미국 로렌스 버클리 국립 연구소(Lawrence Berkeley National Laboratory)가 개발한 새로운 도구는 결함 감지 및 진단 소프트웨어를 자동화하여 인간과 컴퓨터의 상호 작용 필요성을 최소화함으로써 효율성을 높이고 탄소 배출량을 줄이는 데 도움을 줄 수 있습니다.
오늘날 건물 운영에 직접적인 영향을 미치는 시설 관리에서 건물 자동화 및 에너지 관리 시스템의 필요성이 점점 더 커지고 있습니다. 그래프를 통해 소유자와 운영자는 기후 변화에 직면하여 효율성과 유연성을 더 높일 수 있기 때문입니다. 그리고 탄력성. 그러나 이러한 정교한 도구를 사용하면 복잡성이 증가하고 오류가 발생하며 종종 이러한 기술이 제공하는 효율성이 저하됩니다.
결과적으로 건물 결함 감지 및 진단(FDD) 기술이 점점 대중화되어 부동산 소유자가 매년 건물 비용에서 수백만 달러를 절약하고 일반적으로 투자 회수 기간은 2년 미만입니다. FDD 도구는 HVAC 시스템 오류와 최적이 아닌 성능을 감지하는 프로세스를 자동화하여 잠재적인 원인을 진단하는 데 도움을 줍니다. 캘리포니아 버클리에 있는 로렌스 버클리 국립 연구소(LBNL)의 2022년 2월 보고서에 따르면 FDD는 일반적으로 기존 빌딩 자동화 시스템(BAS) 위에 위치합니다.
그러나 상업용 FDD 도구는 에너지 효율성을 향상시켜 탄소 배출을 줄이는 만병통치약처럼 보이지만 여전히 작은 문제가 있습니다. 바로 인간의 솔루션이 필요하다는 것입니다. LBNL 보고서는 "결함이 감지되면 결함을 수리하기 위해 사람의 개입이 필요하며, 이로 인해 종종 지연이 발생하거나 심지어 조치가 취해지지 않아 추가적인 운영 및 유지 관리 비용이 발생하고 건물 내 쾌적 상태에 영향을 미치게 됩니다."라고 명시하고 있습니다. 즉, 건물의 효율성, 에너지 절약 및 탄소 배출량은 여전히 사람에게 크게 좌우됩니다.
LBNL에 따르면 상업용 FDD 애플리케이션에 대한 자동화된 결함 수정은 수동 진단과 능동 제어 사이의 루프를 닫는 데 큰 가능성을 보여줍니다. 경우에 따라 이러한 도구는 예측 유지 관리를 위해 인공 지능(AI)을 통합하여 시설 관리자에게 이전보다 더 많은 유연성과 자유를 제공할 수 있습니다.
문제: 제어 장치는 오류가 발생하기 쉽습니다.
그러나 FDD 도구는 완벽하지 않습니다. 실제로 연구에 따르면 레거시 장비 고장 및 제어 문제로 인해 온실가스 배출 및 에너지 비용이 연간 170억 달러, CO2 상당량 9천만 톤에 달할 정도로 증가할 수 있는 것으로 추정됩니다(LBNL 및 미국 에너지부(DOE)).
LBNL은 “우리가 가장 자주 직면하는 에너지에 가장 큰 영향을 미치는 기회는 자동화된 결함 수정 및 제어 최적화를 통해 해결될 수 있다는 것이 밝혀졌습니다.”라고 말했습니다.
에너지 성능을 개선할 수 있는 기회는 다음과 같습니다.
이코노마이저 높은 잠금 온도 설정점 최적화.솔루션: 자동화가 FDD 결과를 개선하는 방법
2016년 LBNL은 미국 에너지부 및 다양한 업계 파트너와 협력하여 건물 분야의 최신 혁신을 가져온 민관 파트너십인 스마트 에너지 분석 캠페인을 시작했습니다. 분석 , 비용, 이점 및 사용량에 대한 가장 큰 데이터 세트입니다. 그 이후 수년 동안 LBNL은 국내 FD 기술 시장의 선도적인 벤더들과 제휴하여 이전에 가능했던 것 이상으로 최첨단 기술을 확장해 왔습니다. Granderson은 그녀의 팀이 기존 FDD 소프트웨어로 오류가 식별되면 자동으로 오류를 수정하는 추가 프로그래밍 기능을 개발하고 구현했다고 말했습니다.
두 명의 최종 사용자 파트너가 참여한 2020년 현장 연구에서 LBNL은 기존 BAS 공급업체 플랫폼 테스트를 사용하여 실제 건물의 HVAC 시스템을 위한 7가지 결함 수정 알고리즘 세트를 개발하고 배포했습니다. 알고리즘에 의해 수정된 변수에는 일정, 설정점, 센서 판독값, 명령, 가열/냉방 요청 및 PID(비례, 적분, 미분) 매개변수가 포함됩니다.
역사적으로 FDD 기술은 빌딩 자동화 시스템과 통합되어 "읽기 전용" 형식으로 시스템 및 장비 운영에 대한 운영 데이터를 캡처했습니다. "우리가 가장 먼저 한 일은 FDD 시스템이 BAS에 명령을 다시 '기록'할 수 있도록 인터페이스를 강화하는 것이었습니다."라고 Granderson은 설명합니다.
그런 다음 팀은 일반적으로 BACnet 프로토콜을 통해 액세스할 수 있는 제어 시스템 매개변수를 수정하여 다양한 제어 관련 문제를 해결하는 방법을 정의하는 엔지니어링 로직 라이브러리를 개발했습니다.
마지막으로 팀은 수정 로직을 FDD 플랫폼과 운영자용 사용자 인터페이스에 통합했습니다. 이제 FDD 시스템이 오류를 감지하고 진단하면 운영자에게 권장 시정 조치와 함께 문제에 대한 알림이 전송됩니다. 운영자 승인 후 시정 조치가 시행되고 결함이 해결됩니다.
Granderson은 다음 예를 제공했습니다. 너무 공격적인 구역 온도 설정점은 운영자의 주의와 수정을 위해 "이 구역의 냉각 설정점은 66도이며 권장보다 낮습니다. 하시겠습니까?"라는 메시지와 함께 플래그가 지정될 수 있습니다. 설정 지점을 권장되는 68도로 다시 설정하시겠습니까?" 운영자 승인을 통해 FDD 시스템은 수정된 화씨 68도 설정 지점을 BAS에 대한 인터페이스를 통해 구역 컨트롤러에 다시 쓸 수 있습니다. 이 작업이 완료되면 오류가 해결되고 FDD 시스템이 문제 감지 및 진단으로 돌아갑니다.
결함 수정 외에도 LBNL은 FDD 시스템 기능을 확장하여 최적화를 제어합니다. 먼저 ASHRAE 가이드 36: HVAC 시스템을 위한 고성능 작동 순서에 따라 공기 조화 장치 정압 및 공급 공기 온도에 대한 모범 사례 조정 및 대응 재설정 전략을 구현하는 방법을 개발하고 테스트했습니다. 이러한 솔루션 중에서 LBNL의 기술은 난방 또는 냉방 수요가 충족되지 않아 에너지 사용이 증가하는 "특수" 영역을 억제하고 있습니다.
Granderson은 LBNL이 현재 개발하는 결함 수정 방법에 AI를 사용하지 않지만 일부 FDD 공급업체는 기술 스택의 특정 부분에 AI를 사용하고 있다고 언급했습니다.
시드니와 노스다코타주 파고에 본사를 둔 Building IQ는 인공 지능, 에너지 분석 및 인간 전문 지식을 결합하여 많은 FDD 서비스의 단점을 극복하는 OFD(결과 기반 결함 탐지) 서비스를 출시했습니다. 회사의 당시 사장 겸 CEO인 Michael Nark는 2018년 6월 보도 자료에서 "결과 기반 오류 감지는 더 좋고 더 넓은 방향으로 오류 감지를 수행하는 포괄적인 솔루션입니다."라고 말했습니다.
“시설 전문가가 수행하는 중요한 역할을 받아들이고 이를 머신 러닝과 최첨단 인공 지능으로 보강함으로써 OFD는 데이터가 좋든 나쁘든 작동하고 머신 러닝을 활용하여 데이터를 부담으로 전환합니다. 결과적으로 건물 운영자는 매일 수백 장의 오류 시트를 검색하면서 귀중한 시간과 리소스를 낭비할 필요가 없습니다. 대신 OFD를 사용하면 운영자는 실제로 수정해야 할 사항, 임차인 및 수익에 집중할 수 있습니다. .”
“우리 건물에는 놀라운 수준의 비효율성이 숨겨져 있습니다.”라고 Granderson은 말했습니다. “자동 제어 시스템은 온도와 습도 수준을 유지하고 거주자의 편의를 위해 시스템을 계속 작동시킵니다. 시간이 지나도 가동을 중단하지 않거나 에너지를 낭비하고 비용과 온실가스 배출을 증가시키는 설정을 사용할 수 있습니다.”
그녀는 자동화된 FDD 기술이 운영 데이터를 지속적으로 분석하여 건물 운영자와 에너지 관리를 제공할 수 있다고 말했습니다. 그녀는 "이점은 상당합니다. 우리 연구에 따르면 포트폴리오 전반에 걸쳐 FDD 시스템을 사용하는 조직은 평균 9%를 절감하고 투자 회수 기간은 2년이 됩니다."라고 그녀는 덧붙였습니다. . 문제가 해결될 때까지 몇 주 또는 몇 달을 기다리는 대신 몇 시간 내에 문제를 해결할 수 있으며 가장 어려운 문제를 해결하기 위해 귀중한 직원 전문 지식을 투입할 수 있습니다.
“또한 제어 명령을 BAS에 다시 쓰는 기능을 통해 감독 제어 최적화를 구현할 수도 있습니다.”라고 그녀는 말했습니다. "FDD 시스템을 통해 감독 최적화 제어를 제공하면 값비싼 업그레이드 없이 다양한 연도 및 BAS 브랜드에 걸쳐 확장 가능한 구현이 가능해지는 반면, 보다 전통적인 접근 방식에서는 자동화 및 인공 지능을 기반으로 하는 BAS 프로그래밍을 직접 수정해야 할 수 있습니다." BEMS 솔루션은 전 세계적으로 상업용 건설 부문에 채택되었습니다. 예를 들어, ABB의 Ability BE Sustainable with Efficiency AI는 현재 총 1억 평방피트가 넘는 275개 이상의 건물을 관리하고 있습니다. 전체적으로 이러한 설치는 건물 자동화에 이미 이루어진 투자를 활용하여 CO2 배출량을 연간 100만 미터톤 이상 줄입니다.
좋은 데이터는 빌딩 자동화 및 관리 시스템의 기초이며, 에너지 관리 및 정보 시스템에 공급할 수 있는 데이터가 많을수록 좋습니다. FDD 도구와 자동화 소프트웨어가 발전함에 따라 스마트 빌딩 구현, 확장성 및 신뢰성은 계속해서 향상될 것이며, 이 여정을 시작하려는 건물 소유자와 시설 관리자는 원하는 도구를 갖게 될 것입니다.
2020년 10월, LBNL은 이해관계자들이 시작하는 방법을 이해하고 스마트 에너지 분석 이벤트 참가자의 모범 사례를 강조하며 업계에서 일어나는 혁신의 사례를 제공하기 위해 애플리케이션 쇼케이스를 출시했습니다.
“우리는 이미 여러 건물과 BAS 제품에서 이러한 새로운 기능을 테스트하고 있습니다.”라고 Granderson은 말했습니다. “현재까지의 결과에 따르면 FDD 공급업체가 제공하는 약간의 추가 개발 및 구현 향상을 통해 다양한 컨트롤러에 걸쳐 확장할 수 있습니다. 이러한 새로운 기술 기능은 파트너가 제품 기능 또는 모듈을 통해 제공하므로 LBNL은 점진적인 추적이 가능합니다. 기존 FDD 시스템과 비교한 비용
“이것은 모두 매우 새롭고 아직 성숙 단계에 있지만 이 작업에서 흥미로운 점은 스마트 빌딩의 미래에 대해 우리에게 보여주는 것입니다. 우리는 점점 더 건물에 순제로 온실가스 배출원이 되고, 점점 더 많은 분산 에너지 자원을 통합하고, 재생 가능 그리드와 조화를 이루면서 건강하고 편안한 실내 환경을 제공하도록 요구하고 있습니다.
"이를 대규모로 달성하는 유일한 방법은 FDD 및 기타 스마트 빌딩 소프트웨어가 제공하는 최신 소프트웨어 기반 인프라를 활용하는 것입니다. 이는 개선된 제어 및 분석 솔루션을 지속적으로 '추진'할 수 있는 채널을 제공합니다."
위 내용은 인공지능이나 자동화가 건물의 낮은 에너지 효율 문제를 해결할 수 있을까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
