基于BIM和IIoT技术的建筑级能源预测与控制

《Scientific Reports》：Building-level energy prediction and control based on BIM and IIoT technologies

　　

摘要

本文提出了一种基于建筑信息模型（BIM）和物联网（IoT）技术的NOECS框架，用于协同优化建筑能效和热舒适性。该框架将BIM的空间语义与多源IoT传感器数据相结合，并利用神经常微分方程（ODE）和Transformer模型来准确预测温度、湿度和预测平均投票值（PMV）。强化学习被应用于HVAC控制的优化。该模型首先通过BIM平面图和房间分隔有效地将传感器和设备关联起来，按区域组织状态向量，以支持后续的可视化和运营决策。实验结果表明，NOECS在温度预测方面的平均绝对误差（MAE）和均方根误差（RMSE）约为1.0°C，湿度方面为2.3%，相对湿度方面为2.7–2.9%。PMV的MAE/RMSE均低于0.2，证明了该模型的高准确性和稳定性。在能源消耗优化方面，NOECS在BEC和BIM-BEM数据集上分别实现了92.3%和90.7%的节能效果，能源利用率分别为93.8%和89.3%，显著优于传统的基线模型（如CNN-LSTM）。此外，NOECS还表现出卓越的计算性能：在BEC数据集上的训练时间为24.5秒，推理时间为118.7毫秒，参数数量为2.283亿个；在BIM-BEM数据集上，训练时间为26.7秒，推理时间为124.4毫秒，参数数量为2.327亿个。与DERN和CNN-LSTM相比，其计算成本显著降低。总体而言，NOECS通过高效的预测和控制优化，在节能和舒适性保障方面取得了显著成果，同时展现了出色的部署可行性，为智能建筑能源优化提供了一条可复制的技术路径。