Können künstliche Intelligenz oder Automatisierung das Problem der geringen Energieeffizienz in Gebäuden lösen?

Ein neues Tool, das vom Lawrence Berkeley National Laboratory in den USA entwickelt wurde, kann dabei helfen, Fehlererkennungs- und Diagnosesoftware zu automatisieren, den Bedarf an Mensch-Computer-Interaktion zu minimieren und so die Effizienz zu steigern und den CO2-Ausstoß zu reduzieren.

Heutzutage werden Gebäudeautomations- und Energiemanagementsysteme im Facility Management immer wichtiger, was sich direkt auf den Gebäudebetrieb auswirkt, da Diagramme es Eigentümern und Betreibern ermöglichen, angesichts des Klimawandels höhere Effizienz und Flexibilität zu erreichen und Elastizität. Mit diesen hochentwickelten Tools gehen jedoch eine erhöhte Komplexität und die Entstehung von Fehlern einher, oft auf Kosten der Effizienz, die diese Technologien bieten.

Infolgedessen erfreut sich die Technologie zur Erkennung und Diagnose von Gebäudefehlern (Building Fault Detection and Diagnosis, FDD) immer größerer Beliebtheit und spart Immobilieneigentümern jedes Jahr Millionen von Dollar an Baukosten, wobei die Amortisationszeit in der Regel weniger als zwei Jahre beträgt. FDD-Tools automatisieren den Prozess der Erkennung von HVAC-Systemausfällen und suboptimaler Leistung, um die Diagnose potenzieller Ursachen zu erleichtern. Laut einem Bericht des Lawrence Berkeley National Laboratory (LBNL) in Berkeley, Kalifornien, vom Februar 2022 setzt FDD typischerweise auf bestehende Gebäudeautomationssysteme (BAS).

Obwohl kommerzielle FDD-Tools ein Allheilmittel zur Steigerung der Energieeffizienz und damit zur Reduzierung der CO2-Emissionen zu sein scheinen, gibt es dennoch ein kleines Problem: Es bedarf einer menschlichen Lösung. Im LBNL-Bericht heißt es: „Sobald ein Fehler erkannt wird, ist menschliches Eingreifen erforderlich, um den Fehler zu beheben, was häufig zu Verzögerungen oder sogar Untätigkeit führt, was zu zusätzlichen Betriebs- und Wartungskosten und Auswirkungen auf die Komfortbedingungen im Gebäude führt.“ Mit anderen Worten: Die Effizienz, Energieeinsparungen und der CO2-Fußabdruck von Gebäuden hängen immer noch weitgehend von den Menschen ab.

Laut LBNL ist die automatisierte Fehlerkorrektur für kommerzielle FDD-Anwendungen vielversprechend, da sie den Kreis zwischen passiver Diagnose und aktiver Steuerung schließt. In einigen Fällen können diese Tools künstliche Intelligenz (KI) für die vorausschauende Wartung integrieren und so Facility Managern mehr Flexibilität und Freiheit als je zuvor geben.

Problem: Kontrollen sind fehleranfällig

Statistik zufolge verbrauchen Gebäude 70 % des Stroms in den Vereinigten Staaten, sind für fast 33 % der weltweiten Kohlenstoffemissionen aus der Kraftstoffverbrennung verantwortlich und für etwa 20 % des gesamten Treibhausgases verantwortlich Emissionen. Daher müssen Gebäude immer effizienter werden und Probleme mit ihren Systemen vorhersagen, bevor sie auftreten.

Allerdings sind FDD-Tools nicht narrensicher. Laut LBNL und dem US-Energieministerium (DOE) gehen Studien davon aus, dass Ausfälle von Altgeräten und Kontrollprobleme die Treibhausgasemissionen und Energierechnungen erheblich in die Höhe treiben können, in der Größenordnung von 17 Milliarden US-Dollar und 90 Millionen Tonnen CO-Äquivalenten pro Jahr.

„Es stellt sich heraus, dass die energiebeeinflussendsten Möglichkeiten, denen wir am häufigsten begegnen, durch automatisierte Fehlerkorrektur und Steuerungsoptimierung angegangen werden können“, sagte LBNL.

Zu diesen Möglichkeiten zur Verbesserung der Energieleistung gehören:

1. Korrektur falsch programmierter HLK-Pläne.
2. Geben Sie unnötige Kontrollüberschreibungen frei.
3. Kalibrierung des Bias-Temperatursensors.
4. Automatische Zyklusanpassung.
5. Implementieren Sie Best-Practice-Reset-Strategien.
6. Optimieren Sie die Zonentemperatur-Sollwerteinstellungen.
7. „Wir arbeiten jetzt daran, unsere Suite erstklassiger, störungsfreier Steuerungslösungen auf ein breiteres Spektrum von FDD-Partnern auszudehnen und zusätzliche Strategien wie automatisierte Inbetriebnahme/Funktionstests und Anforderungsflexibilität einzubeziehen“, sagte Granderson.

Lösung: Wie Automatisierung FDD-Ergebnisse verbessert

Im Jahr 2016 startete LBNL gemeinsam mit dem US-Energieministerium und verschiedenen Industriepartnern die Smart Energy Analytics Campaign, eine öffentlich-private Partnerschaft, die zu den neuesten Innovationen im Bauwesen führte Analytics, der größte Datensatz zu Kosten, Nutzen und Nutzung. In den Jahren seitdem hat LBNL auch mit führenden inländischen Anbietern von FD-Technologie zusammengearbeitet, um die modernste Technologie über das bisher verfügbare Maß hinaus zu erweitern. Granderson sagte, ihr Team habe zusätzliche Programmierfunktionen entwickelt und implementiert, um Fehler automatisch zu korrigieren, sobald sie von der vorhandenen FDD-Software identifiziert werden.

In einer Feldstudie im Jahr 2020 mit zwei Endbenutzerpartnern entwickelte und implementierte LBNL einen Satz von sieben Fehlerkorrekturalgorithmen für HVAC-Systeme in realen Gebäuden unter Verwendung vorhandener BAS-Anbieterplattformtests. Zu den durch den Algorithmus korrigierten Variablen gehören Zeitpläne, Sollwerte, Sensormesswerte, Befehle, Heiz-/Kühlanforderungen sowie Proportional-, Integral- und Differentialparameter (PID).

In der Vergangenheit wurde die FDD-Technologie in Gebäudeautomationssysteme integriert, um Betriebsdaten für den System- und Gerätebetrieb in einem „schreibgeschützten“ Format zu erfassen. „Als Erstes haben wir die Schnittstelle so erweitert, dass das FDD-System auch Befehle zurück an das BAS ‚schreiben‘ konnte“, erklärt Granderson.

Das Team entwickelte dann eine Bibliothek mit technischer Logik, die definierte, wie verschiedene steuerungsbezogene Probleme durch Modifizieren von Steuerungssystemparametern gelöst werden können, die normalerweise über das BACnet-Protokoll zugänglich sind.

Schließlich integrierte das Team die Korrekturlogik in die FDD-Plattform und die bedienerorientierte Benutzeroberfläche. Sobald das FDD-System nun einen Fehler erkennt und diagnostiziert, wird der Bediener über das Problem und empfohlene Korrekturmaßnahmen benachrichtigt. Nach Genehmigung durch den Betreiber werden Korrekturmaßnahmen umgesetzt und der Fehler behoben.

Granderson lieferte das folgende Beispiel: Ein Zonentemperatursollwert, der zu aggressiv ist, kann zur Aufmerksamkeit und Korrektur durch den Bediener mit der Meldung „Der Kühlsollwert für diese Zone beträgt 66 Grad, was niedriger als empfohlen ist. Möchten Sie?“ gekennzeichnet werden Setzen Sie den Einstellungs-Sollwert auf die empfohlenen 68 Grad zurück. Sobald diese Aktion abgeschlossen ist, ist der Fehler behoben und das FDD-System kehrt zur Problemerkennung und -diagnose zurück.

Neben der Fehlerkorrektur erweitert LBNL auch die FDD-Systemfunktionen um die Steuerungsoptimierung. Zunächst wurde eine Methode entwickelt und getestet, um Best-Practice-Anpassungen und reaktionsfähige Reset-Strategien für den statischen Druck und die Zulufttemperatur von Lüftungsgeräten gemäß ASHRAE-Leitfaden 36 umzusetzen: „Hochleistungsbetriebssequenz für HVAC-Systeme“. Unter diesen Lösungen unterdrückt die Technologie von LBNL „besondere“ Bereiche, in denen aufgrund eines nicht gedeckten Heiz- oder Kühlbedarfs ein erhöhter Energieverbrauch auftritt. Granderson stellte fest, dass LBNL derzeit zwar keine KI in den von ihm entwickelten Fehlerkorrekturmethoden verwendet, einige FDD-Anbieter jedoch KI in bestimmten Teilen ihrer Technologie-Stacks verwenden.

Building IQ mit Sitz in Sydney und Fargo, North Dakota, hat einen sogenannten Outcomes-Based Fault Detection (OFD)-Dienst eingeführt, der künstliche Intelligenz, Energieanalyse und menschliches Fachwissen kombiniert, um die Mängel vieler FDD-Dienste zu überwinden. „Die ergebnisbasierte Fehlererkennung ist eine umfassende Lösung, die die Fehlererkennung in eine bessere und umfassendere Richtung lenkt“, sagte der damalige Präsident und CEO des Unternehmens, Michael Nark, in einer Pressemitteilung vom Juni 2018.

„Dies geschieht, indem die entscheidende Rolle von Anlagenexperten akzeptiert und durch maschinelles Lernen und modernste künstliche Intelligenz erweitert wird. Unabhängig davon, ob die Daten gut oder schlecht sind, funktioniert OFD und nutzt maschinelles Lernen, um die Daten in die Lastenverschiebungen umzuwandeln.“ in die Cloud. Das Ergebnis ist, dass Gebäudebetreiber keine wertvolle Zeit und Ressourcen mit der Suche durch Hunderte von Fehlerblättern verschwenden müssen. Stattdessen können sich Betreiber mit OFD auf das konzentrieren, was wirklich repariert werden muss: ihre Mieter und das Endergebnis

Vorteile automatisierter FDD-Systeme

„In unseren Gebäuden verbergen sich überraschend viele Ineffizienzen“, sagte Granderson. „Automatisierte Steuerungssysteme halten das System am Laufen, um den Komfort der Bewohner zu gewährleisten.“

Sie sagte, dass die automatisierte FDD-Technologie kontinuierlich Betriebsdaten analysieren kann, um Gebäudebetreibern und Energiemanagementmitarbeitern Informationen zu liefern „Die Vorteile sind erheblich.“ . Anstatt wochen- oder monatelang auf die Lösung von Problemen zu warten, können Probleme innerhalb von Stunden gelöst werden und wertvolles Fachwissen der Mitarbeiter kann bei der Lösung der schwierigsten Probleme zum Einsatz kommen.

„Darüber hinaus ermöglicht uns die Möglichkeit, Steuerbefehle zurück in das BAS zu schreiben, auch die Optimierung der Überwachungssteuerung“, sagte sie. „Die Bereitstellung einer Überwachungsoptimierungssteuerung durch ein FDD-System ermöglicht eine skalierbare Implementierung über verschiedene Jahre und Marken von BAS hinweg, ohne dass teure Upgrades erforderlich sind, während traditionellere Ansätze möglicherweise direkte Änderungen an der BAS-Programmierung erfordern, die auf Automatisierung und künstlicher Intelligenz basiert.“ BEMS-Lösungen werden weltweit im gewerblichen Bausektor eingesetzt. Beispielsweise verwaltet Ability BE Sustainable with Efficiency AI derzeit mehr als 275 Gebäude mit einer Gesamtfläche von mehr als 100 Millionen Quadratfuß. Zusammen reduzieren diese Anlagen die CO2-Emissionen um mehr als 1 Million Tonnen pro Jahr, und zwar durch die Nutzung bereits getätigter Investitionen in die Gebäudeautomation.

Die Zukunft intelligenter Gebäude liegt in der kontinuierlichen Verbesserung

Gute Daten sind die Grundlage von Gebäudeautomatisierungs- und -managementsystemen, und je mehr Daten in Energiemanagement- und Informationssysteme eingespeist werden können, desto besser. Mit der Weiterentwicklung von FDD-Tools und Automatisierungssoftware werden sich die Implementierung, Skalierbarkeit und Zuverlässigkeit intelligenter Gebäude weiter verbessern – und Gebäudeeigentümer und Facility Manager, die diesen Weg einschlagen möchten, werden über die entsprechenden Tools verfügen.

Im Oktober 2020 veröffentlichte LBNL ein Application Showcase, um Stakeholdern den Einstieg zu erleichtern, Best Practices von Smart Energy Analytics-Veranstaltungsteilnehmern hervorzuheben und Beispiele für Innovationen in der Branche zu liefern.

„Wir testen diese neuen Funktionen bereits in einer Reihe von Gebäuden und BAS-Produkten“, sagte Granderson. „Die bisherigen Ergebnisse deuten darauf hin, dass sie über verschiedene Controller hinweg skalierbar sind, wobei die FDD-Anbieter einen geringfügigen zusätzlichen Entwicklungs- und Implementierungsschub bieten. Da diese neuen Technologiefunktionen von ihren Partnern über unsere Produktfunktionen oder Module bereitgestellt werden, wird LBNL in der Lage sein, inkrementelle Fortschritte zu erzielen.“ Kosten im Vergleich zu herkömmlichen FDD-Systemen

„Das ist alles sehr neu und noch in der Reifephase, aber das Spannende an dieser Arbeit ist, was sie uns über die Zukunft intelligenter Gebäude zeigt.“ Wir fordern zunehmend, dass unsere Gebäude Netto-Treibhausgasemissionen von Null verursachen, eine zunehmende Anzahl dezentraler Energieressourcen integrieren und ein gesundes und komfortables Raumklima bieten und gleichzeitig mit erneuerbaren Netzen harmonieren.

„Die einzige Möglichkeit, dies in großem Maßstab zu erreichen, besteht darin, die moderne softwarebasierte Infrastruktur von FDD und anderer intelligenter Gebäudesoftware zu nutzen. Sie bietet uns einen Kanal, um kontinuierlich verbesserte Steuerungs- und Analyselösungen voranzutreiben.“

Das obige ist der detaillierte Inhalt vonKönnen künstliche Intelligenz oder Automatisierung das Problem der geringen Energieeffizienz in Gebäuden lösen?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!