面向绿色挑战的智能建筑能效优化：集成计算物联网平台ICIP的创新与应用

《IEEE Internet of Things Magazine》：ICIP: Integrative Computational Internet of Things Platform for Adaptive and Energy-Efficient Smart Buildings

为解决建筑能耗高、能效管理缺乏精细化数据支撑的问题，研究人员开展了基于物联网与边缘计算的智能建筑能效优化研究。他们提出了集成计算物联网平台ICIP，通过整合传感器数据、可再生能源与AI预测，实现了建筑能耗的动态调度与优化。该研究基于赫尔辛基大学建筑的真实能耗数据，揭示了内外因素对能耗的复杂影响，为建筑节能与碳中和目标提供了数据驱动的解决方案，对推动智能建筑可持续发展具有重要意义。

　　

建筑领域是全球能源消耗和温室气体排放的主要来源之一，约占全球能源消耗的40%和温室气体排放的33%。面对气候变化加剧的严峻挑战，提升建筑能效、降低碳排放已成为实现可持续发展目标的关键环节。尽管可再生能源技术日益普及，无线传感系统不断成熟，机器学习算法持续进步，为智能建筑的发展提供了技术可能，但现实中，智能建筑技术的应用与整合仍面临诸多障碍。许多建筑内部的用电系统仍采用传统、静态的运行机制，或依赖人工干预，缺乏智能化调控能力。同时，建筑能耗数据往往以聚合形式收集，无法详细揭示供暖、通风、空调（HVAC）及照明等具体系统的用电细节，这种数据颗粒度的不足严重制约了有效的优化策略制定。建筑能耗模式高度复杂，受到内部因素（如用户行为、系统运行）和外部因素（如天气、季节变化）的共同影响，要应对这种复杂性，亟需能够整合多种技术的高效框架以及数据驱动的能耗优化方法。

在此背景下，一项发表于《IEEE Internet of Things Magazine》的研究应运而生。该研究团队以芬兰赫尔辛基大学一栋化学系大楼为案例，分析了两年的实时能耗数据，深入探讨了影响建筑能耗的内外因素，并提出了一个名为“集成计算物联网平台”（ICIP）的创新解决方案。该平台旨在作为物联网网关和边缘计算枢纽，整合来自传感器、执行器、可再生能源的多样化数据流，通过AI驱动的预测和动态调度，实现智能化的自动化能源管理，为显著提升建筑能效和可持续性迈出了关键一步。

为开展此项研究，研究人员主要运用了几项关键技术方法。首先，他们收集并分析了赫尔辛基大学Kumpula校区一栋建筑长达两年（2021年2月1日至2023年2月1日）的逐时用电量数据集，该数据涵盖了HVAC系统的供暖、通风、制冷以及独立空调（AC）等多个子系统。其次，研究整合了来自SMEAR III大气监测站的外部气象数据（如温度、辐射、湿度等），用于分析外部环境对能耗的影响。在技术平台层面，研究提出了ICIP框架，该框架作为一个集成化的物联网网关和边缘计算节点运行，能够融合多源数据。此外，研究引入了数字孪生（DT）技术，为建筑内的电网、用户和用电系统（如HVAC）创建虚拟模型，并运用AI模型进行描述性、诊断性、预测性和规范性分析。AI驱动的 forecasting 方法也被用于电力需求预测，同时考虑了用户实际需求、天气波动和特定系统能耗。最后，平台还支持分布式可再生能源系统（如太阳能电池板、风力涡轮机）的集成，并利用边缘计算能力进行实时数据分析和优化调度。

内部因素分析

研究发现，内部因素是影响建筑能耗的重要驱动力。通过对工作日和周末能耗模式的对比分析，研究揭示了显著的昼夜周期差异：工作日的能耗高峰出现在上午8点至下午5点之间，与较高的用户数量相关；而周末的能耗则显著降低，反映出人员减少的影响。具体数据显示，工作日和周末的用电量占比分别为74.6%和25.4%。此外，不同的用电子系统对总能耗的贡献差异巨大。通风系统（通过HVAC）是最大的能耗源，占总耗电量的68.7%；其次是AC制冷，占25.4%；HVAC制冷占5.1%；其他系统（如照明、电脑、实验室设备）仅占0.8%；而供暖的电力消耗几乎为0%，这主要是由于芬兰地区普遍采用区域供暖和散热器而非电加热。研究还指出，不同季节各系统的能耗占比存在变化，例如通风系统（HVAC）在春季、夏季、秋季和冬季的耗电占比分别为18.7%、47.3%、20.1%和13.9%。这些发现强调了根据实际 occupancy（占用情况）调整HVAC和照明系统、以及考虑系统特定能耗模式对于优化能源使用的必要性。

外部因素分析

外部环境因素，特别是季节变化和天气条件，对建筑能耗具有显著影响。研究数据显示，夏季的总能耗最高（占26.5%），冬季次之（26.4%），秋季和春季相对较低（分别为24.6%和22.5%）。在影响 thermal comfort（热舒适）的各种外部变量中，气温是最关键的因素。分析表明，通风系统（HVAC）的耗电量在冬季（室外温度介于-20°C至+8°C）最低，而在夏季（温度介于12°C至+30°C）最高，春季和秋季温度区间（约-5°C至+15°C）的能耗则较为接近。这表明，精确的 hyper-local weather forecasting（超局部天气预测），包括温度、辐射、湿度、风速和风向等参数，可以极大提升能耗效率，例如通过利用天气预报在非高峰时段对建筑进行预冷却，从而降低能源成本和电网负荷。然而，用户个体热舒适偏好的差异性也为开发以用户为中心、自适应能源管理解决方案带来了挑战。

ICIP平台框架

为应对上述挑战，研究提出了集成计算物联网平台（ICIP）。该平台作为一个综合性的集成与管理层，在建筑的边缘计算节点上运行。ICIP接收外部数据输入，如季节性天气模式、能源价格和特殊事件（如公共假期）信息；同时集成内部数据源，包括电网、电池、发电机、HVAC系统以及监测温度、CO₂水平和房间占用情况的传感器。平台还持续学习用户的能耗模式，并允许用户输入其短期和长期计划与能源需求。ICIP的核心是三个数字孪生（DT）组件，分别对应电网、用电系统（如HVAC）和用户。这些数字孪生从相应系统和传感器直接接收信息，运行各种AI模型，提供描述性、诊断性、预测性和规范性分析，以优化和控制用电系统。数字孪生之间相互交互，交换分析结果，确保更准确的决策。例如，电网DT和HVAC DT中的AI控制模型可以协同工作，根据能源可用性和需求进行实时调整。ICIP还促进了可再生能源（如太阳能板、风力涡轮机）的整合，支持现场发电，通过预测超局部天气数据来优化用电计划，并将多余电力存储于电池或售回主电网，从而帮助建筑向净零能耗 consumption（消耗）转型。

研究的讨论部分指出了其局限性，例如数据分析依赖于聚合能耗数据和附近参考气象站的天气信息，未来集成更多物联网传感器数据将能提供更深入的洞察；案例研究集中于单一大学校园，扩展至商业、住宅等不同类型建筑将有助于制定更普适的能源管理策略；地理范围的局限性（位于北欧）也提示未来需要考察不同气候区建筑的能耗模式。研究人员计划未来实施ICIP平台并进行全面的敏感性分析，以验证其结果的稳健性。

综上所述，这项研究通过真实世界数据分析，清晰揭示了建筑能耗的复杂驱动因素，并提出了ICIP这一创新性集成平台。该平台通过融合物联网、边缘计算、数字孪生和人工智能技术，为实现智能建筑的精细化、自适应能源管理提供了可行路径。它不仅有助于降低建筑对传统电网的依赖、减少能源成本和碳足迹，而且为大规模推进建筑领域的 decarbonization（脱碳）努力、实现可持续发展目标奠定了重要的技术基础。