法研究;實際建筑樓宇的節(jié)能效果分析。

3.4經(jīng)濟(jì)性分析

通過在原有建筑暖通系統(tǒng)控制的基礎(chǔ)上，本項目增加了建筑物聯(lián)網(wǎng)設(shè)備、先進(jìn)控制算法開融合以及樓宇自控系統(tǒng)的升級改造，因此增加了初始投資。從3.2小節(jié)節(jié)能量分析可知，通過以物聯(lián)網(wǎng)及先進(jìn)控制技術(shù)為基礎(chǔ)的暖通系統(tǒng)優(yōu)化控制，能夠?qū)崿F(xiàn)電量14.5%的節(jié)省目標(biāo)，因此，本文對該項目的工程經(jīng)濟(jì)性進(jìn)行了簡要分析。各項目初始投資和回報的經(jīng)濟(jì)性分析見表2，從表中可以得出本文所提出的先進(jìn)控制系統(tǒng)投資回報期約為3.5年。

4結(jié)論

針對暖通空調(diào)系統(tǒng)實際運(yùn)維控制情況不佳的問題，本文通過對建筑物聯(lián)網(wǎng)下建筑大數(shù)據(jù)在暖通空調(diào)系統(tǒng)的運(yùn)行進(jìn)行優(yōu)化，通過對設(shè)備運(yùn)行數(shù)據(jù)的采集分析，結(jié)合預(yù)測控制算法，提出了優(yōu)化控制策略的建議，并通過實際建筑案例分析驗證了所提出方法的可行性，對于理解暖通空調(diào)的優(yōu)化自動控制策略，為暖通空調(diào)系統(tǒng)節(jié)能運(yùn)行提供依據(jù)，具有實際應(yīng)用價值。本文以某實際建筑為例，對其運(yùn)行現(xiàn)狀進(jìn)行了深入了解，提出了適合的優(yōu)化控制方法。通過對比所提出的預(yù)測控制方法和傳統(tǒng)的手動控制方法，進(jìn)行了四組對比實驗研究。分析表明，實行優(yōu)化控制后，總體用電量節(jié)省量約為14.5%，項目總體投資回收期約為3.5年。

在物聯(lián)網(wǎng)和建筑大數(shù)據(jù)背景下，通過對樓宇暖通系統(tǒng)的優(yōu)化控制，實現(xiàn)“運(yùn)行節(jié)能”是降低建筑總體能耗的重要舉措，本文所提出的通過建筑物聯(lián)網(wǎng)與樓宇自控融合的優(yōu)化控制方法能夠?qū)ε照{(diào)系統(tǒng)的節(jié)能運(yùn)行提供理論及應(yīng)用指導(dǎo)，對于建筑節(jié)能減排具有非常重要的實際應(yīng)用價值。未來，建筑大數(shù)據(jù)的數(shù)據(jù)質(zhì)量保證以及先進(jìn)算法的開發(fā)是兩個重要的研究內(nèi)容。

參考文獻(xiàn)：

1.許鵬 陳永保 李為林等，建筑需求響應(yīng)控制及應(yīng)用技術(shù).中國建筑工業(yè)出版社.2020

2.張公忠.物聯(lián)網(wǎng)與智能建筑，智能建筑與城市信息.2011.14

3.吳壽良.淺讀GB50314-2015《智能建筑設(shè)計標(biāo)準(zhǔn)》后的幾點認(rèn)識.智能建筑.2016.16

4.Yang（：，Lee K，IiS.A mixed activitV-hased costingand resource constraint optimal decision model for lOT一oriented intelligent huilding management system portfolios.Sustain Cities Soc.2020

5.Abdellah D.Azedine B.I_amia K.Ahmed L.loT andBig Data Analvtics for Smart Buildings：A Survev. ProcediaComputer Science.2020

6.仝子聰 徐志新 黃旭騰 任圓.智慧能源管理系統(tǒng)在工程施工中的應(yīng)用.建筑節(jié)能.2018.46

7.陳濱 朱元彬 周敏 李卓函 徐友扣，居住建筑物聯(lián)網(wǎng)室內(nèi)健康環(huán)境實時監(jiān)測系統(tǒng)構(gòu)建及應(yīng)用.暖通空調(diào).2018.48

8.于震 李懷.樓宇自動化技術(shù)研究進(jìn)展.建筑科學(xué).2013.29

9.Bing S， Shengwei W. An agent-based distributed real-timP optimal control strategy for building HVAC systems forapplications in the context of future IoT-based smart sensornetworks. Appl Energ. 2020

10.Sajid H，Hossam AG. Daniel B，F(xiàn)arayi M， ShaligramP.Comfort-based fuzzy control optimization for energyconservation in HVAC systems. Control Eng Pract.2014;32

11.Aleksander P，Jakoh R，Daniel S，Igor S，Martin H，lgor K.Energy-efficient fuzzy model-based multivariablepredictive control of a HVAC svstem. Energy&Buildings.2014

12.Abdul A，F(xiàn)armkh J，Alan SF. Kaamran R.Artificialneural network （ANN） based model predictive control （MPC）and optirnization of HVAC systems：A state of the art reviewand case studv of a resiciential HVAC system. Energy&Buildings. 2017

13.NarPn SR. Karthikeva D，Bn C，Herbert AI. Prabir B.Model predictive control for energy-efficeient HVAC operationwith humidity and latent beat considerations.Appl Energ.2020

14.何振勇 耿望陽，面向智慧建筑IOT和BIM的運(yùn)維云研究.智能建筑.2016.17

15.Jack CPC. Weiwei C，Keyu C，Qian W.Data-driven predictive maintenance planning framework for MEPcomponents based nn BIM and loT using machine learningalgorithms. Automat Constr. 2020

16.陳厚合 李澤寧 姜濤 李雪 張儒峰 李同慶.基于模型預(yù)測控制的智能樓宇用能靈活性調(diào)控策略，電力系統(tǒng)白動化.2019.43

17.陳炯德 王子軒 姚嘩 王紹凡 馮靜梅 趙鵬生.變風(fēng)量空調(diào)系統(tǒng)用非線性模型預(yù)測控制方法研究.制冷學(xué)報.2019.40