一個基于樓宇自控的智能建筑通常擁有三層的能源管理結(jié)構(gòu)：現(xiàn)場層、網(wǎng)絡層、管理層?，F(xiàn)場層包括各種現(xiàn)場設備，有傳感器、執(zhí)行器和各種智能儀表，智能儀表有水表、電表、氣表等?，F(xiàn)場層的通信采用現(xiàn)場總線標準，較為常用的有 RS485、M-BUS 等。網(wǎng)絡層是管理層和現(xiàn)場層之間相互通信的橋梁，將現(xiàn)場層采集到的數(shù)據(jù)信息上傳給管理層，同時將管理層發(fā)出的動作指令發(fā)送到現(xiàn)場層，讓現(xiàn)場設備執(zhí)行相應的指令操作。管理層是對現(xiàn)場設備進行統(tǒng)一的監(jiān)視、控制和管理，同時將現(xiàn)場設備運行產(chǎn)生的數(shù)據(jù)存儲到服務器中，用以記錄設備的日常運行日志和打印故障設備的報警信息等。 　　

物聯(lián)網(wǎng)與建筑能源管理系統(tǒng)的融合 　　

智能建筑能源管理系統(tǒng)的三層結(jié)構(gòu)具備了與物聯(lián)網(wǎng)融合的條件，也為應用物聯(lián)網(wǎng)技術(shù)創(chuàng)造了必要性?，F(xiàn)場層可以增加采用物聯(lián)網(wǎng)技術(shù)的各種智能設備，網(wǎng)絡層可以改造成有線和無線網(wǎng)絡進行數(shù)據(jù)之間的通信，實現(xiàn)建筑能耗設備的遠程監(jiān)控和管理。管理層可以采用物聯(lián)網(wǎng)的云計算技術(shù)進行海量數(shù)據(jù)的處理，因此，智能建筑能源管理系統(tǒng)已經(jīng)具備了物聯(lián)網(wǎng)的結(jié)構(gòu)形態(tài)。 　　

設備控制節(jié)能 　　

通過深度數(shù)據(jù)挖掘分析，建立用能設備運行全景數(shù)據(jù)分析，再依托人工智能技術(shù)，在運行空調(diào)、除濕機、風機等其它用能設備期間，保證環(huán)境溫濕度、水位在標準范圍內(nèi)，避免設備過度運行能耗浪費情景，結(jié)合人工智能技術(shù)優(yōu)化設備運行策略，降低能耗，同時延長設備壽命。 　

預測性維護 　　

許多設施都采用預防性維護來確保設備正常運行。這通常涉及例行檢查以及對設備狀態(tài)及其使用頻率的假設?；ヂ?lián)傳感器技術(shù)通過對維護智能建筑的技術(shù)(包括設備溫度，功率和聲音)提供更細致的洞察，從而將這一概念提升到一個新的水平。 　　

這方面的一個例子是監(jiān)測通風風扇電機，這些電機通常在商業(yè)建筑中每天24小時運行。不同的機械諧波隨著它們的老化而被識別，并且，通過使用基于LoRa的傳感器和調(diào)制解調(diào)器，電機的健康狀況及其生命周期位置可以確定問題出現(xiàn)的時間，以便在出現(xiàn)更大問題之前，在最方便的時間安排維護。 　　

故障診斷預測與健康管理 　　

通過現(xiàn)場采集來的實時數(shù)據(jù)，可對復雜建筑設備的全生命周期進行故障診斷、預測、健康狀態(tài)評估和健康管理。可采用的AI算法模型有：神經(jīng)網(wǎng)絡(分類)、強化學習、貝葉斯(分類)、K-均值(聚類)、馬爾科夫(預測)、專家系統(tǒng)，基于這些算法模型可研制故障樹檢索系統(tǒng)、故障預測系統(tǒng)、健康管理系統(tǒng)。 　　

能耗預測 　　

在建筑能源系統(tǒng)中，如果歷史數(shù)據(jù)有效且數(shù)據(jù)量足夠，可利用機器學習/深度學習等技術(shù)，建立建筑能耗預測算法模型，根據(jù)建筑歷史用能數(shù)據(jù)，預測建筑未來一段時間的能源負荷需求，為能源管理者制定能源需求計劃、節(jié)能考核等提供可靠的數(shù)據(jù)支持。 　　

管理側(cè)節(jié)能 　　

大數(shù)據(jù)支撐，通過能耗三級計量系統(tǒng)，從各個區(qū)域用能上進行大數(shù)據(jù)分析管理，并對各區(qū)域用能情況實時監(jiān)測，異常狀態(tài)的分級報警，在減少人員巡查的工作量的同時，保障設備供電安全。進而實現(xiàn)管理層面節(jié)能目標。 　　

根據(jù)以上幾種應用場景，人工智能與物聯(lián)網(wǎng)技術(shù)將繼續(xù)為智能建筑的節(jié)能管理提供新的機會。借助連接的設備和強大的分析功能，我們可以實施更多可提高效率的解決方案，并為可持續(xù)性和節(jié)約提供新的機會。