智能建筑处于应对气候变化的前沿

对于能源行业的从业者来说,由于迫切需要为加速净零做出贡献,往往很容易偏离轨道。

俄罗斯与乌克兰之间的冲突引发的能源危机、天然气和石油价格上涨的变化,以及2030年将以怎样的速度向我们逼近的各种想法,往往会成为话题的主要内容。

这就是为什么一个令人难以置信的巨大温室气体(GHG)贡献者可能会迷失在我们周围的建筑中。

“建筑物产生了全球近 40% 的能源消耗和碳排放,” Buildings IOT总监 Natalie Patton 表示。

虽然这个数字令人震惊,但绝不是一个意外的发现。长期以来,建筑及其能耗一直是研究和探索如何缓解气候危机的一个主题。

研究表明,建筑物占全球温室气体排放量的 39%,到 2021 年,欧洲拥有超过 2.2 亿座不节能(能效低下)的建筑。

现在,虽然这些数字令人大开眼界,但利用建筑物应对气候变化的想法并不新鲜。然而,这仍然是相关的,尤其是当人们考虑如何智能地管理他们自己的个人建筑以减少排放时。

Patton说:“如果你以一栋一栋建筑为基础,改变建筑的运作会对能源和公用事业公司及业主产生很多影响。”

Buildings IOT是一家总部位于美国的公司,提供智能软件、服务和解决方案,以集成和协助智能楼宇自动化管理。Patton 作为该公司的代表,他们对于如何通过使建筑智能化从而达到节能减排的目的有着独到的见解。

根据Patton的说法,能源分析是限制建筑物排放的最佳选择,无论是对于我们的家庭、企业还是其他地方。

“能源分析是使建筑运营商能够在达到峰值需求点之前主动减少负载的第一步。这些(多余的能源)也会被释放回电网中,如果能大规模地解决这个问题,就能减轻电网的很多压力。”

建筑分析

随着公用事业公司学习如何在保持电网弹性的同时主动管理负载,使用数据进行质量控制正迅速成为热门话题。

Patton表示,数据和建筑分析为确保运营和操作系统的整体视图提供了机会。

“所有这些数据都可以从历史的角度来看,可以用不同的方式进行分析……最终的目标是利用这些数据来改善建筑物运营情况。所有技术都可以安装在我们所说的“边缘”中,换句话说,可以安装在建筑物中,或者直接安装在云中,然后进行汇总以供分析。”

“信息可以赋予人们权力并帮助他们了解他们正在产生的影响。它还可以显示它们对环境的影响是否是积极的。”

Patton 强调了这些数据可以带来的可见性和洞察力。可以分解能源消耗,以可视化如何最好地减轻和管理它。从那里,可以制定、实施和维护创造更健康、平衡和节能空间的方法。

实施物联网

这就引出了一个问题——如何对建筑进行改造?

尽管安装将取决于建筑物或建筑物群的环境,但 Patton 概述了一个通用的程序主线:“需要安装的系统能够将数据传输到一个集中的位置,允许自动化系统根据需要提取数据。”

Patton将这与直接数字控制(DDC)的概念联系起来,DDC虽然不是新概念,但使用频率“惊人地低”。她说,使用DDC是第一步。

“然后就需要确保这些控制器是开放协议,因为它们使用一种可以跨系统翻译的语言——这与只允许单个系统使用的专有协议不同。

“这些系统需要能够对外通信。应该在构建层和智能层之间放置集成层,以便通过同一管道汇集所有系统。

Patton 解释说,集成平台将允许统一和标准化所有数据,以提供可视化前端,说明所有系统的运行方式。

在此基础上,“再加上智能、机器学习和人工智能,开始评估刚刚创建的大量数据。”

技术仍不完美

让建筑智能化的方法及其分析的好处是显而易见的。这种系统所提供的洞察力水平为公用事业公司以一种可控和有洞察力的方式管理其能源消耗提供了明显的好处。

然而,智能建筑并不像减少温室气体到净零排放水平所需要的那样普遍。当被问及为什么不更公开、更容易实施时, Patton回答说:“闪亮的东西疲劳。

“这是一项新技术,和任何新领域一样,其已经充满了相互竞争的技术。这给公用事业公司和任何消费者带来的问题是,如何区分不同的技术,并确定适合特定情况的最佳技术。”

“一项新技术也可能令人担忧的是使用它们的过程。许多购买这项技术的人大肆宣传,过快地采用它,然后才意识到它仍在发展并且并不完美时,就感到不知所措和气馁。”

虽然这可能令人沮丧,但数据分析正在改变以满足需求的方式为它可能变成什么样子提供了希望。

“我们正处于这样一个阶段,许多建筑业主正在评估这些技术,并尝试创造更综合的建筑管理系统、平台和程序。”

“这有助于让技术变得更便宜,更直观,类似于建筑业主和运营商所熟悉的。这让他们更容易查看自己的建筑,起草能源管理仪表板的期望,并制定一个全面而翔实的能源消耗视图。”

考虑到这一点,Patton指出,消费者和公用事业公司都必须现实地看待他们的消费需求。需要一个行动计划,以允许分析识别问题并说明其解决方案。 

从能源和公用事业的角度来看,她阐述说,根据机器长期以来的学习情况,制定这些战略和行动计划,将允许最后一公里的补救措施,真正产生所需的变化。