AI赋能智能管控 助力香港建筑环境节能优化

暖气、通风与空气调节(暖通空调)系统在智能化楼宇管理中发挥重要作用，但其能源开销也引发广泛关注。香港理工大学建筑环境及能源工程学系建筑能源及自动化讲座教授兼潘乐陶慈善基金智能建筑教授王盛卫教授开发出一套多用途且具有普遍适用性的架构，将人工智能技术融入楼宇自动化系统当中，以此增强建筑能源使用效率。

暖通空调对智能楼宇而言尤为关键，可保障室内环境的舒适体验。在香港，商业楼宇的能源消耗占整座城市总能耗的比重颇为可观，而暖通空调的能耗更可高达建筑总能耗的40%。不过，传统的控制手段，譬如简易的开关控制或比例-积分-微分控制器，通常难以应对这类繁杂且高动态特征的系统。故而，越来越倾向于借助人工智能来改善暖通空调的性能、削减能耗，并为香港大范围达成永续发展目标提供助力。

王教授及其研究团队专注于一个核心议题：如何在不依靠远端伺服器或云端方案的前提下，将人工智能实用且高效地嵌入楼宇自动化系统，并在现场层级实现暖通空调运行的优化。他们给出的应对策略是一套崭新的通用架构，把人工智能驱动的最佳化功能直接部署到边缘端——即实际运行的着力点。相关研究以「用于楼宇自动化系统现场优化的人工智能整合通用框架及策略」为题，已在《能源》（Energy）期刊上发表。

研究给出一种具备可操作性的现场部署途径：通过在本地装配智能控制站，将人工智能嵌入楼宇自动化体系之内。这些控制站能够即时执行人工智能演算法，对暖通空调实施自适应、数据驱动的控制，规避云端运算可能引发的延迟与可靠性隐患。

该架构涵盖两项关键组件：其一为人工智能执行环境，承担模型推理与学习功能；其二为功能模组，负责资料处理、任务调度以及增强系统稳健性的设计。研究人员将智能站集成到大型冷却系统的测试平台，并借助硬体在环模拟加以验证；结果不仅证实此途径切实可行，还显示出其实际应用价值。

对比采用固定设定点的传统基准方案，人工智能驱动的最佳化方法能够使总能耗下降7.66%。具体来看，优化后的控制策略令冷却水回水温度平均提升2.30 K，供水温度平均下降1.93 K。这些调节有效削减了冷却水泵的能耗，尽管海水泵的能耗稍有增长。但从系统特性角度而言属于合理权衡；尤其在长距离管道的场景下，冷却水泵往往是主要的能耗