建筑低碳与运维技术人工智能AI在建筑节能中的应用85课件讲解.pptxVIP

主讲人：刘猛建筑低碳与运维技术人工智能（AI）在建筑节能中的应用

目录CONTENTS01AI在设备优化控制、故障诊断、负荷预测中的应用02AI驱动的智能运行策略与自适应控制03边缘计算与物联网在智能运维中的融合

AI在设备优化控制、故障诊断、负荷预测中的应用PARTONE01

01AI在设备优化控制、故障诊断、负荷预测中的应用实现全面的预测分析更精准的负荷预测实现全面的预测分析更智能的故障诊断灵活应对变化更优化的设备控制

01更精准的负荷预测深度学习模型AI通过使用深度学习模型（如LSTM），实现了更高精度的负荷预测。多维数据融合融合历史能耗、天气预报、实时人员密度等复杂数据，进行深入分析。优化运行计划准确的负荷预测使得设备启停计划得以最优制定，提升了能效。储能策略优化精准预测有助于优化储能系统充放电策略，以提高电网响应效率。

01更优化的设备控制强化学习应用:

AI通过强化学习实现灵活的设备控制，不再依赖于固定预设规则。试错学习机制:

AI代理通过试错学习，找到在不同条件下的最佳操作参数。实时决策能力:

AI能够针对实时数据调整冷机的开启方式和负荷分配，达到最优化控制。改善室内舒适度:

通过优化控制，AI不仅关注能效，也提升了用户的舒适体验。

01更智能的故障诊断（FDD）AI通过学习设备故障状态下的数据，增强故障检测的智能性。故障模式学习能耗异常检测时，分析多种传感器数据，提升诊断准确性。综合分析能力AI能够提供可能的故障原因和解决建议，大幅提高故障处理效率。精准病因诊断提供的数据支持实现预测性维护，避免故障发生。预测性维护操作

AI驱动的智能运行策略与自适应控制PARTTWO02

02AI驱动的智能运行策略与自适应控局优化决策AI驱动的智能运行策略灵活应变自适应控制优化能效季节变化的适应延长设备寿命设备性能衰减的适应05个性化管理建筑使用模式的适应

02AI驱动的智能运行策略动态运行策略AI通过综合多个因素（天气、负荷、电价等）制定动态的运行策略。智能预冷与充电利用光伏电力和市政电力智能管理建筑的预冷与储能充电。高效应对电价波动根据电价变化，优先使用储能系统，降低运行成本。实时反馈机制AI持续学习调整策略，以适应变化的外部环境与内部需求。

02自适应控制（AdaptiveControl）季节适应能力AI自动优化空调系统以适应季节变化，提升能效。设备性能衰减识别通过学习，AI察觉设备效率衰减并调整控制参数。使用模式变化响应通过学习，AI察觉设备效率衰减并调整控制参数。自我优化能力AI可持续学习，形成智能的自我调整机制，提升整体性能。

02季节变化的适应自动调整预冷时间AI通过及时学习调整空调系统的运行时间。节约能源消耗在不同季节优化能耗，降低建筑的整体能源支出。提升室内舒适感通过精准调控温度与湿度，提高用户的舒适度。应对不同气候根据即时气候，调整建筑的能源使用策略02设备性能衰减的适应识别衰减趋势AI通过实时监测识别设备性能下降趋势。智能调整模型根据衰减情况自动调整控制参数，保持能效。减少故障发生率通过早期调整，降低设备故障发生概率。提升设备利用率AI保持设备在最佳状态运行，提升综合利用率。

02建筑使用模式的适应监测用户活动模式AI实时监测用户活动，调整空调和灯光等设定。简化管理过程自动化的调整减少了人工干预的需要，提高管理效率。需求驱动的方法根据部门作息变化，动态调整建筑资源的分配。提升工作效率实现按需供给，提高员工的工作效率和满意度。

边缘计算与物联网在智能运维中的融合PARTTHREE03

03边缘计算与物联网在智能运维中的融合数据处理新模式边缘计算概述构建智能体系AI、边缘计算与物联网的融合应用多层次架构云-边-端协同体系提升智能化水平实时数据处理的优势

03边缘计算概述接近数据源位置边缘计算把计算任务从云端迁移至数据产生附近，降低延迟。强化实时响应能力本地处理提高了系统对用户需求的快速响应能力。降低带宽需求通过本地处理，减少对网络带宽的依赖。增强数据安全性将数据在本地处理，提升了数据安全的保障。

03AI、边缘计算与物联网的融合应用形成“云-边-端”结构AI、边缘计算与物联网设备相结合，创建高效的运维体系实时控制执行层物联网设备作为“末梢神经”，负责实时感知与执行边缘节点的决策能力边缘计算节点快速处理本地数据，迅速响应用户操作云端优化与学习云端负责复杂分析与策略优化，将优化结果反馈至边缘节点

03云-边-端协同体系构建云端、边缘及设备端明确的协作关系，优化效率。清晰层次架构本地数据处理和分析显著提高了响应效率。综合分析能力通过边缘计算保障数据的本地性，提升安全性和灵活性。精准病因诊断能够灵活应对不同智能建筑的需求，实现持续优化。预测性维护操作