深耕楼宇三十多年的方案商推了套能碳方案,先从冷站省电

达实智能发布建筑节能控制及能碳管理完整方案,底座是自研AIoT平台,覆盖近200种建筑设备协议,22个算法分属设备诊断、能源诊断和冷源全局优化,配1个超级智能体加15个场景智能体。方案由5个子系统组成,涵盖空间场景控制、中央空调节能、楼宇机电设备控制、车库智慧照明和能源计量管理。文中数字均来自厂商自己的方案说明。

达实智能在自己的公众号上发了建筑节能控制及能碳管理的完整方案,底座是自研的AIoT智能物联网管控平台。数字给得挺密:近200种建筑设备协议、22个算法、1个超级智能体加15个场景智能体,一套1个平台加5个子系统的组合。这些数字都来自厂商自己的方案说明,不是第三方测评。我照着原样读了一遍,顺便说说这套东西对楼宇运营方意味着什么。

方案从一个具体问题切入:一座建筑里,电都花在了哪里?原文给的背景是,我国建筑运行能耗约占社会总能耗的三分之一。相当一部分浪费藏在看不见的细节里:哪个房间没人还开着空调,冷站今天的能效比昨天差多少,能耗账到底是哪个部门哪台设备花掉的。看不见就管不住,管不住就是浪费。

底座:AIoT平台

平台往下,通过边缘网关接入设备、视频和应用,覆盖近200种建筑常见品牌协议,水、电、气、冷热统一接入。往上是中台能力:统一的人员、空间、设备基础数据,加上图形引擎、AI算法引擎、AI智能体引擎、流程表单引擎和轻分析驾驶舱。

22个算法分三块。设备诊断5个,管设备连续超限运行、设备未按计划关闭、设备长时间运行这类事。能源诊断6个,包括实时能耗诊断、夜间实时用电诊断、峰值用电诊断。冷源全局优化11个,包括负荷预测、冷机模型、AI参数优化、AI台数优化。

智能体是1个超级智能体加15个场景智能体,覆盖能源分析、冷源分析、企业能耗分析这些节能应用。我比较在意其中一个叫能源分析的,面向园区整体维度的综合能耗监管,生成能耗趋势报告,定位高耗能节点。用户可以直接问AI助手「过去一个月能耗趋势如何」,它就基于电、水、气、冷热全维度数据出一张可视化趋势图。对物业来说,这类问一句就出图的东西,比再上一套系统有用得多。

空间场景控制:从人走灯灭开始

空间场景控制系统是达实自研的产品,用交互屏做媒介,打通门禁、视频、会议、照明、空调、窗帘和楼宇自控,以人员、时段、环境、空间和设备状态驱动控制。

典型场景列了六种:分时作息,上班前分区预启,下班后关闭非必要设备;人走灯灭,识别空间无人后延时关闭照明和空调;会议室场景,按预约提前开启,无人自动关闭;加班场景,只开启实际加班的区域;公共区域,按时段、人流量和照度动态调节;异常联动,该开未开、该关未关会被发现并提醒,或者按规则关停。

对员工来说就是到岗即亮、离开即暗;对行政来说,系统能自动提醒哪些区域该关没关。这是最容易算清账的一层节能。

中央空调:占建筑运行能耗五成左右

原文说中央空调通常占建筑运行能耗的五成左右,是节能价值最高的一环。达实分两个维度做。一个是冷源系统设计本身,比如10万平方米量级的办公园区,可以把原来设计的冰蓄冷优化成水蓄冷,利用既有消防水池兼做蓄冷水池,装机改成变频离心机组或者磁悬浮大小搭配,满足夜间和周末加班的最小负荷需求。

另一个是让算法接管运行。达实自主知识产权的EMC007中央空调节能控制系统,经科技成果鉴定达到国际先进水平,两获中国专利优秀奖,基于AI全局优化和负荷预测,用机器学习在线训练冷水机组、冷冻泵、冷却泵和冷却塔的功率模型,预测未来30分钟的冷负荷,以制冷系统综合能效最高为目标全局寻优最佳控制参数,比常规群控再提升能效30%到60%。这个区间跨度不小,落地时我建议按单个项目实测,别直接拿去当预算依据。

其余三个子系统

楼宇机电设备节能控制,解决的是很多楼控系统建好之后没人用的问题。方案要建立可视、可控、可预知的体系,对空调、新风机组等重点能耗设备做性能分析,能耗异常提前预警,从事后被动维修转向运行诊断、根因定位、预测维护。做法上专款专用、即插即用,每一类机电设备配专用控制器,程序和端口标准化,不用在现场重新深化。

车库物联网智慧照明,针对的是地下车库24小时运行、照明时长最长这个容易忽视的能耗点,给了三种模式:感应调光,车或人进某区域车道灯自动高亮,离开恢复微亮;隔灯点亮,非高峰时段切换成二亮一或三亮一;循环轮休,定时轮换亮灯组合,轮流分担负荷、延长灯具寿命。车库照明回路的数据还能接进AIoT平台的能碳管理系统,和抄表系统共用一张网。

能源计量管理,是把账算清的那一层。电的计量可以从总表、低压出线柜、层箱和租户箱,一直细分到末端的分享回路,包括照明、插座、空调末端、动力、特殊用电五类,水、冷量、燃气同样可以分区分项计量。它的价值不只是理清数据走向:夜间异常用电、设备空转一查便知,夜间最小流量法可以定位管道跑冒滴漏,冷站按设备考核能效、末端按使用量分户计费。更重要的是这些数据能直接支撑地方用能限额管理、能耗统计审计和碳排放核算。抄表系统不是成本,是政策要求的数据地基。

达实大厦智慧运营中心的大屏界面
图源:达实智能

接下来我会盯两件事

一是那22个算法和16个智能体到底有多少在真实项目里被日常调用,而不是停留在方案说明上。二是30%到60%的冷站能效提升在第三方复测下能落到什么位置。

整体看,这套方案的骨架是先把数据和设备接进来,再谈智能,方向是对的。方案里愿意把能耗落到能点数的颗粒度,剩下的就交给时间和项目去检验。

资料来源

本文为 AI4ELAB 编辑或原创,作者:Connor 秦明。转载请注明出处:https://ai4elab.com/13190.html

赞 (0)
Connor 秦明的头像Connor 秦明

发表回复

登录后才能评论
联系我们
加入社群