概述
它必须在能源目标与舒适度、安全性和设备约束之间取得平衡。
深入探讨
NIST的AI优化建筑控制项目研究商业暖通空调（HVAC）系统。其IBASIM仿真平台在不同情景下测试算法，并与基线控制器进行比较。NIST还研究监控设备状态并识别或诊断故障的代理。虚拟控制建筑测试平台将商业控制硬件和软件与模拟建筑相结合，使其在更广泛现场使用前进行评估。伯克利实验室将预冷描述为改变制冷需求出现的时间：建筑材料吸收和释放热量，因此在峰值期间前对结构进行制冷可以将后续的制冷需求转移。这并不保证每座建筑的总能耗、成本或排放都会降低。控制器必须遵守舒适度和设备限制，并且其性能应在目标建筑中进行监测。
现实世界的实施
根据建筑遥测预测供暖或制冷需求。
使用模型在批准的范围内提出暖通空调设定点。
在现场使用前，在建筑测试平台上测试控制策略。
部署后监测舒适度和能源指标。
人工智能在建筑能源管理中的未来
在验证和监控后，AI控制可支持建筑运营。未经调试、安全限制和操作员监督，不得部署新控制器。
付诸实践
为什么这很重要
- 构建选择. 应用级设计决定了人工智能是否能改善实际结果。
- 团队与工作流程. 良好的工作流程集成可以创造用户值得信赖的生产力收益。
- 风险与安全. 范围明确的用例可以减少变更疲劳和实施风险。
留意
- 将损坏的流程自动化可能会加剧现有问题。
- 团队可能会过度自动化并消除所需的人工判断。
- 如果不持续评估输出，质量可能会出现偏差。
后续步骤
- 绘制当前工作流程并确定摩擦最大的步骤。
- 在完全自动化之前定义人工检查点。
- 对用户进行提示、升级路径和质量标准方面的培训。
- 跟踪任务级结果以确认持续价值。
不断探索
常见问题
什么是AI建筑能源管理？
AI建筑能源管理使用传感器数据和控制决策来操作诸如暖通空调（HVAC）等系统。它必须在能源目标与舒适度、安全性和设备约束之间取得平衡。
NIST的AI优化建筑控制项目关注哪些系统？
NIST描述了针对商业暖通空调系统的先进控制方法研究。这并不意味着暖通空调是每座建筑中最大的负荷。
在建筑需求响应策略中，预冷的目的是什么？
伯克利实验室将预冷描述为利用建筑热质量将部分制冷负荷从峰值时段转移。结果取决于建筑、天气、控制和舒适限制。
NIST的IBASIM研究计划在测试控制算法时使用什么比较？
NIST描述在IBASIM中测试和修订算法，同时在不同情景下将其与基线控制器进行比较。
故障诊断如何融入NIST的智能建筑代理研究？
NIST列出在研究目标中寻找和诊断故障。诊断信号仍需评估；它并不能保证防止能源浪费。
为什么建筑物的热质量有时被描述为“像电池”？
该结构吸收和释放热量缓慢，因此人工智能可以储存凉爽或温暖，并改变能源使用的时间。