通过对大型建筑用电负荷的大数据挖掘和分析，提出基于机器学习模型和智能运算方法的建筑用能负荷及调峰潜力的测算方法。结合调研和示范应用，提出基于 AIoT （人工智能物联网）的可再生能源系统和空调系统的优化运行技术和管理方法，探索将响应策略方案融入到建筑智能化运维实践的技术路径，推动叠加效应的创新发展。

　　在“双碳”的背景下，建筑低碳化、数字化、智能化的协同成为了“十四五”规划的主旋律。作为碳排放大户，建筑业亟待转型和升级，需在双碳目标下，形成以绿色低碳为发展理念，以信息化智能化为发展手段的数字化转型与高质量发展格局。

　　人工智能技术的应用与发展成为当今建筑领域的潮流、趋势和方向，建筑智能化技术也逐渐向智慧化方向发展，更加关注建筑的整体能效和运维管理，基于新技术的应用，可以实现对建筑节能降碳的进一步管理，通过不同维度提升建筑运行过程的智能化水平，助力行业实现双碳目标。

　　本文基于对大型建筑用电负荷的大数据挖掘和智能预测分析、针对性研究，提出建筑智能化运维技术应用的方向和措施，以期为改进公共建筑智能运维管理模式及提高运维管理水平提供支撑。

　　近年来，随着传感器成本的降低和人工智能算法的迅速发展，国内建筑领域的基于物联网和大数据的人工智能技术得到快速发展，新能源、新技术的应用推动了行业的发展，但在多方面仍存在一些问题。

　　我国积累了大量大型公共建筑的用能数据，但在基于人工智能的数据分析和应用性方面不够普遍。目前建筑用电负荷更加柔性多变，用电特征日趋复杂、电能消费者成为电能产销者、需求侧响应日臻成熟。一方面，结束了负荷单向、被动接受调节的历史，使得电网的运行更具弹性；另一方面，传统电力系统在双向性、高不确定性和分散性负荷大量接入的情况下，面临更大挑战 [1] ，基于电力调峰需求的建筑负荷调控尚未发挥应有价值，基于实时运行数据的建筑智能化应用技术链尚未打通。

　　笔者通过对多个城市大型建筑智能化水平调研发现，建筑智能化技术在既有大型公共建筑中的应用并不多。统计显示，南方某一线城市办公建筑智能化技术应用情况中，空调自动及分区控制、水量远程计量及数据共享占比均不足 40%，BIM 应用等技术均不足 10%，空调智能化算法和优化运行策略、能耗诊断及自我优化等更加高级的智能化技术在统计的办公建筑中并未体现 [1] 。华东区域某城市，2020 年新增报建项目中，不考虑规模因素，应用 BIM 技术的建筑项目数占比不足 50%，与上一年度比，新增大型建筑中 BIM 技术应用率增幅仅为 1.1%，略显缓慢。

　　因此，可通过负荷预测、优化控制和智能调度技术，利用本地能源实现电量自平衡与运行优化 [2] ，利用大数据分析技术，实现数据采集、管理、分析及互动服务，支持需求侧响应、智能化运维等多种新型业务 [3] 。

　　本着“创新建筑数据应用、提升建筑智能运行”的技术思路（图 1），提出基于多元耦合算法的用能调峰潜力测算和评价方法，应用于示范建筑的需求侧响应，提出基于实时运行数据的公共建筑智能化运维和调适技术，开发 AIoT 专业工具指导建筑高效运维管理，实现“建筑大数据＋人工智能”的跨技术融合。

　　笔者通过对某城市内商务办公建筑和商场建筑共计 600 余栋建筑能耗监测数据特性的分析和建筑能源需求侧管理的需求解读，研究提出以 Spark （计算引擎）学习模型与 TensorFlow （机器学习平台）计算相结合的建筑用电负荷预测方法。基于 TensorFlow 分布式计算平台和服务器接口，导入 Spark 智能学习自定义数据模型，根据训练后重新初始化的模型输出计算结果，对大型建筑一定时间周期内的能耗数据和用电负荷进行模拟和预测。

　　研究充分考虑了大型建筑周期性用能的特点，即工作日与非工作日用能存在较大差异，因此采用建筑过去 30 d 完整的或修复过的用电负荷数据进行训练并建立数据模型，可实现逐时或逐日的模拟或预测，即通过当时采集的小时数据可预测出下一小时的能耗数据。这在建筑用电需求侧响应上有极高的价值，可以预测能耗峰值的出现时间，提前预警的同时，支撑建筑智能化运维举措。验证环节选取了一栋典型建筑，对该建筑某一工作日及非工作日用电量进行了预测，结果如图 2 所示，预测效果非常好，逐时平均误差率＜1%。

　　在实现负荷预测的基础上，通过分析样本下的各类建筑用电特征，形成了不同类型建筑峰谷比，通过离差标准化分析算法，绘制各类建筑的标准用电特征曲线，明确建筑响应潜力，形成策略方案，为建筑智能化运维技术实施提供指引。

　　从中样本中进一步选取 388 栋建筑作为分析样本，其峰谷比分布情况如表 1 所示。办公建筑和商场建筑中峰谷比超过 2.5 的建筑数量较多，通过削峰填谷实现电力调峰的潜力最大。

　　通过引入离差标准化分析算法，可以得到各类建筑的标准用电特征曲线），经大数据分析后，进一步提出各类建筑运行启停和用能高峰的参考线，挖掘样本中各类大型建筑运行特性。

　　在响应策略方面，可按照不能用能设备或不同时段作为切入点，经过调研并参照供配电设计规范，提出基于负荷分级的需求侧响应策略制定方法，即基于大型建筑各用电系统特点，提出不同类型大型建筑负荷分级框架（表 2），针对不同负荷分级提出了调时间、调能源品种、调负荷为主的 3 大响应策略方案。

　　响应策略通过在大型公共建筑实施，一方面可以降低建筑用能峰谷差，降低单体建筑的能源费用，另一方面可为建筑应用智能化运维技术提供支撑。

　　将通过分析典型样本建筑中光伏发电和各分项用电负荷数据的特点，确定光伏发电系统发电运行优化模式，以达到可再生能源的更高效利用和智能化运行。

　　选取的典型办公建筑位于我国太阳能资源丰富且稳定的区域，全年平均辐射强度为 131 W/m 2 。从用电全年数据来看，光伏发电量在白天可发电阶段能够普遍高于单项的动力、照明和插座用电量，但在空调用电分项上，空调使用期间的用电量远高于光伏发电量，而其他（数据机房）用电量变化趋势明显区别于上述 3 项，其不受工作日的影响，用电水平维持在一个相对稳定的波动范围。按照负荷分级策略，该建筑在用电高峰时段，可将照明、动力及插座用电实施部分自动调峰来满足电网需求侧响应，并通过使用光伏发电量来保障实际用电需求。

　　进一步研究基于典型工作日和非工作日光伏发电为插座、照明和动力分项供电的优化策略。典型工作日和非工作日光伏发电量分别与插座、照明和动力用电量的差值变化趋势如图 4 所示，值＞0 则说明在该时间段光伏发电量高于分项用电量。从整体来看，光伏在白天可发电期间的发电量能够单独为照明、插座或动力用电分项提供足够电能，并有明显余量。在有太阳辐射时间段，工作日光伏发电量与 3 项分项用电的差值变化波动比非工作日更明显，能够盈余的电量相对非工作日也明显减少。因此，非工作日可调节的负荷量更有空间。

　　为了让建筑中传感器收集的数据能够发挥其更多的价值，如实现建筑设备系统的监控、建筑设备系统的优化控制等功能，将人工智能和机器学习等技术应用于 IoT 设备，构建出能够执行复杂任务的 AIoT 技术。

　　暖通空调（HVAC）系统属于高度非线性复杂模型，人工智能和深度学习等一些列算法可以在达到高精度预测的基础上，做到参数寻优功能。结合软计算和硬计算的混合控制策略都提升了 HVAC 系统的运行效果，节省系统运维费用的同时，促进了建筑智能化运维的发展。

　　据 2010—2019 年间 SCOPUS 发表的文献为实现建筑设备高级控制策略所使用的方法统计，预测模型控制（MPC）依然是运用最为广泛且讨论热度持续上升的方法。国内外关于 HVAC 系统运行优化控制的研究中，对基于 MPC 与多种控制算法的结合的运用为后续的空调系统优化控制提供了思路与探索的方向。

　　在典型办公建筑样本的空调系统的优化控制研究中，选择用多线感知器（MPL）为冷水机组、水泵、冷却塔风扇和再加热设备分别建立模型，选择送风温度设定值和空气处理装置（AHU）的静压作为决策变量整合组成能源优化模型，并利用离子群优化（PSO）算法进行求解。此优化方法降低了 7.66% 的系统总能耗，有效支撑了空调系统的响应策略。除此之外，研究对比了基于优化模型条件下，采取控制不同参数进行优化的结果，能达到的节能效果更好。

　　首先对系统冷负荷预测进行了优化，得到一个准确性高的能耗预测结果，再通过 GA （遗传算法）优化计算得到时间颗粒度为 5 min 的最低功率曲线，推导出控制变量设置值来达到最小瞬时系统功率与该时间步长下的系统最小功率，可以进一步提高能源效率。根据不断变化的内部负荷、外部天气数据和其他不可控制参数及时进行优化控制设置对节能量的提升同样有显著效果。

　　在建筑业数字化转型背景下，大型建筑智能化运维技术的推广应用要强调适宜性和精细化。在“双碳”背景下，基于调峰的需求侧响应和能源自身平衡是建筑实施降碳的有效手段。通过与智能化运维技术的有效融合，借助网络控制技术、通信技术等手段实现对建筑运行阶段的最优管控，最终可以创造舒适、健康、低碳的工作和生活环境。

　　[2] 梁伟豪,周潮,涂智豪,等.分布式光伏接入对配电网可靠性影响的快速评估方法[J].供用电,2020,37(2):60-66.

　　[3] 宁超,张峰,李卫华,等. 基于空间负荷布局的低碳主动配电网扩展规划研究[J].电网与清洁能源,2020,36(9):37-42.

　　支建杰，1978 年生，专业方向：建筑智能化与数字化技术，现供职于上海市建筑科学研究院有限公司。

　　绿标解读｜GB/T50378—2019《绿色建筑评价标准》修订分析 绿标解读｜绿建新标准之安全耐久性你知几何？ 重磅解读｜徐强：先锋到主流 绿色建筑更注重高品质返回搜狐，查看更多