在智能建筑中实现预测性维护：人工智能方法、数字集成及系统挑战的综述

《IEEE Access》：Enabling Predictive Maintenance in Smart Buildings: A Review of AI Approaches, Digital Integration, and System Challenges

　　

摘要：

向可持续和智能化建筑发展的趋势加速了对先进维护策略的需求，这些策略能够减少能源浪费、降低停机时间并提高可靠性。传统的维护方法（反应性和预防性维护）越来越难以应对现代建筑能源系统的复杂性和动态行为。预测性维护（PdM）为实时监控、故障预测和优化规划提供了一种革新的模式。然而，其实施面临数据碎片化、互操作性限制、高成本以及实际应用验证不足等问题。尽管已有大量关于PdM的研究，但其建模与部署的集成仍然有限。本文基于238篇经过同行评审的研究，回顾了建筑能源应用中的PdM系统，重点探讨了故障检测、诊断和预测的数据驱动方法，同时分析了算法和技术方面的问题。文章首先分析了建筑能源系统内部需要PdM创新的挑战，然后概述了开发实时PdM系统的结构化路线图。强调需要建立统一的设计框架，将故障检测、诊断和预测与实时分析相结合，以支持智能化和具有韧性的建筑系统。此外，还探讨了实时监控系统和集成策略的发展趋势，包括迁移学习、主动学习、可解释AI等AI技术、互操作性方法以及大型语言模型等支持技术，还有数字孪生、边缘计算和云基础设施等关键技术。最后，文章指出了数据质量、建模、部署、运营和风险等方面的持续挑战，并提出了未来的研究方向，旨在通过逐步指导研究人员来实现智能化建筑中PdM的发展。