趙光輝

ZHAO Guang-hui

（中國建筑上海設(shè)計研究院有限公司）

（China Shanghai Architectural Design and Research Institute Co., Ltd.)

1 引言

近年來，隨著我國城鎮(zhèn)化速度的加快和綜合經(jīng)濟水平的提高，住宅建筑與公共建筑的面積不斷增長，建筑能耗在社會總能耗中的比重越來越大。迄今為止，我國建筑能耗占社會總能耗的比例約為33%左右，而按照國際經(jīng)驗和國內(nèi)當(dāng)前建筑用能水平發(fā)展可以預(yù)測，到2020年我國建筑能耗占社會總能耗的比例將達到35%，從而超越工業(yè)成為用能第一領(lǐng)域。顯然，我國建筑尤其是公共建筑能耗過大的問題日益突出，對量化降低能耗的要求變得越來越迫切。

因此，為了對公共建筑進行能效管理，降低其整體能耗，業(yè)內(nèi)知名企業(yè)如施耐德、西門子等相繼推出建筑能源管理 系 統(tǒng)（Building Energy Management System，BEMS）并在國內(nèi)外一些大型公共建筑案例中得以應(yīng)用，取得了一定成效。然而，縱觀國內(nèi)建筑能耗現(xiàn)狀以及現(xiàn)有建筑能源管理系統(tǒng)應(yīng)用情況，BEMS在諸多技術(shù)領(lǐng)域還存在較大的改進和提升空間。

為此，主要對建筑能源管理系統(tǒng)中尤其是典型設(shè)備能源管理和控制所涉及的關(guān)鍵技術(shù)及已取得的研究成果進行了梳理和綜述，并結(jié)合當(dāng)前智能控制領(lǐng)域相關(guān)技術(shù)的發(fā)展對未來建筑能源管理系統(tǒng)的研究及應(yīng)用方向進行了展望，以期為建筑能源管理系統(tǒng)進一步應(yīng)用于大型公共建筑的可行性分析提供應(yīng)用參考，也為相關(guān)人員進一步研究建筑能耗優(yōu)化節(jié)能控制策略提供理論依據(jù)。

2 建筑能源管理系統(tǒng)基本架構(gòu)

BEMS主要通過對建筑物整體的能耗設(shè)備進行統(tǒng)合監(jiān)控、自動控制以及最優(yōu)化管理，以實現(xiàn)高效節(jié)能；同時采用以智能建筑為核心的節(jié)能技術(shù)，通過網(wǎng)絡(luò)對空調(diào)、電力、照明等設(shè)備實現(xiàn)一元化管理。

一般地， BEMS系統(tǒng)可采用圖1所示的分層分布式架構(gòu)進行設(shè)計。在該系統(tǒng)結(jié)構(gòu)中，BEMS系統(tǒng)主要包括三層：操作層、管理層、決策層。操作層終端儀表采集數(shù)據(jù)并通過網(wǎng)絡(luò)發(fā)送給管理層的能源管理專家進行現(xiàn)場分析，再將處理好的數(shù)據(jù)發(fā)送到?jīng)Q策層的能源優(yōu)化中心，在該層通過優(yōu)化方法得到節(jié)能方案后，再進一步通過Internet把遠程優(yōu)化指令發(fā)送給能源管理專家，籍此將接收到的優(yōu)化指令通過各類設(shè)備控制器對操作層的空調(diào)、電梯、照明、安防等設(shè)備系統(tǒng)進行控制。

圖1 BEMS系統(tǒng)整體架構(gòu)

3 建筑能源管理技術(shù)研究現(xiàn)狀

實際應(yīng)用中， BEMS的能耗管理所涉環(huán)節(jié)較多，其中暖通空調(diào)、安防、電梯、照明等主要耗能系統(tǒng)的運行會對整體建筑能耗水平起到主要的影響作用，尤其暖通空調(diào)系統(tǒng)相比其它系統(tǒng)復(fù)雜程度和能耗水平都均為最高，是公共建筑中的用能大戶。多年來國內(nèi)外諸多研究人員對暖通空調(diào)系統(tǒng)設(shè)備的能耗管理技術(shù)進行了較為全面的研究，取得了一定的成果。下面以暖通空調(diào)為主要研究對象，從能耗預(yù)測、能耗控制和系統(tǒng)整體優(yōu)化3個方面對建筑能源管理中所涉及的關(guān)鍵技術(shù)以及最新研究成果進行綜述。

3.1 能耗預(yù)測

建筑能耗預(yù)測是指根據(jù)建筑的歷史能耗數(shù)據(jù)建立起相應(yīng)的數(shù)學(xué)模型描述建筑能耗的發(fā)展規(guī)律并對未來的能耗水平做出預(yù)測。目前國內(nèi)外常用的建筑能耗預(yù)測方法主要包括工程方法、統(tǒng)計學(xué)方法、人工智能方法等[1]。而隨著業(yè)內(nèi)專家對建筑能耗預(yù)測精確度要求的不斷提高，人工智能法相比其它方法已被越來越廣泛地應(yīng)用在建筑能耗預(yù)測中。目前，常用的人工智能法主要有神經(jīng)網(wǎng)絡(luò)法、支持向量機法和灰色系統(tǒng)理論預(yù)測法等。

1）神經(jīng)網(wǎng)絡(luò)法

神經(jīng)網(wǎng)絡(luò)法是在人類大腦神經(jīng)網(wǎng)絡(luò)認(rèn)識的基礎(chǔ)上、人工構(gòu)造的用以實現(xiàn)某種功能的計算方法，具有分布式并行處理能力以及自行開展學(xué)習(xí)和組織的特點。近年來該方法被應(yīng)用在各類建筑環(huán)境中實現(xiàn)能耗預(yù)測，達到了預(yù)期目標(biāo)。如采用大樣本信息的基于神經(jīng)網(wǎng)絡(luò)預(yù)測模型在夏熱冬冷地區(qū)辦公建筑能耗預(yù)測中的應(yīng)用[2]，以及僅基于氣象參數(shù)及時間等小樣本數(shù)據(jù)而構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型在一些特定的較為復(fù)雜環(huán)境中的應(yīng)用[3]，更有甚者通過遺傳算法對神經(jīng)網(wǎng)絡(luò)模型的權(quán)值和閾值進行優(yōu)化后在實時性要求較高場合的應(yīng)用[4]，均較好地實現(xiàn)了對建筑能耗的精確預(yù)測。

2）支持向量機法

支持向量機是基于統(tǒng)計學(xué)習(xí)理論的機器學(xué)習(xí)中的一種方法。該方法建立在結(jié)構(gòu)風(fēng)險最小化原理的基礎(chǔ)上，通過構(gòu)造函數(shù)集合，選出置信區(qū)間最小的子集中風(fēng)險最小的函數(shù)作為最優(yōu)函數(shù)，來進行能耗預(yù)測；具有訓(xùn)練樣本小、泛化能力強、實用性強等優(yōu)點。相關(guān)以及人員憑借其在預(yù)測方面的優(yōu)勢，結(jié)合大型公共建筑能耗特點，構(gòu)建了基于支持向量機的大型公共建筑能耗預(yù)測模型，對建筑逐日能耗展開預(yù)測；同時在能耗預(yù)測基礎(chǔ)上，以測試集平均相對誤差與最大誤差作為判定標(biāo)準(zhǔn)進行能耗異常診斷，為建筑節(jié)能管理運行提供了參考[5]。

3）灰色系統(tǒng)理論預(yù)測法

該方法通過對原始數(shù)據(jù)的處理、加工和開發(fā)后，提取有價值的信息，將原本毫無規(guī)律的數(shù)據(jù)變得具有一定的規(guī)律，從而實現(xiàn)對系統(tǒng)變化過程的有效認(rèn)識和控制，具有所需信息少、實現(xiàn)方法簡單等特點。近年來，相關(guān)學(xué)者根據(jù)負荷能耗影響因素和特定地區(qū)能耗系統(tǒng)歷史數(shù)據(jù)特點，提出了基于季節(jié)的優(yōu)化灰色理論預(yù)測算法模型，并應(yīng)用到山西公共建筑能耗預(yù)測系統(tǒng)中，達到了較高的預(yù)測精度[6]。

3.2 能耗控制

空調(diào)自動控制技術(shù)涉及暖通、自動控制、計算機技術(shù)、網(wǎng)絡(luò)通訊等相關(guān)知識。從最初的雙位（ON/OFF）控制發(fā)展到今天，已出現(xiàn)了多種智能控制方法，包括最優(yōu)控制、自適應(yīng)控制、模糊控制、多種方式聯(lián)合控制等方法。

1）最優(yōu)控制

因為空調(diào)系統(tǒng)能耗占據(jù)建筑物總能耗的比例較大，研究人員嘗試將最優(yōu)控制理論引入空調(diào)控制系統(tǒng)中，通過優(yōu)化控制策略，盡可能地降低空調(diào)系統(tǒng)的運行能耗。相關(guān)學(xué)者先后將最優(yōu)控制技術(shù)運用在空調(diào)冷凍水系統(tǒng)及制冷機組控制中，取得一定成果[7]。

2）自適應(yīng)控制

自適應(yīng)控制系統(tǒng)通常使用在具有時變特性的控制系統(tǒng)中。因此，相關(guān)學(xué)者針對空調(diào)系統(tǒng)的大時變、非線性及大滯后的特點，在空調(diào)設(shè)備的控制中運用了最小方差自適應(yīng)控制，得到了較滿意的節(jié)能優(yōu)化效果。

3）模糊控制

隨著人們對室內(nèi)舒適性要求以及對暖通空調(diào)控制效果的不斷提高，相關(guān)研究人員利用神經(jīng)網(wǎng)絡(luò)和模糊數(shù)學(xué)方法對空調(diào)系統(tǒng)能耗進行了有效控制。該方法根據(jù)室內(nèi)溫度偏差和偏差變化率確定水閥占空比與風(fēng)機的檔位，實現(xiàn)對系統(tǒng)的模糊邏輯控制，大大降低了空調(diào)的運行能耗，調(diào)高了運行效率[8]。

4）多種方式聯(lián)合控制

空調(diào)系統(tǒng)結(jié)構(gòu)復(fù)雜，控制過程干擾多，而且由于空調(diào)系統(tǒng)的多輸入多輸出、大滯后、強耦合的非線性時變系統(tǒng)特性，很難建立其精確的數(shù)學(xué)模型，因此采用多種方式對空調(diào)進行聯(lián)合控制就顯得十分必要。近年來有學(xué)者提出在空調(diào)的溫度控制系統(tǒng)中采用模糊PID雙模分段控制器，即在大偏差范圍內(nèi)采用比例控制，而在小偏差時運用模糊控制，由此取得了較好的效果。但是當(dāng)系統(tǒng)模型參數(shù)受到干擾或大時變時，由于傳統(tǒng)PID算法不能及時有效地進行控制，故可將神經(jīng)網(wǎng)絡(luò)技術(shù)引入并將其與模糊控制技術(shù)相結(jié)合形成模糊神經(jīng)網(wǎng)絡(luò)，通過神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力不斷完善模糊控制算法的輸出結(jié)果，進而提升中央空調(diào)末端控制器的智能化程度。該方法已在實際應(yīng)用中取得了較好的節(jié)能效果[9]。

3.3 系統(tǒng)整體優(yōu)化

為了實現(xiàn)整個系統(tǒng)總體能耗的最優(yōu)控制，除了對單一設(shè)備、環(huán)節(jié)進行節(jié)能控制外，還應(yīng)該在系統(tǒng)層面綜合考慮，找到最優(yōu)的整體節(jié)能方案。

根據(jù)現(xiàn)場實際系統(tǒng)的應(yīng)用現(xiàn)狀，基于整體優(yōu)化控制的BEMS系統(tǒng)可按照圖2所示結(jié)構(gòu)進行設(shè)計。該系統(tǒng)由智能工作站、本地監(jiān)控站和遠程控制站三部分組成，連接著各種末端的智能工作站直接提供多種控制策略給本地監(jiān)控站，本地監(jiān)控站通過分析數(shù)據(jù)，得出最優(yōu)化節(jié)能控制策略控制智能工作站，從而控制末端設(shè)備，達到節(jié)能的效果。基于該整體優(yōu)化控制結(jié)構(gòu)，研究人員針對空調(diào)系統(tǒng)一方面提出了系統(tǒng)容錯控制的最優(yōu)化控制方法，以滿足 ASHRAE 標(biāo)準(zhǔn)對室內(nèi)空氣品質(zhì)和室內(nèi)溫濕度的要求[10]；同時又基于通風(fēng)控制提出了一種連續(xù)分段控制策略，使得在提高室內(nèi)空氣品質(zhì)的同時降低空調(diào)能耗[11]，達到了預(yù)期的節(jié)能效果。

4 智能建筑能源管理技術(shù)未來發(fā)展趨勢

隨著物聯(lián)網(wǎng)、云計算、人工智能等新技術(shù)的興起，建筑能源管理系統(tǒng)相關(guān)技術(shù)也在不斷地向前發(fā)展。

1）基于物聯(lián)網(wǎng)技術(shù)的應(yīng)用與發(fā)展

物聯(lián)網(wǎng)是通過射頻識別、傳感器、全球定位系統(tǒng)等信息傳感設(shè)備，按約定的協(xié)議，把任一物品與互聯(lián)網(wǎng)連接起來，進行信息交換和通信，以實現(xiàn)智能化識別、定位、跟蹤、監(jiān)控和管理的一種網(wǎng)絡(luò)。顯然，隨著大型公共建筑物理空間的不斷擴大以及所接入各類智能設(shè)備數(shù)量的日益增大，建筑能源管理系統(tǒng)中以物聯(lián)網(wǎng)數(shù)據(jù)中心為核心的信息系統(tǒng)的構(gòu)建，是解決建筑運行能耗管理問題的關(guān)鍵所在?；诖?，BEMS系統(tǒng)將更好地進行全面和深入的數(shù)據(jù)挖掘，為未來能源規(guī)劃和決策提供依據(jù)；并通過建立專家系統(tǒng)為提升現(xiàn)代化管理水平打下基礎(chǔ)；同時與其他信息系統(tǒng)相結(jié)合，發(fā)揮數(shù)據(jù)聚合的作用，提高管理能力和效率。此外，物聯(lián)網(wǎng)技術(shù)在BEMS系統(tǒng)中的應(yīng)用將完全改變傳統(tǒng)管理模式，成為中國物聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展的新方向，為可持續(xù)發(fā)展及低碳經(jīng)濟創(chuàng)造新模式[12]。

圖2 基于整體優(yōu)化控制的BEMS結(jié)構(gòu)圖

綜上，可得基于物聯(lián)網(wǎng)架構(gòu)的BEMS系統(tǒng)如圖 3所示。該系統(tǒng)采用六層的分層結(jié)構(gòu)形式，分別為：感知控制層、網(wǎng)絡(luò)傳輸層、信息匯聚層、數(shù)據(jù)加工層、診斷決策層和信息輸出層。各層之間相互獨立，層之間僅通過層接口提供信息互通。其中，感知控制層將采集到的數(shù)據(jù)通過網(wǎng)絡(luò)傳輸層傳輸?shù)叫畔R聚層，匯聚的信息再被傳輸?shù)綌?shù)據(jù)加工層進行加工，加工后的數(shù)據(jù)再被傳輸?shù)皆\斷決策層由系統(tǒng)進行診斷并作出決策，最后通過信息輸出層將節(jié)能控制信息反饋回感知控制層對系統(tǒng)各設(shè)備進行控制。

圖3 基于物聯(lián)網(wǎng)技術(shù)的BEMS架構(gòu)圖

圖4 基于云計算技術(shù)的BEMS信息處理架構(gòu)圖

2）基于云計算技術(shù)的應(yīng)用與發(fā)展

云計算是一種基于互聯(lián)網(wǎng)的新型計算模式，它借助網(wǎng)絡(luò)平臺將大型程序拆解成無數(shù)多的子程序，再通過龐大的多個服務(wù)器組建搜索系統(tǒng)，將各子程序分析結(jié)果反饋給用戶，可以在很短時間內(nèi)處理龐大的計算信息，擁有類似超級電腦一樣的網(wǎng)絡(luò)計算能力。

為有效解決建筑能源管理系統(tǒng)中日趨龐大的信息處理問題，可采用云技術(shù)構(gòu)建圖4所示BENMS信息處理系統(tǒng)[13]。該系統(tǒng)可以滿足跨區(qū)域城市級別建筑群的管控需求，實現(xiàn)無限量用戶登陸；同時后臺存儲可采用云存儲方式以滿足隨需隨加的無限量后臺存儲空間，從而減少并降低后臺投入、維護、管理等成本。

3）基于人工智能技術(shù)的應(yīng)用與發(fā)展

人工智能是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的科學(xué)技術(shù)。隨著AI技術(shù)的不斷發(fā)展及其在其他各個領(lǐng)域的深入應(yīng)用，其在大型智能建筑系統(tǒng)的諸如智能照明、智能安防、智能環(huán)境等場景互聯(lián)和場景交互系統(tǒng)逐步得以應(yīng)用?；诖?，BEMS系統(tǒng)將采用機器學(xué)習(xí)等人工智能方法利用大數(shù)據(jù)運算進行建筑能耗分析與優(yōu)化。一方面系統(tǒng)可根據(jù)現(xiàn)有的數(shù)據(jù)預(yù)測將來的行為、結(jié)果和趨勢，對企業(yè)、家庭提供針對性的節(jié)能策略；另一方面，系統(tǒng)采用優(yōu)化方法，提升建筑能源管理的效率，改善生態(tài)環(huán)境，促進社會可持續(xù)發(fā)展。

5 結(jié)束語

隨著建筑能耗尤其是大型公共建筑能耗比例的增加，建筑能源管理系統(tǒng)的重要性日益體現(xiàn)，其不僅能降低建筑物自身的能耗及管理成本，還能為節(jié)能減排工作的開展與生態(tài)文明的建設(shè)起到引領(lǐng)和助推作用，具有重大的社會、經(jīng)濟效益。目前，我國在BEMS領(lǐng)域技術(shù)還相對落后，尤其是能耗預(yù)測、能耗控制和系統(tǒng)整體優(yōu)化的應(yīng)用還比較少，但是隨著物聯(lián)網(wǎng)、云計算、人工智能技術(shù)的興起，BEMS在我國智能建筑節(jié)能領(lǐng)域仍有廣闊的發(fā)展空間。

[1] 顧中煊,楊石,羅淑湘,劉麗莉,武艷麗.區(qū)域建筑能耗預(yù)測模型和方法研究[J].建筑技術(shù),2017,48(12):1240-1243.

[2] 施劍鋒,楊陽,馬志榮. 夏熱冬冷地區(qū)辦公類建筑能耗預(yù)測模型研究[J].安徽建筑,2016,23(05):56-58+66.

[3] 陳彥熹,劉建華,李旭東,尹寶泉,伍小亭. 基于ANN的綠色辦公建筑HVAC系統(tǒng)運行能耗預(yù)測[J].建筑節(jié)能,2017,45(10):1-5.

[4] 胡亞南,寧奎偉,豐會萍,王鵬文. 基于GA-BP神經(jīng)網(wǎng)絡(luò)算法的造紙企業(yè)能耗預(yù)測的研究與應(yīng)用[J].中華紙業(yè),2017,38(20):30-36.

[5] 周峰,張立茂,秦文威,吳賢國,林凈怡.基于SVM的大型公共建筑能耗預(yù)測模型與異常診斷[J/OL].土木工程與管理學(xué)報:1-7[2018-01-09].

[6] 張偉. 基于季節(jié)灰色預(yù)測理論的公共建筑節(jié)能領(lǐng)域能耗監(jiān)測研究[D].天津:河北工業(yè)大學(xué),2011.

[7] 徐小艷,管曉宏,李黎. 建筑空調(diào)系統(tǒng)最優(yōu)停機時間預(yù)測與控制[J].西安:西安交通大學(xué)學(xué)報,2013,47(10):31-36+61.

[8] 岳子豐. 空調(diào)機組節(jié)能優(yōu)化控制策略研究[D].北京:北京林業(yè)大學(xué),2013.

[9] 李慧靜. 基于智能控制算法的中央空調(diào)變風(fēng)量控制系統(tǒng)研究[D].長春:吉林建筑大學(xué),2017.

[10] Xinqiao Jin, Zhimin Du. Fault tolerant control of outdoor air and AHU supply air temperature in VAV air conditioning systems using PCA method [J]. Applied Thermal Engineering, 2006(26): 1226-1237

[11] Shengwei Wang, Zhongwei Sun, Yongjun Sun. Online optimal ventilation control of building air-conditioning systems [J]. Indoo-r Built Environment, 2011(20): 129-136

[12] 陳永攀. 建筑能源系統(tǒng)物聯(lián)網(wǎng)架構(gòu)與實現(xiàn)技術(shù)研究[D].哈爾濱:哈爾濱工業(yè)大學(xué),2011.

[13] 姜永東. 利用云計算改進建筑能源管理控制平臺[J]. 建設(shè)科技,2012(04):62-63.