AIoT cho Quản lý Tòa nhà: Cách Edge AI Cắt giảm 15% đến 30% Chi phí Năng lượng

Các nhà quản lý tòa nhà được yêu cầu cắt giảm chi phí năng lượng, đạt mục tiêu phát triển bền vững và duy trì hoạt động của hệ thống thiết bị đã cũ, thường với cùng một số lượng nhân sự. Bổ sung thêm bảng điều khiển hiếm khi giúp ích, vì dữ liệu thường đã tồn tại sẵn; điều không thể mở rộng bằng tay là hành động dựa trên dữ liệu đó kịp thời. Đây chính là khoảng trống mà AIoT lấp đầy. Bằng cách kết hợp cảm biến IoT với trí tuệ nhân tạo chạy ở biên, một tòa nhà có thể phát hiện lãng phí, dự đoán sự cố và tự động tinh chỉnh các hệ thống của chính nó. Các bài đánh giá đã được bình duyệt về quản lý năng lượng tòa nhà do AI điều khiển báo cáo mức tiết kiệm năng lượng thường trong khoảng 15% đến 30%, và hướng dẫn này giải thích những khoản tiết kiệm đó đến từ đâu.

AIoT và Edge AI Thực sự Có Nghĩa là Gì

AIoT là sự hội tụ của Internet vạn vật (IoT) và trí tuệ nhân tạo: các cảm biến kết nối thu thập dữ liệu, và các mô hình AI biến dữ liệu đó thành quyết định. Tự bản thân nó, IoT cho bạn biết điều gì đang xảy ra. AI là thứ quyết định, theo thời gian thực, phải làm gì với điều đó.

Edge AI là phần quan trọng nhất đối với các cơ sở vật chất. Thay vì truyền từng số đọc lên đám mây và chờ đợi phán quyết, quá trình phân tích chạy trên một thiết bị tại hoặc gần chính thiết bị đó, một đồng hồ đo, một cổng kết nối, hoặc một bộ điều khiển có trí tuệ tích hợp. Tòa nhà phản ứng trong vài mili giây thay vì vài phút, và nó tiếp tục phản ứng ngay cả khi kết nối internet không còn.

Một ví dụ cụ thể làm rõ sự khác biệt. Một bộ điều khiển ở biên giám sát hệ thống nước lạnh có thể học được rằng nhu cầu làm mát sắp giảm và giảm cấp một máy làm lạnh trước khi tải thực sự sụt giảm, thay vì phản ứng sau khi hóa đơn đã cao hơn. Cùng mô hình đó so sánh từng số đọc với mẫu hình mà nó đã học, nên một giá trị bất thường sẽ phát cảnh báo ngay khoảnh khắc nó xuất hiện thay vì chỉ lộ ra trong một bản đánh giá hàng tháng.

Tại sao là Biên, Không chỉ Đám mây

Phân tích trên đám mây vẫn có vai trò của nó đối với các xu hướng dài hạn và báo cáo liên cơ sở, nhưng việc đẩy mọi quyết định lên đám mây có những chi phí thực sự. Vận hành trí tuệ ở biên giải quyết bốn trong số đó cùng một lúc.

• Độ trễ. Việc khép kín vòng điều khiển trên một máy làm lạnh hoặc một quyết định cắt giảm tải không thể chờ đợi một chuyến đi khứ hồi tới máy chủ từ xa.
• Băng thông và chi phí. Gửi dữ liệu thô tần suất cao từ hàng trăm điểm là tốn kém; biên gửi đi các kết luận, không phải nhiễu.
• Khả năng phục hồi. Logic ở biên tiếp tục tối ưu hóa và cảnh báo trong thời gian mất mạng, đó chính xác là lúc một cơ sở dễ bị tổn thương nhất.
• Kiểm soát dữ liệu. Dữ liệu vận hành nhạy cảm có thể ở lại tại chỗ, điều này quan trọng đối với các môi trường trọng yếu và được quản lý chặt chẽ.

15 to 30 Percent Đến từ Đâu

Các tòa nhà chiếm gần 40 percent lượng tiêu thụ năng lượng toàn cầu, nên ngay cả một cải thiện phần trăm khiêm tốn cũng chuyển thành một khoản tiết kiệm tuyệt đối lớn. Con số nổi bật này không phải là phép màu, và nó không phải là một đòn bẩy đơn lẻ. Các bài đánh giá độc lập về quản lý năng lượng tòa nhà do AI điều khiển quy mức tiết kiệm này cho một số nguồn cộng hưởng, với các tòa nhà văn phòng được báo cáo ở mức cao của khoảng đã công bố.

• Tối ưu hóa HVAC. Sưởi ấm, thông gió và làm mát thường là tải có thể kiểm soát lớn nhất. AI học hành vi sử dụng và hành vi nhiệt sẽ cắt giảm thời gian vận hành mà không hy sinh sự thoải mái.
• Phát hiện bất thường. Các mô hình ở biên gắn cờ một động cơ đang lệch, một cuộn dây bị bám bẩn, hoặc một van điều tiết bị kẹt từ sớm, trước khi nó âm thầm làm phình hóa đơn trong nhiều tháng.
• Quản lý nhu cầu và đỉnh tải. Dự đoán các đỉnh nhu cầu cho phép một cơ sở dịch chuyển hoặc cắt giảm tải không trọng yếu và tránh các khoản phạt biểu giá tốn kém.
• Vận hành hiệu chỉnh liên tục. Thay vì một lần tinh chỉnh duy nhất, hệ thống giữ cho thiết bị ở điểm vận hành hiệu quả của nó khi các điều kiện thay đổi.

Kết quả chính xác phụ thuộc vào loại tòa nhà, mức cơ sở, và bao nhiêu phần của hệ thống thiết bị được đưa vào kiểm soát. Cách diễn đạt trung thực là một khoảng, không phải một lời hứa, nhưng hướng đi thì nhất quán trong toàn bộ tài liệu nghiên cứu.

Xây dựng một Ngăn xếp AIoT cho Quản lý Tòa nhà

Một triển khai AIoT hiệu quả được phân lớp. Đồng hồ đo kỹ thuật số và cảm biến IoT thu thập dữ liệu điện, nhiệt và môi trường thô. Các cổng kết nối ở biên chạy suy luận gần với thiết bị. Một nền tảng tổng hợp, lưu trữ và trực quan hóa các kết quả, rồi đưa các quyết định trở lại cho các bộ điều khiển. Nền tảng PecStar® iEMS của chúng tôi và các đồng hồ đo dòng PMC cung cấp lớp đo lường và lớp biên, và cùng luồng dữ liệu đó cấp năng lượng cho phân tích AIoT cho quản lý tòa nhà của chúng tôi.

Quan trọng là, điều này nằm trên, chứ không phải thay thế, các hệ thống mà một cơ sở đã vận hành. AIoT tích hợp với một hệ thống quản lý năng lượng cho chi phí và mức tiêu thụ, một hệ thống quản lý tòa nhà cho HVAC và điều khiển, và giám sát tình trạng cho sức khỏe tài sản, nên một lớp trí tuệ phục vụ nhiều kết quả thay vì tạo ra một silo khác.

Đo lường là thứ giữ cho các khoản tiết kiệm trung thực. Bởi vì nền tảng ghi lại một mức cơ sở liên tục, mỗi tối ưu hóa có thể được xác minh so với những gì tòa nhà thực sự đã làm trước đó, thay vì ước tính. Cùng cơ sở bằng chứng đó hỗ trợ báo cáo phát triển bền vững và cung cấp cho đội ngũ tài chính một con số hoàn vốn có thể bảo vệ được, đó thường là điều mở khóa ngân sách cho giai đoạn triển khai tiếp theo.

Bắt đầu mà Không Phá bỏ Những gì Bạn Đang có

Con đường nhanh nhất tới giá trị hiếm khi là một cuộc tái thiết toàn bộ. Các giao thức mở có nghĩa là các thiết bị biên có thể được thêm vào các tủ điện và bộ điều khiển hiện có, nên một cơ sở có thể bắt đầu với các tải có chi phí cao nhất hoặc rủi ro cao nhất và chứng minh khoản tiết kiệm trên một mức cơ sở đã ghi lại trước khi mở rộng phạm vi. Một chương trình thí điểm có phạm vi trên một hệ thống làm lạnh đơn lẻ hoặc một nhánh cấp điện trọng yếu thường làm lộ ra các chi phí có thể tránh được lớn nhất trong vòng vài tuần, và đưa ra luận cứ kinh doanh cho một triển khai theo giai đoạn trên toàn bộ một cơ sở hoặc danh mục.

Hai điểm thực tiễn quyết định liệu một triển khai có tồn tại lâu dài hay không. Điểm thứ nhất là tích hợp: các thiết bị biên phải nói cùng các giao thức mở như hệ thống thiết bị hiện có, nếu không dự án sẽ bế tắc trước một bức tường các cổng kết nối độc quyền. Điểm thứ hai là an ninh, bởi vì mỗi thiết bị kết nối làm mở rộng bề mặt tấn công, nên xác thực thiết bị, phân đoạn mạng và truyền thông được mã hóa thuộc về thiết kế ngay từ ngày đầu thay vì được gắn thêm vào sau. Làm đúng cả hai là sự khác biệt giữa một chương trình thí điểm có thể mở rộng và một chương trình âm thầm bị ngừng sử dụng.

Đưa Edge AI vào Hoạt động trong Cơ sở của Bạn

EcoXplore có trụ sở chính tại Singapore với các đội ngũ kỹ thuật trải khắp five ASEAN markets, và chúng tôi thiết kế, triển khai và tích hợp AIoT từ cảm biến tại tủ điện đến phân tích trên màn hình. Để đối chuẩn xem edge AI có thể cắt giảm chi phí năng lượng của bạn ở đâu và lập kế hoạch cho một triển khai theo giai đoạn, hãy trao đổi với đội ngũ của chúng tôi để được đánh giá hiện trường.