cq9电子·(中国)官方网站

  一个基于楼宇自控的智能建筑通常拥有三层的能源管理结构：现场层、网络层、管理层。现场层包括各种现场设备，有传感器、执行器和各种智能仪表，智能仪表有水表、电表、气表等。现场层的通信采用现场总线标准，较为常用的有 RS485、MODBUS 等。网络层是管理层和现场层之间相互通信的桥梁，将现场层采集到的数据信息上传给管理层，同时将管理层发出的动作指令发送到现场层，让现场设备执行相应的指令操作。管理层是对现场设备进行统一的监视、控制和管理，同时将现场设备运行产生的数据存储到服务器中，用以记录设备的日常运行日志和打印故障设备的报警信息等。

  物聯網與建築能源管理系統的融合

  智能建築能源管理系統的三層結構具備了與物聯網融合的條件，也爲應用物聯網技術創造了必要性。現場層可以增加采用物聯網技術的各種智能設備，網絡層可以改造成有線和無線網絡進行數據之間的通信，實現建築能耗設備的遠程監控和管理。管理層可以采用物聯網的雲計算技術進行海量數據的處理，因此，智能建築能源管理系統已經具備了物聯網的結構形態。

  設備控制節能

  通過深度數據挖掘分析，建立用能設備運行全景數據分析，再依托人工智能技術，在運行空調、除濕機、風機等其它用能設備期間，保證環境溫濕度、水位在標准範圍內，避免設備過度運行能耗浪費情景，結合人工智能技術優化設備運行策略，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及其使用頻率的假設。互聯傳感器技術通過對維護智能建築的技術(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。

  故障診斷預測與健康管理

  通過現場采集來的實時數據，可對複雜建築設備的全生命周期進行故障診斷、預測、健康狀態評估和健康管理。可采用的AI算法模型有：神經網絡(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，基于這些算法模型可研制故障樹檢索系統、故障預測系統、健康管理系統。

  能耗預測

  在建築能源系統中，如果曆史數據有效且數據量足夠，可利用機器學習/深度學習等技術，建立建築能耗預測算法模型，根據建築曆史用能數據，預測建築未來一段時間的能源負荷需求，爲能源管理者制定能源需求計劃、節能考核等提供可靠的數據支持。

  管理側節能

  基于大數據支撐，通過能耗三級計量系統，從各個區域用能上進行大數據分析管理，並對各區域用能情況實時監測，異常狀態的分級報警，在減少人員巡查的工作量的同時，保障設備供電安全。進而實現管理層面節能目標。

  cq9电子官方网站物聯工業物聯網網關TG462有效解決設備遠程管理問題，通過連接前端傳感器設備，通過網關使用5G/4G無線網絡將數據進行無線傳輸，實現各個技術的有效融合，做到遠程監測、遠程管理、遠程調試。