《低碳智慧建筑聯盟：低碳智慧建筑技術創新發展白皮書2024（運行管理篇）（148頁）.pdf》由會員分享，可在線閱讀，更多相關《低碳智慧建筑聯盟：低碳智慧建筑技術創新發展白皮書2024（運行管理篇）（148頁）.pdf（148頁珍藏版）》請在三個皮匠報告上搜索。

1、1 低碳智慧建筑技術創新發展白皮書 2024（運行管理篇）Low-Carbon Smart Building Technology Innovation and Development White Paper 2024 (Operation and Management Chapter)2024 年 5 月 1 低碳智慧建筑產業技術創新戰略聯盟簡介 為貫徹黨中央關于“碳達峰、碳中和”、“數字中國”的發展戰略，以及“十四五”建筑業發展規劃、數字經濟“十四五”發展規劃、數字中國建設整體布局規劃等發展規劃，積極響應國家關于推動產業技術創新戰略聯盟構建的指導意見、國家科學技術進步法關于產業技術創新戰略

2、聯盟的倡議，進一步推動建筑領域“綠色低碳化”與“數字智慧化”兩化深度融合，并為低碳智慧建筑產業鏈相關企業發展提供良好創新合作平臺。在中國產業技術創新戰略聯盟協同發展網的指導下，清華同衡規劃設計研究院聯合二十余家產業知名科研院所及企事業單位于 2023 年 4 月正式締約成立了“低碳智慧建筑產業技術創新戰略聯盟”。聯盟的目標是成為低碳智慧建筑產業國家級智庫以及國內一流的產業技術協同創新平臺。聯盟是由致力于推進我國低碳智慧建筑及園區應用技術、標準和軟件協調配套發展，實現技術成果的產業化和標準化，提高產業核心競爭力的企業、高校、科研機構和其他機構自愿組成，以企業的發展需求和各方的共同利益為基礎，以低

3、碳智慧建筑技術創新為目標，以具有法律約束力的契約為保障，形成的聯合研發、優勢互補、利益共享、風險共擔的國家級技術創新合作組織。1 指導委員會 王清勤、林波榮、李叢笑、李百戰、馮國會、朱能、楊建榮、于兵、李楠、狄彥強 編寫組成員 李晉秋、徐思婷、劉魁星、竇強、喻偉、張偉榮、應小宇、耿陽、沈啟、譚楊 杜晨秋、白一飛、趙雪園、劉哲、王欣、石軼趺、游偉潔、袁燦 主編單位 低碳智慧建筑產業技術創新戰略聯盟 參編單位 北京清華同衡規劃設計研究院有限公司、清華大學、天津大學、博銳尚格科技股份有限公司、北京工業大學、重慶大學、浙大城市學院、阿里云計算有限公司、騰訊云計算（北京）有限責任公司、北京云棟科技有限公

4、司 鳴謝支持 1 合作聯系 低碳智慧建筑產業技術創新戰略聯盟秘書處 版權聲明 本研究報告版權屬于低碳智慧建筑產業技術創新戰略聯盟，并受法律保護。轉載、摘編或利用其它方式使用本研究報告文字或者觀點的，應注明來源。免責申明 本白皮書呈現內容僅供行業參考，報告內容不代表任何出版方意見或建議，主編單位不對任何單位或個人在本白皮書基礎上做出的行為承擔責任。1 報告摘要 低碳智慧建筑技術創新發展白皮書 2024（運行管理篇）深入探討了在全球氣候變化背景下，建筑行業向低碳化、智慧化轉型的必要性和緊迫性。報告指出，低碳智慧建筑結合了低碳建筑和智慧建筑的優勢，通過集成先進的信息技術、物聯網、自動化控制技術等手段

5、，實現能源的高效利用和減少溫室氣體排放。報告首先強調了低碳智慧建筑的概念內涵，提出了這一概念在建筑材料選擇、設計、施工、運行維護以及拆除再利用的全生命周期中的應用。報告進一步分析了低碳智慧建筑技術在運管階段的應用現狀及挑戰，包括數據不準確、能耗管理效果差、智慧運維系統安全性不健全以及技術成熟度不完善等問題。在建筑運維相關標準梳理方面，報告詳細介紹了國內外在建筑智能化運維方面的標準和規范，并指出現有標準體系尚不完善，需要進一步完善以適應新的需求和挑戰。報告深入探討了低碳智慧建筑技術創新面臨的挑戰，包括技術層面的集成與優化、智能化與自動化水平的提升、數據獲取與處理、網絡安全與隱私保護等問題，以及政

6、策與法規層面的支持與制定、標準規范的完善、碳排放核算與交易機制等挑戰。同時，報告也提出了市場與投資層面的問題，如投資回報周期長、市場需求與供給不匹配、融資渠道有限等，并強調了人才培養與交流層面的挑戰。報告展望了低碳智慧建筑技術在運管階段的創新方向，重點討論了物聯網技術、數字孿生技術、數據挖掘技術、能源微網技術以及大模型技術在建筑運維中的應用前景和發展趨勢。報告強調了這些技術在提升建筑能效、優化能源管理、增強安全性和提升用戶體驗方面的潛力。最后，報告提出了一系列發展策略與建議，包括加強政策支持與標準引導、1 深化產學研合作、推廣示范工程與應用、培育專業人才與團隊等，以促進低碳智慧建筑技術創新和行

7、業健康發展。1 目錄 1 引言.1 1.1 報告背景.1 1.2 報告目的.2 2 低碳智慧建筑概述.4 2.1 低碳智慧建筑概念內涵.4 2.2 低碳智慧建筑發展意義.5 3 低碳智慧建筑技術在運管階段的應用現狀及挑戰.8 3.1 建筑運維技術應用現狀及問題.8 3.1.1 建筑運維技術應用現狀.8 3.1.2 建筑運維面臨的問題及痛點.9 3.2 建筑運維相關標準梳理.15 3.3 低碳智慧建筑技術創新面臨的挑戰.20 3.3.1 技術層面的挑戰.20 3.3.2 政策與法規層面的挑戰.20 3.3.3 市場與投資層面的挑戰.21 3.3.4 人才培養與交流層面的挑戰.22 4 低碳智慧建

8、筑技術在運管階段的創新方向.24 4.1 物聯網技術.24 1 4.1.1 物聯網技術概述.24 4.1.2 物聯網技術在建筑運維中的應用.26 4.1.3 物聯網技術未來發展方向.31 4.1.4 物聯網技術創新發展關鍵問題及建議.33 4.2 數字孿生技術.35 4.2.1 數字孿生技術概述.35 4.2.2 數字孿生技術在建筑運維中的應用.36 4.2.3 數字孿生技術未來發展方向.38 4.2.4 數字孿生技術創新發展關鍵問題及建議.40 4.3 數據挖掘技術.44 4.3.1 數據挖掘技術概述.44 4.3.2 數據挖掘技術在建筑運維中的應用.46 4.3.3 數據挖掘技術未來發展方

9、向.51 4.3.4 數據挖掘技術創新發展關鍵問題及建議.52 4.4 能源微網技術.54 4.4.1 能源微網技術概述.54 4.4.2 能源微網技術在建筑運維中的應用.57 4.4.3 能源微網技術未來發展方向.61 4.4.4 能源微網技術創新發展關鍵問題及建議.63 1 4.5 大模型技術.65 4.5.1 大模型技術概述.65 4.5.2 大模型技術在建筑運維中的應用.68 4.5.3 大模型技術未來發展方向.73 4.5.4 大模型技術創新發展關鍵問題及建議.76 5 低碳智慧建筑技術創新發展策略與建議.77 5.1 加強政策支持與標準引導.77 5.2 深化產學研合作.77 5.

10、3 推廣示范工程與應用.77 5.4 培育專業人才與團隊.78 5.5 加強市場機制和技術創新.78 6 低碳智慧建筑優秀案例.79 6.1 北京微構工場智慧工廠數字化管理平臺.79 6.2 Thundercomm 智慧辦公項目.84 6.3“光儲直柔”建筑示范項目.97 6.4 上海市莘莊科技園區 10 號樓.101 6.5 北京中海安貞門環宇薈、北京中海國際中心.106 6.6 融科資訊中心智慧低碳運維項目.110 6.7 海爾 C02 空氣產業大樓綠色低碳能源管理項目.115 1 6.8 利星行中心物業可持續運維項目.125 7 結論.132 7.1 報告總結.132 7.2 展望未來.

11、132 8 參考文獻.134 1 1 1 引言 1.1 報告背景 隨著全球氣候變化問題的日益嚴峻，低碳化已成為各行各業發展的重要議題，建筑行業作為全球能源消耗和碳排放的主要來源之一，其向低碳化轉型的必要性不言而喻。低碳化不僅有助于減少溫室氣體排放，緩解全球變暖，還能提高能源效率，降低運營成本，對環境和社會的可持續發展具有重要意義。首先，低碳化建筑通過采用高效的建筑材料、設計和施工技術，最大限度地減少能源和資源的消耗。其次，智慧化是實現建筑低碳化的關鍵技術支撐。智慧建筑通過集成先進的信息技術和自動化系統，實現能源管理的智能化和自動化。智慧化不僅提升了建筑的能源效率，還帶來了更高的居住和工作舒適度

12、。通過智能設備和系統的集成，用戶可以根據自己的需求定制室內環境，享受更加便捷和舒適的生活體驗。同時，智慧建筑還能通過數據分析預測和識別潛在的維護問題，減少故障發生，延長設備壽命，從而降低維護成本。中國城鎮化比例的快速上升推動了城市建筑面積的大幅增長。居住建筑以及公共建筑的規模也隨之水漲船高，其內部機電設備系統的復雜性、運行模式的多變性都隨之增加。在傳統人工運維管理模式下，運維的投入成本較高且管理低效，已難以符合當今大規模建筑的運維管理需求。隨著傳感器技術、計算機技術、物聯網技術的迅速發展，將建筑低碳運維與先進的智能化技術深度融合，成為了提升建筑綜合運行性能，降低建筑碳排放的關鍵技術路徑。1 2

13、 事實上，中央政府高度重視建筑運維的低碳化與數字化，在 2021 年“十四五”規劃和 2035 年遠景目標綱要中提出了要“堅持創新驅動發展，全面塑造發展新優勢”做出重大部署。提出加快數字化發展，加強數字化在建筑領域的應用、提高數字政府建設質量，提升公共服務、社會治理等數字化智能化水平；李克強總理代表國務院在十三屆全國人大四次會議上作政府工作報告提出，要“大力促進科技創新，產業轉型升級步伐加快。推動產業數字化智能化改造，戰略性新興產業保持快速發展勢頭；2024 年國家發展改革委、住房城鄉建設部發布 加快推動建筑領域節能降碳工作方案，要求加快推動建筑領域節能降碳，降低碳排放水平，提升建筑領域綠色低

14、碳發展質量；中國科技部與住房和城鄉建設部聯合發布的“十四五”城鎮化與城市發展科技創新專項規劃中明確提出要求，“以數字化、智能化技術為基礎，開展智能建造與智慧運維基礎共性技術和關鍵核心技術研發與轉化應用，促進建筑業與信息產業等業態融合，顯著提高建筑工業化、數字化、智能化水平。綜上所述，低碳化和智慧化是建筑行業發展的必然趨勢。低碳化有助于減少環境影響，智慧化則提高了建筑的能源效率和用戶體驗。兩者相結合，不僅能夠響應全球氣候變化的挑戰，還能推動建筑行業向更加高效、可持續的方向發展。隨著相關技術的不斷進步和成本的降低，未來的建筑將更加綠色、智能，為人類社會創造更加美好的居住和工作環境。1.2 報告目的

15、 低碳智慧建筑技術創新發展白皮書 2024（運行管理篇）旨在明確闡述低1 3 碳智慧建筑在運行管理領域的創新技術及其對行業未來發展的深遠影響。本報告的目的是為了提供一個全面的視角，分析和評估當前低碳智慧建筑運行管理的關鍵技術、成功案例、面臨的挑戰以及潛在的解決方案。我們將探討如何通過集成創新技術，例如物聯網、人工智能、大數據分析等，來優化建筑的能源使用效率，減少運營過程中的碳排放，并提升居住和工作環境的質量。此外，報告還將著重討論低碳智慧建筑運行管理的最佳實踐，以及如何通過政策激勵、市場機制和技術創新來推動低碳智慧建筑的廣泛應用。我們的目標是促進行業內部的知識共享，激發新的思考和討論，最終實現

16、建筑行業在環境保護、經濟效益和社會效益三方面的協調發展?？偠灾?，通過這份白皮書，我們希望為建筑行業的政策制定者、決策者、技術開發者、運營管理者以及所有推動建筑行業可持續發展的人士，提供一個清晰的指導框架和行動藍圖。1 4 2 低碳智慧建筑概述 2.1 低碳智慧建筑概念內涵 本報告首次明確提出“低碳智慧建筑”這個概念。低碳智慧建筑、低碳建筑和智慧建筑這三個概念雖然在某些方面有所重疊，但它們各自側重點不同。低碳建筑主要關注的是減少建筑在其生命周期中的碳排放，包括設計、建造和運營階段；它側重于使用低碳或可再生材料、提高能源效率、減少能源消耗和溫室氣體排放；低碳建筑的設計和實施通常遵循特定的綠色節能

17、標準和規范，以確保建筑的環境影響最小化。智慧建筑則側重于利用先進的信息技術、物聯網、人工智能等技術來提高建筑的運營效率和用戶體驗；它涉及到建筑內部環境的智能監控、管理和優化，如智能照明、溫度控制、安全系統等；智慧建筑的目標是通過自動化和數據分析提高能源使用效率，減少浪費，并為用戶提供更加舒適和便捷的環境。低碳智慧建筑是低碳建筑和智慧建筑的結合體，它不僅追求減少碳排放，還利用智能化技術來實現這一目標；這種建筑類型在設計和運營中融入了節能降碳的策略，并通過智慧化手段進行能耗監測和管理，以實現精細化的能源管理；低碳智慧建筑還可能包括對建筑用能設施的智能規劃、能耗監測系統、樓宇自動控制系統等，以確保在

18、滿足舒適度的同時，實現能源的高效利用?？偟膩碚f，低碳建筑側重于環保和能效，智慧建筑側重于智能化技術的應用，而低碳智慧建筑則是二者的綜合，旨在通過數字智慧化手段實現建筑的低碳運行和高效管理。因此，本報告所定義的低碳智慧建筑，是指在建筑設計、建筑材料選擇、施工、運行維護以及拆除再利用的全生命周期中，通過集成先進的信息技術、物聯1 5 網、自動化控制技術等手段，實現能源的高效利用和減少溫室氣體排放，以達到節能減排、保護環境、提高居住和工作舒適度的建筑。這種建筑不僅注重減少對環境的影響，還強調提高居住和使用的舒適度，以及提升建筑的整體性能和經濟效益。低碳智慧建筑通常涉及到建筑信息模型（BIM）、物聯網

19、（IoT）、大數據分析、云計算、人工智能等先進信息技術的應用，以實現能源管理、環境監測、安全監控、設備維護等方面的自動化和優化。2.2 低碳智慧建筑發展意義 大力發展低碳智慧建筑是貫徹黨中央關于“碳達峰、碳中和”、“數字中國”的發展戰略的重要抓手，是積極響應我國“十四五”建筑業發展規劃、數字經濟“十四五”發展規劃、數字中國建設整體布局規劃等重大發展規劃的重要舉措。是推動我國建筑領域“綠色低碳化”與“數字智慧化”兩化深度融合的重要載體。低碳智慧建筑技術本質上也是新質生產力。本報告認為低碳智慧建筑技術與新質生產力的關系主要包括以下幾個方面：（1）技術創新與突破 低碳智慧建筑技術是新質生產力中的一個

20、關鍵組成部分，它代表了建筑行業在技術創新方面的突破。這種技術通過采用高效的能源管理系統、可再生能源利用、智能控制系統等，顯著提高了建筑的能源效率和環境友好性。這些技術的應用不僅減少了對傳統化石燃料的依賴，還推動了建筑行業的可持續發展。（2）生產要素創新性配置 1 6 低碳智慧建筑技術要求對生產要素進行創新性配置，包括使用新型環保材料、高效的能源設備、智能傳感器等。這種配置不僅提高了建筑的能效，還促進了相關產業的發展，如智能設備制造、可再生能源產業等，這些都是新質生產力的重要組成部分。（3）產業深度轉型升級 低碳智慧建筑技術的應用推動了建筑行業的深度轉型升級。傳統的建筑行業向更加智能化、綠色化的

21、方向發展，這不僅提升了建筑質量和居住舒適度，還促進了產業結構的優化和產業鏈的延伸。（4）全要素生產率提升 通過采用低碳智慧建筑技術，建筑項目可以在設計、施工、運營等各個階段實現資源的高效利用，減少浪費，從而提升全要素生產率。這種提升不僅體現在經濟效益上，還體現在環境效益和社會價值上，符合新質生產力追求高質量、高效能、質優的發展方向。（5）推動新興產業和未來產業 低碳智慧建筑技術的發展和應用，促進了新興產業如智能控制系統、大數據分析、云計算等的發展。同時，它也為未來產業的發展提供了技術基礎和市場需求，如能源管理服務、環境監測服務等。（6）促進數字經濟和實體經濟融合 建筑領域綠色低碳技術與數字智慧

22、技術的結合，是數字經濟與實體經濟深度融合的典型例子。通過物聯網、云計算、人工智能等技術，建筑變得更加智能，能夠實現能源的精細化管理和優化使用，這不僅提升了建筑的性能，也為數字經1 7 濟的發展提供了新的增長點。綜上所述，低碳智慧建筑技術是新質生產力發展的重要組成部分，它通過技術創新和生產要素的創新性配置，推動了建筑行業的轉型升級，提升了全要素生產率，并為新興產業和未來產業的發展提供了動力和方向。1 8 3 低碳智慧建筑技術在運管階段的應用現狀及挑戰 3.1 建筑運維技術應用現狀及問題 3.1.1 建筑運維技術應用現狀 信息化與智能化的普及對建筑綠色低碳運維管理提出了更高的要求。建筑運行階段的智

23、慧運維是建筑全生命周期管理的關鍵部分，它涉及建筑使用過程中各項設施和系統的維護、管理、優化等工作，旨在提高建筑運行效率、降低運營成本、減少能源消耗，同時保障建筑的舒適、低碳和可持續性。核心在于利用先進的信息技術和智能化手段，對建筑運行數據進行實時采集、分析、處理和優化調控。同時，通過實時監測建筑設施的運行狀態，及時發現潛在問題，并采取相應的措施進行預警維修，從而避免故障的發生或降低故障影響建筑運行?？傮w上，建筑運維涵蓋能源管理、設備維護與預警、環境舒適度調控監控、數據分析和系統優化等多個方面。通過這些方面的智慧化管理，提高建筑的運行效率、降低能耗和成本，同時提升使用者的舒適度和安全性。（1）能

24、源管理是現階段建筑智能化運維的最常見功能。通過安裝智能傳感器和監控設備，實時監測建筑的能耗數據，包括電力、燃氣、水資源等。利用大數據分析技術，對能耗數據進行深度挖掘和處理，找出能耗高峰和潛在節能點，進而制定節能策略和優化措施。例如，根據實時天氣和室內人員活動情況，自動調節空調溫度和照明亮度，實現能源的高效利用。（2）其次為室內環境監測、照明管理以及空調系統調控。通過實時監1 9 測建筑內的溫度、濕度、空氣質量、照度等環境參數，自動調節空調、新風設備、照明系統等，為使用者提供舒適、健康的室內環境。同時，還可以根據使用者的反饋和習慣，智能調整環境參數，滿足不同人群的需求。（3）再者是建筑監測數據分

25、析與決策。依靠運維系統生成各種報表和可視化圖表，幫助管理者全面了解建筑的運行狀況、能耗情況、設備狀態等。通過 5G、物聯網、大數據等科技手段，將設備設施運行信息數字化，通過采集、清洗和分析數據，結合特定算法，形成系列智能運行和維護策略，提高管理效率和質量。同時，還可以預判設備潛在故障，輔助預測性維護、能源審計等高級功能，為管理者提供決策支持。（4）最后涉及建筑設備的維護與預警。通過物聯網技術，將建筑內的各種設備與系統連接到統一的運維平臺上，實現設備的遠程監控、故障診斷和預警。一旦設備出現異?；蚬收?，系統能夠及時發現并通知維修人員進行處理，避免設備故障對建筑運行的影響。同時，還可以對設備的運行數

26、據進行分析，預測設備的維護周期和更換時間，實現設備的預防性維護。3.1.2 建筑運維面臨的問題及痛點 3.1.2.1 數據采集與管理問題（1）建筑運維管理過程中數據不準確、不及時、不完整 建筑運維管理中存在大量運行、維護、能耗等數據，現行的建筑運維管理缺乏有效的措施和技術手段，一些依然依靠技術人員手工抄寫記錄，無法及時、完1 10 整和準確的采集這些數據。同時，采集的有限數據由于樣本不豐富，不準確和非結構化，不足以支持管理者對設備運行情況進行準確而全面的掌握，無法及時發現設備運行過程中能源浪費、管理不當等問題1。78%的用戶反饋系統數據準確率80%，也有 37%的能源管理平臺表具投入使用后不再

27、進行任何標定。數據的準確性和低故障率是系統能夠長期發揮作用的關鍵，因此，應加強對系統設備數據監測時效性和準確性的要求2。（2）信息孤島，難以實現信息高效管理 低碳智慧建筑技術在建筑運維管理過程中，同一設備的信息在不同系統中分散存儲，且各個位置存儲的信息未建立關聯，難以實現信息高效管理。分散的存儲方式，既造成管理上的混亂，且信息檢索效率低，各類信息之間出現孤島效應而無法互為所用，影響建筑運維管理的整體工作效率。并且分散存儲和管理會加大信息丟失的風險，極易出現信息不完整的現象。導致系統維護成本高。較多項目在運營階段都找不到齊全的設計資料和產品樣本，造成設計建造與運營脫節，嚴重影響建造運維管理的工作

28、效率和質量7。（3）數據未有效利用 現階段多數智能化系統有數據記錄功能，但無自動分析功能，運維管理人員對專業數據的處理能力有限，大量極具價值的運行數據無法有效用于指導運行，造成運行數據的嚴重浪費5。3.1.2.2 能耗監管與節能效果問題（1）能耗、碳排放管理功能缺失，自動分析功能有待完善 1 11 能耗定額、碳排放管理是節能降碳的重要關注點，自動分析功能是幫助建筑能源管理平臺使用者實現異常數據報警、能耗預測、提供節能策略和自動出具數據報表的重要決策輔助工具?，F階段，仍有 64%的能源管理平臺不具備能耗定額管理功能,75%的能源管理平臺不具備碳排放管理功能。隨著 AI 算法的快速發展，基于既有數

29、據進行能耗預測、節能診斷等的功能還有待加強2。（2）建筑能耗管理辦法簡單、效果差 能源管理是建筑低碳運行管理的重要工作之一，直接影響到運行成本的高低。其中能耗管理系統也是應用最廣的功能系統類型，在智能化運維平臺具備的供能系統類型中應用比例達到 97%3。但目前由于數據采集的完整度與及時性不高，導致只能基于低質量的數據制定節能措施，效果不甚理想。同時，雖然有些設施設備具備電動控制和遠程控制功能，但是單一的系統因為物聯和彼此接口協議的限制，數據沒有完全打通，只能保證單體設備的運行工況，并非為適應于整體項目的最佳運行方案1。（3）智能化系統點位監控不完善，且準確率低 目前建筑智能化系統點位監測不完全

30、，點位數據準確率低，計量系統不完善。以暖通空調自控系統為例，調研結果表明，平臺的數據點位準確率低，且僅有 50%左右的點位參與到系統的日常運維。監控點位數據反映平臺的運行情況，也為系統對設備控制和優化運行提供相關參數?；A數據缺失或者錯誤導致系統無法按照設計目標正常運行，還可能會提高系統或設備故障的風險4。1 12 3.1.2.3 系統安全性與運維水平問題（1）智慧運維系統安全性不健全、運維水平不高 智慧運維系統在應用于建筑運行階段時，由于系統在于設備聯通、監管、控制等方面的復雜性，會面臨物理安全、控制網絡安全、信息網絡安全等一系列系統安全問題?，F階段的大部分運維系統在包括系統維護、網絡安全防

31、范、信息加密等工作上都比較薄弱，對于系統正常運作、信息網絡安全運行等都存在一定隱患。而且據相關研究結果顯示，目前運維管理人員僅理解 50%左右的智能化平臺點位含義由于知識水平有限，不同人員對系統理解不同，導致系統運維效果不高。（2）系統分散，難以實現系統智能聯動，人工成本和系統維護成本高 低碳智慧建筑技術在運維方面涉及的系統種類繁多，如樓控、冷站群控、能源管理、工單管理、租賃管理等，每個管理系統都需要單獨的專業物業人員來管理，并各系統都是相對獨立，難以系統智能聯動，使管理時效性低，人員成本越來越高，且難以實現系統智能聯動。在建筑智能化應用現狀調研白皮書中顯示，超過 50%的集成商認為建筑所有者

32、希望智能化系統能夠減少日常運維工作量提升可靠性、提高管理水平4。（3）智能化最新技術未得到應用 根據公共建筑智能化運維平臺應用現狀調研結果顯示，36 個項目中目前僅有 17%的統計項目結合了人工智能技術的應用，60%的統計項目中未有人工智能技術應用，另有 26%的受訪者不清楚平臺的人工智能技術應用情況?？梢?，現階段人工智能技術在智能化運維平臺中的應用較為局限，人工智能、大數據、1 13 BIM 等新技術與現階段智能化系統融合性較低，新技術未能發揮作用3。3.1.2.4 技術成熟度與培訓問題 （1）不同設備或系統集成穩定性差 當不同子系統或設備采用不同通訊協議參與集成時，各子系統還需進行不同的參

33、數設置或配置，該項工作對集成人員專業能力要求較高。集成完成后，受到網絡條件、各子系統自身運行情況影響，集成后的系統穩定性無法保障4。（2）系統故障率較高 約有 44%的系統運行不到 1 年時間便發生軟件或硬件故障。系統高頻次故障，增加運維管理人員工作量的同時降低運維人員對系統的信任度，長此以往，系統使用率會逐漸降低，如果運維管理保障不到位，系統很可能被棄用，造成資金、人員和時間投入的浪費，對智能化系統發展產生消極影響?，F階段建筑能源管理系統使用兩年內故障發生率約為 65%，一年內發生故障的比例約為 44%，故障率高且頻繁降低了平臺的可靠性同時也增加了運維費用2。（3）培訓深度不足 智能建筑通過

34、傳感器、監控設備等獲取大量數據，如何有效管理和分析這些數據，并確保數據的安全性和隱私保護是一個挑戰；低碳智慧建筑的設備復雜度較高，需要專業的運維團隊進行管理和維護，這對建筑管理人員的技術水平和專業知識提出了更高的要求。在針對 36 個應用智能化運維平臺的公共建筑項目的問卷調研中顯示，雖然有 86%的受訪者在問卷中回答自己曾接受過關于智能化運維平臺的管理使用培訓，然而缺少自動化控制操作經驗的比例卻仍然高達1 14 36%，表明目前許多項目中的平臺使用培訓工作仍然存在缺失，未能達到預期效果3。同時智能建筑的建設和升級成本較高，建設初期需要大量資金投入，對投資回報周期和運營成本產生影響。3.1.2.

35、5 系統集成與穩定性問題（1）智能化系統總體集成程度不高 為了打破子系統相互獨立，信息孤島的問題，建筑智能化子系統通過數據接口或者通訊協議集成，通過數據交互實現多系統協同工作，保障智能化系統的高效、節能和安全6。各子系統并行并基于通訊協議的集成是目前采用較多的集成方式。建筑智能化應用現狀調研白皮書中顯示，在建筑智能化產品集成商、運維管理人員和建筑用戶所反饋的 1068 份問卷中，由于對智能化系統集成概念的認知不同，建筑運維人員和集成商反饋的建筑智能化子系統集成程度有所不同但總體趨勢較為一致，現階段建筑智能化系統約有 30%左右實現集成，智能化系統總體集成程度不高4。（2）系統配置難度大，調試周

36、期長 在傳統集中式智能化系統構架下，控制器和底層設備無標準化點位連接關系。對于不同系統需要工作人員現場根據項目點位對應部署，部署和調試難度大，大型系統安裝和調試周期長達 46 個月。同時，施工現場條件環境較差，施工工期緊張，導致弱電系統安裝和調試質量無法保障。智能化系統投入使用后，一旦系統或者設備出現問題或故障，建設方需要重新布線和調試，時間和人員成本投入較高，技術門檻高4。1 15 （3）建筑用戶參與度低 現建筑智能化系統僅供專業人員使用，無普通用戶交互接口，作為建筑的實際使用者，普通用戶無法參與到整個建筑的運維過程中來7。3.2 建筑運維相關標準梳理 國際層面，ISO 19650 是國際標

37、準化組織（ISO）發布的建筑信息模型管理標準，涵蓋了信息交換、協作和運營階段的管理要求和指南，為全球范圍內的建筑運維提供了統一的指導和標準。此外，ISO 55000 系列、ASHRAE 180 建筑運維手冊、CIBSE（英國建筑服務工程師學會）發布的 TM31 建筑運維管理指南、NFPA（美國國家消防協會）NFPAP70B 電氣設備維護標準等對于建筑不同方面的運維提出了具體要求。國家標準及行業標準層面，為實現建筑智能化系統的有效運行，住建部陸續發布了行業標準建筑智能化系統運行維護技術規范JGJ/T 417-2017 和綠色建筑運行維護技術規范JGJ/T 417-2017，為保障建筑智能化系統安

38、全、可靠高效運行，以及規范系統運維服務管理等提供了可借鑒實施的規范和標準。此外，針對一些具體環節和具體建筑，國家、行業層面也相繼發布了一系列運維相關標準。例如，為保證建筑設備監控系統經濟合理、安全適用、穩定可靠，同時提高公眾健康、設備安全和建筑節能，發布了建筑設備監控系統工程技術規范JGJT334-2014。而空調通風系統運行管理標準GB 50365-2019 重點針對建筑空調系統的常規運行管理，以及在發生與空調通風相關的突發性事件時提出的運行管理措施，旨在貫徹節能、衛生、安全和經濟適用原則，保障系統合1 16 理運行，節能運行能耗。建設工程信息模型運維規范GB/T 50308-2014 主要

39、指導 BIM 在建筑、結構和給排水等方面的設計、施工、運維等建筑全過程工作，涵蓋了運維數據管理、運維模型維護、運維信息交互等方面，為建筑運維的信息化、智能化管理提供了重要依據。建筑節能工程施工質量驗收標準 GB 50411-2019 則是重點針對施工環節中的節能工程的技術文件、圍護結構現場實測以及不同分項節能工程的驗收標準等等提出具體要求，是踐行綠色建筑節能的必要措施。醫院建筑運行維護技術標準 GB/T 51454-2023 作為最近發布的專門針對醫院建筑的運行維護標準，詳細規定了醫院建筑在運維過程中的技術要求，以確保其安全、高效、可靠地運行。團體標準層面，如近零能耗建筑測評標準T/CABEE

40、 003-2019、居住建筑節能工程墻體施工質量驗收規程T/CASME 1308-2024、屋頂分布式光伏運維技術規范 T/QGCML 2887-2023、既有建筑運維期結構安全評價標準T/CECS 1436-2023、工業建筑太陽能光伏系統評價標準 T/CECS 1431-2023、綠色建筑檢測技術規程 T/ZZXJX 302-2023、建筑光儲直柔系統評價標準T/CABEE 055-2023醫院綠色低碳用能技術標準、T/CABEE 049-2023、建筑綠色運營技術規程T/CABEE 046-2023、建筑工程綠色施工技術標準T/CPPC 1075-2024，在不同層面、不同階段也涉及了一

41、些關于建筑相關的運維管理條文，但相對較少，并不具有特別針對性。隨著全球氣候變化問題日益嚴重，低碳建筑智慧運維的未來發展將緊密圍繞節能減排、提高能效和智能化管理展開。建筑運行階段的智慧運維是建筑信息化和智能化發展的重要方向之一，可以為建筑的可持續發展和高效運營提供有力支1 17 持。目前已經發布的標準為建筑運維提供了一定指導，也促進了建筑行業的規范化發展。實際應用中，應遵循標準規范，并結合具體情況靈活應用，以確保建筑設施的安全、高效和可靠運行。同時，隨著技術的不斷進步和行業的發展，這些標準也會不斷更新和完善，以適應新的需求和挑戰?？傮w上，我國的建筑標準體系，無論是國家標準、行業標準，還是地方標準

42、、團體標準等，主要圍繞建筑設計、施工、評價展開，單獨針對或者涉及建筑運行階段的運維管理的相關標準還較少，更缺少指導建筑智能化運維與人工智能技術結合的相關標準規范，整體標準體系尚不完善。此外，隨著建筑智能化的理念和技術的迅速發展，建筑運維的可視化和自動化逐步實現，通過智慧化、數字化手段對建筑數據進行分析，助力建筑高效、節能運行，已成為智慧建筑的主要發展方向。但是目前建筑數據獲取覆蓋不全面、精度不足、數據采集方式不到位、數據處理方法不規范等問題導致智慧運維手段與綠色建筑無法較好結合，對綠色建筑落地性能的表現也難以進行評價。隨著政策和市場的推動，低碳建筑和智慧運維的發展將得到進一步加速，政府也將出臺

43、更多支持綠色建筑和節能減碳的政策措施，同時市場也將逐漸認識到建筑智慧運維的價值和潛力，推動相關技術和產業的快速發展。因此，建立立足國內需求、兼顧國際體系的低碳建筑智慧運維標準體系有助于明確下一步標準化工作的重點方向，指導關鍵性標準的研制，保障和提高標準編制、修訂的科學性、前瞻性，促進標準的創新發展與國際化，推動我國標準上升成為國際標準，同時為我國智慧建筑開發建設和運營管理的頂層設計和發展思路提供參考，提升標準對建筑智慧運行管理的支撐作用，為建筑行業的綠色轉型和可持續發展做出重要1 18 貢獻。1 19 1 20 3.3 低碳智慧建筑技術創新面臨的挑戰 3.3.1 技術層面的挑戰（1）節能降碳技

44、術的集成與優化：低碳智慧建筑需要集成多種節能技術，如高效能源系統、智能控制系統、可再生能源利用等。這些技術的集成和優化是一個復雜的過程，需要解決不同技術之間的兼容性和協同工作問題。（2）智能化與自動化水平的提升：低碳智慧建筑依賴于高度的自動化和智能化系統，這些系統需要不斷更新以適應新的技術發展。同時，智能化系統的安全性和可靠性也是技術發展中需要重點關注的問題。（3）系統集成與兼容性：由于缺乏統一標準，不同廠家的硬件設備、軟件平臺之間存在兼容性問題，給智能化系統的集成帶來了困難，影響了數據融合和協同優化。（4）數據獲取與處理：低碳智慧建筑運維需要大量多源異構的數據支撐，如何高效地采集和整合各類數

45、據，并通過大數據分析挖掘有價值的信息，是一項技術難題。（5）網絡安全與隱私保護：低碳智慧建筑涉及大量個人信息和運營數據，網絡安全和隱私保護都是重大挑戰。3.3.2 政策與法規層面的挑戰（1）政策支持與法規制定：低碳智慧建筑的發展需要政府的政策支1 21 持和法規引導。目前，相關政策和法規尚不完善，需要制定更多激勵措施和標準規范來推動行業發展?，F有法律法規對建筑運維中的數據權屬、隱私保護等問題缺乏明確規定，制約了技術創新。（2）標準規范健全性：目前還缺乏完善的低碳智慧建筑運行管理相關的國家和行業標準，不利于技術推廣和產業發展。（3）碳排放核算與交易機制：建立合理的碳排放核算和交易機制對于低碳智慧

46、建筑的推廣至關重要。這需要政府、企業和第三方機構共同努力，建立透明、公正的碳市場。（4）綠色金融與稅收優惠政策：低碳智慧建筑項目通常需要較大的初期投資，政府需要提供綠色金融支持和稅收優惠政策，以降低企業的財務壓力。3.3.3 市場與投資層面的挑戰（1）投資回報周期長：低碳智慧建筑項目往往需要較長的投資回報周期，這對投資者來說是一個挑戰。如何平衡短期利益和長期可持續發展，是市場投資需要解決的問題。（2）市場需求與供給不匹配：雖然低碳智慧建筑的理念逐漸被市場接受，但實際需求與供給之間仍存在差距。如何提高市場認知度和接受度，是推動行業發展的關鍵。（3）融資渠道有限：低碳智慧建筑項目往往需要大量的資金

47、投入，而現有的融資渠道有限，如何拓寬融資渠道，降低融資成本，是行業發展面1 22 臨的挑戰。（4）商業模式單一：當前低碳智慧建筑運維主要采取增值服務模式，缺乏多元化商業模式探索，制約了市場規模擴張。3.3.4 人才培養與交流層面的挑戰（1）復合型人才短缺：低碳智慧建筑領域需要跨學科的專業人才，包括建筑學、環境工程、信息技術等多個領域的專家。目前，這類人才相對短缺，需要通過教育和培訓來培養。（2）學科交叉與產學研協同度低：跨學科交流互鑒不足，缺乏產學研用相結合的協同創新機制。（3）國際交流與合作：低碳智慧建筑的技術和理念在國際上已有較為成熟的實踐，中國需要加強與國際先進水平的交流與合作，引進和吸

48、收國外的經驗。（4）行業標準與認證體系：建立和完善人才培養行業標準與認證體系，對于提升人才的專業水平和行業整體質量具有重要意義，目前這方面的工作亟待加強。綜上所述，低碳智慧建筑技術創新面臨著技術層面、政策與法規層面、市場與投資層面、人才培養與交流層面等多方面的挑戰。要解決這些挑戰，需要政府、企業、高校和研究機構等多方合作，共同推動低碳智慧建筑的發展。政府應加大對低碳智慧建筑的政策支持力度，制定相應的法規和標準，提供資金支持和稅收優惠等激勵措施。企業應加強技術研發和創新，積極應用新的科技成果，提高建1 23 筑的智能化水平和運行效率。高校和研究機構應加強人才培養和交流，提供專業人才和技能人才支持

49、，促進建筑行業的可持續發展。同時，還需要加強市場推廣和宣傳，提高公眾對低碳智慧建筑的認識和接受度，激發市場需求，推動建筑行業的轉型升級。1 24 4 低碳智慧建筑技術在運管階段的創新方向 4.1 物聯網技術 4.1.1 物聯網技術概述 物聯網（Internet of Things，IoT）技術發展起源于 20 世紀末。其最早于1999 年由美國麻省理工學院（MIT）Auto-ID 實驗室的 Kevin Ashtion 教授在移動計算和網絡國際會議上正式提出，被稱為是第四次工業革命的催化劑，同時掀起了第四次信息化、智能化的產業鏈浪潮。進入 21 世紀初，物聯網的概念隨著傳感器技術、無線通訊技術、

50、邊緣計算和云計算等關鍵技術的發展而逐漸成熟，并開始廣泛應用于各個領域。根據市場分析機構 IoT Analytics 的統計，2023 年年底全球聯網 IoT 設備數量是 167 億個終端。狹義上講，物聯網是在互聯網的基礎上，通過射頻識別（RFID)、智能定位、智能傳感器等信息傳感采集設備，按照約定的協議，通過信息采集、傳遞、智能處理把客觀世界的物體參數與互聯網進行無縫連接和信息交換，來實現信息網絡對物體的智能化識別、定位、跟蹤、監控和管理的網絡技術8。廣義上講，物聯網是通過有線或無線網絡通訊方式，以物質世界的數據采集、信息處理和反饋應用為主要任務，以網絡為信息傳遞載體，實現人與物（C2M）、人

51、與人（C2C）、物與物（M2M）間的信息交互、提供信息服務的智能網絡信息系統。1 25 圖 4-1 物聯網技術架構圖 物聯網技術架構通常分為四層：感知層、網絡層、平臺層和應用層。感知層是物聯網系統的基礎，主要由各類傳感器和執行器組成。傳感器負責收集環境或物體的信息，如溫度、濕度、位置等，而執行器則根據指令執行相應的動作，如開關設備。感知層的關鍵在于傳感器技術的發展，它直接影響到數據采集的準確性和效率9；網絡層負責將感知層收集到的信息傳輸到平臺層，涉及到無線通訊技術，如 Wi-Fi、藍牙、ZigBee、LoRa 等，它們使得設備能夠在不同的環境和距離下進行穩定、高效的數據傳輸10；平臺層也可稱為

52、處理層或服務層，它對收集到的數據進行處理和分析，邊緣計算在這一層扮演著重要角色，它可以在數據產生的源頭進行初步的數據處理，減少數據傳輸的負擔，提高響應速度，并增強數據的安全性11；應用層是物聯網系統的最終目標，它根據平臺層處理后的數據為用戶提供具體的服務，例如智慧能源管理、設備運行自動化等12。1 26 上述物聯網系統架構體現了物聯網的三個重要特征，即有效感知、可靠傳遞與智能處理，其中智能處理的特征是指通過云計算、大數據云、蜂窩移動網絡、移動技術、邊緣計算、邊緣云（MEC）、多種接入技術等智能計算技術與應用手段，對網絡云中的各種大數據做以分析和智能化成像處理，來實現物體屬性的智慧化管理和自動化

53、控制。結合上述對于物聯網系統和性質特征的描述，可以將物聯網技術體系分為如圖 4-2 所示四大角度進行認識。圖 4-2 物聯網技術內涵 物聯網技術作為信息時代的重要里程碑，標志著從傳統互聯網向萬物互聯的演進。其發展不僅推動了信息技術的進步，也為社會經濟的發展帶來了深遠的影響。在低碳智慧建筑運管領域，物聯網技術也發揮著無可替代的核心作用。4.1.2 物聯網技術在建筑運維中的應用 在建筑低碳智慧運維場景下，物聯網技術的應用已成為提升建筑能效和運維管理水平的關鍵。物聯網技術通過其在數據采集、傳輸以及設備遠程控制的能力，為建筑智慧運維管理和智能算法的實施提供了堅實的技術1 27 基礎和數據支持。并進一步

54、助力建筑能耗分析、環境監控、節能診斷、故障預警、優化控制等低碳運維手段的落地實現。物聯網技術的核心應用之一是實現低門檻低成本的數據采集和傳輸，這為建筑運維管理帶來了全新的可能性。傳統的建筑數據采集往往是通過施工布線鋪設傳感器、人工巡查記錄、人工讀取儀表數據、人工填寫維護日志等方式實現，依賴于人力且成本較高，同時存在數據質量低、采集頻率低、數據實時性差、數據價值低等問題。而如今，通過在建筑中的各個子系統如照明、暖通空調、安防系統裝設物聯網傳感器，物聯網技術可實現大規模高精度的數據采集和傳輸，顯著降低了數據獲取成本，建筑數據也呈現指數性的增加。根據國際能源署（IEA）的報告，通過物聯網技術，建筑能

55、耗監測的準確性可以提高 30%以上，同時數據采集的成本可以降低約 20%。通過部署在建筑各個關鍵位置的傳感器，能夠獲取的建筑數據主要可以分為三大類：包括室內溫度、濕度、二氧化碳濃度等的室內環境參數；包括冷凍水溫度、送風溫度、水閥開度等的建筑設備運行參數，尤其是中央空調系統；包括用水、用電、用冷、用熱等的能源系統數據。這些數據通過無線傳輸網絡發送到智慧運維平臺進行存儲和分析，實現對建筑運行狀態的全面監控，為建筑運維決策提供實時、準確的數據支持。物聯網技術在建筑運管場景中的另一大基礎應用是通過傳感器、執行器、通信網絡和智慧運維平臺的協同工作，實現對建筑內設備的精確、實時的遠程控制。待控制的設備，如

56、照明設備、空調設備等會與傳感器和執行器相連，并通過網絡接入物聯網系統中，連接到智慧運維平臺系統。運1 28 維平臺可以發送開關控制、參數調整、狀態查詢等指令到目標設備，目標設備的控制單元接收到指令后進行解析、識別并執行對應的操作，例如打開或關閉設備、調整參數設置、啟動或停止運行等。目標設備執行完指令后，可以通過物聯網平臺或者通信協議將執行結果反饋給運維人員，以確保操作的完成和結果的準確性。同時，設備的狀態信息也會被更新到物聯網平臺上，為后續的監測和管理提供支持。通過遠程控制，可以實時調節照明系統的亮度，或者根據室內外溫度變化自動調節空調系統的運行模式，從而實現能源的有效利用和環境的智能控制。圖

57、 4-3 物聯網遠程控制系統簡圖 基于上述兩大應用的實現，物聯網技術為建筑低碳運行管理的智能化、1 29 高效化提供了堅實的數據支撐和技術支撐。首先，物聯網系統通過實時監測建筑內部各種環境參數和設備狀態數據，為建筑智慧運維提供了數據基礎。通過數據分析方法對這些數據進行深入挖掘，發現建筑運行的規律和潛在問題。如文獻13中通過分析歷史能耗數據，可以識別出能耗模式，進而為能源管理提供決策支持。同時，監測設備的運行狀態數據，可以幫助建筑管理人員預測設備的壽命和維護周期，實現設備的預防性維護，提高設備的可靠性和穩定性14。其次，通過對建筑能耗數據的分析和比對可以識別建筑能耗的異常情況，找出能源浪費的原因

58、和來源。例如，發現某個區域或設備的能耗異常高，可以進一步分析該區域或設備的運行情況，找出存在的問題并提出相應的優化措施，以降低能耗成本，提高能源利用效率。在設備運行優化方面，得益于物聯網技術的應用，基于數據驅動的設備運行優化策略或者智能算法模型得以落地實現?；谠O備歷史運行數據可以構建設備數學模型，通過機器學習或人工智能算法得到設備的運行優化策略，調整設備運行參數，從而提高設備的運行效率，降低能耗。例如基于中央空調系統的歷史運行數據構建系統模型，通過優化算法尋找不同室內室外環境條件下空調系統的最佳運行模式，增強舒適度的同時提高能效比。同時，利用物聯網系統實現對設備的遠程控制，建筑管理人員可以隨

59、時隨地對設備進行調節和控制，實現設備的智能化管理，提高建筑運維的效率和便利性。1 30 圖 4-4 建筑智慧運維平臺架構簡圖 在既有建筑的自動化、智慧化節能改造項目中，物聯網技術的應用同樣具有重要意義?！笆奈濉苯ㄖ澞芘c綠色建筑發展規劃中提到，到 2025年，我國計劃完成既有建筑節能改造面積 3.5 億平方米以上，建設超低能耗、近零能耗建筑 0.5 億平方米以上。在既有建筑節能改造項目中，物聯網技術相較于傳統建筑改造技術能夠極大降低改造的施工成本，同時構建的樓控系統更加靈活，且具備可調節、可迭代的特點。通過無線傳感器和控制器的部署，可以快速實現建筑的智能化升級。改造過程能做到不拆改的同時，還

60、為建筑的長期運維提供了持續的技術支持。結合智慧運維后臺對建筑數據的分析可以進行自動策略調優，實現能耗系統節能。以廣州某改造項目為例，2022 年經改造后，項目建筑的年節能率達到 28.6%，全年實現節省電量約 50.6 萬千瓦時，節省電費約 38.88 萬元，實現二氧化碳減排 500 噸以上15。1 31 綜合來看，物聯網技術的應用為低碳智慧建筑運行管理帶來了極大的積極影響。通過物聯網技術實現的數據采集、傳輸和設備遠程控制，大大提升了建筑運維的智能化水平和管理效率?；谖锫摼W系統獲取的大量數據，建筑管理人員可以進行能耗分析、環境監控、節能診斷、故障預警和優化控制等一系列低碳運維手段，為建筑的可

61、持續發展和環保目標的實現提供了重要支持。因此，物聯網技術的創新發展在建筑行業的未來發展中具有重要意義，將持續推動建筑智慧運維向著更加智能、高效、低碳的方向邁進。4.1.3 物聯網技術未來發展方向 在未來的低碳智慧建筑運維領域，物聯網技術將迎來更加深刻的創新發展，從多個方面推動著行業向著智能化、高效化方向邁進。以下將從幾個關鍵方向展開，探討物聯網技術在建筑智慧運維中的未來創新發展方向。（1）與人工智能（AI）、邊緣計算等智能技術的深度融合 AIoT（AI-enabled IoT）是指在物聯網設備中嵌入 AI 技術，使得設備不僅能夠收集數據，還能夠進行自主學習和決策。在建筑智慧運維中，AIoT 技

62、術發展可以使建筑設備具備自我優化的能力，根據實時數據和環境變化自動調整運行參數。更重要的是，AIoT 技術還提供了可解釋性，即設備的決策過程和結果可以被運維人員理解和驗證，這有助于提高運維決策的透明度和可信度。隨著 5G、邊緣計算、數字孿生、產業元宇宙等新技術的推動和應用，AIoT 正在進入一個嶄新發展階段。1 32 （2）基于場景需求反向推動物聯網設備性能的提升 物聯網技術的應用場景將不再局限于傳統的數據采集和監控，而是根據運維需求或待實現算法的需求，反向對物聯網系統設備進行設計和集成。這意味著未來的物聯網設備將更加智能化、模塊化，能夠根據不同的應用場景進行快速適配和性能提升。例如，針對特定

63、能耗優化算法的需求，可以設計出更為高效的傳感器和控制器，以實現算法的快速落地和效果驗證。（3）多模態數據融合與跨平臺互聯 未來物聯網技術將更加注重多模態數據的融合與處理，實現不同類型數據的跨平臺互聯。例如，將建筑運行數據與氣象數據、交通數據等外部數據進行融合，實現更全面、準確的建筑環境分析和運行管理。同時，實現不同物聯網平臺的互聯互通，提高系統的整體效能和智能性。（4）嵌入式技術的發展將為物聯網和建筑運維注入新的動力 嵌入式領域正經歷一場深刻的變革，開發者正在利用安全且性能增強的技術實現小型低功耗嵌入式系統的開發，連接設備正逐漸演變為可根據所收集的數據自行做出決策的系統。相較于在物聯網網關或云

64、端進行數據處理而言，在更接近采集源之處完成數據處理的方式，將有望加快決策速度、減少延遲、解決數據隱私問題、降低成本并提高能效。2023 年十一月，ARM（Advanced RISC Machines）推出了第三款采用 Helium 技術的 CPUCortex-M52，這是一款專為 AIoT 應用而設計的處理器，可為小型低功耗嵌入式設備的 DSP 和 ML 應用帶來顯著的性能提升，無需專用 NPU 即可在端點中部署更多計算密集型 ML 推理算法。邊緣的潛能1 33 正在逐步被發掘。當前對提升微控制器性能的需求還在不斷增長，在正確技術的加持下，開發者可以重新構想邊緣和端側設備，并在性能、成本、能效

65、與隱私等這些受限設備中的關鍵要素之間取得適當平衡，讓未來的嵌入式開發實現 AI 計算的應用，為物聯網技術進步注入騰飛動力。綜上所述，在低碳建筑智慧運維領域，物聯網技術的未來發展呈現出多個關鍵方向的創新趨勢。這些創新趨勢不僅預示著技術進步的深遠影響，而且對于實現建筑行業的可持續發展具有重大意義。其不僅是技術層面的突破，更是推動建筑行業向低碳、環保、高效發展的重要動力。4.1.4 物聯網技術創新發展關鍵問題及建議 隨著物聯網技術的快速發展和廣泛應用，建筑行業正逐漸邁向智慧化和高效化的運維管理模式。然而，在物聯網技術創新發展的過程中，我們也面臨著一些關鍵問題需要解決和應對。（1）數據安全性問題 隨著

66、物聯網設備數量的增加和數據規模的擴大，數據安全性問題日益突出。數據可能會被黑客攻擊、惡意篡改或竊取，給個人隱私和企業機密帶來潛在風險。對此，應強化物聯網系統的安全保護措施，采用端到端的加密通信、安全認證和訪問控制機制。定期進行安全漏洞掃描和漏洞修補，提高系統的抗攻擊能力。（2）物聯網設備管理及優化問題 隨著建筑中的物聯網設備數量的逐漸增加，如何有效管理物聯網設備1 34 和智能分析設備用能行為成為建筑未來亟待解決的問題。物聯網設備的管理和優化需要面臨設備數量龐大、異構性強、分布廣泛等挑戰。設備可能存在運行異常、效率低下或資源浪費等問題，需要及時發現和解決。對此，建立完善的物聯網設備管理平臺，實

67、現對設備的遠程監控、故障診斷和維護管理。采用智能算法和數據分析技術，實現對設備的預測性維護和運行優化，提高設備的可靠性和效率。同時，推廣設備自主診斷和自動修復功能，減少人工干預，提高管理效率。（3）及時關注物聯網技術的前沿發展情況并與建筑運行管理應用場景結合 物聯網技術在不斷發展和演進，涌現出了許多新的技術和應用場景。作為技術應用與集成方，及時關注并將最新的物聯網技術與建筑運行管理應用場景結合具有重要意義。對此應建立定期更新的物聯網技術研究與應用評估機制，密切關注物聯網技術的最新進展和趨勢。通過組織行業交流和研討會、開展技術培訓和學習，及時了解并吸收最新的物聯網技術成果。同時，加強與物聯網技術

68、供應商和研究機構的合作，開展聯合研究和項目合作，將最新的技術應用到建筑運行管理場景中，推動物聯網技術在該領域的創新應用和發展。綜上所述，物聯網技術在建筑智慧運維領域的創新發展中，面臨著數據安全性、設備管理優化以及與應用場景結合等關鍵問題。通過加強安全保護、優化設備管理、及時關注最新技術發展并結合建筑運行管理實際需求，我們可以有效地應對這些挑戰，推動物聯網技術在建筑運管行業的應1 35 用與發展，為建筑智慧運維的進一步提升和改善提供有力支持。4.2 數字孿生技術 4.2.1 數字孿生技術概述 在當今這個快速發展的科技時代，隨著使用需求的提升，建筑日漸出現復雜化、智能化的趨勢。為了緩解傳統建筑運維

69、方式存在效率地下、反應滯后、維護成本高等問題，數字孿生技術作為數字化創新的一個重要方面，在建筑運維階段的應用逐漸受到關注，以期獲得更高效、智能和可持續的解決方案。數字孿生技術基于精細的物理模型、依靠傳感器的實時更新，同時還集成了豐富的歷史和實時數據，構建一個與真實建筑相對應的虛擬模型，為我們提供了一個觀察、理解和模擬現實世界的全新視角。這個虛擬模型不僅可以模擬建筑物的運行狀態，還可以對建筑物的性能進行實時監測、預測和優化。數字孿生通常包括物理實體、數字模型和數據映射。物理實體，顧名思義，是指代現實世界中的實體，例如機器、設備、工廠等。數字模型則是通過物理模型定義，對物理實體在虛擬的數字世界中進

70、行復刻的復制品。而數據映射則指代講現實世界中的物理實體數據與數字模型相互關聯，以保持模型的準確性和實時性。數字孿生技術可以在虛擬空間中完成映射，反應相對應的實體的全生命周期，實現虛擬對象和現實對象之間的交互映射。目前數字孿生技術已經在電力設備模擬、優化制造工藝流程、以及智慧城市領域有廣泛的應用。具體在建筑行業，數字孿生技術也有相對廣泛的應用，有助于提高建筑運維的效率和質量。1 36 圖 4-5 數字孿生技術建筑運維應用圖 4.2.2 數字孿生技術在建筑運維中的應用 數字孿生技術在建筑運維階段的應用可以包括以下幾個方面：（1）設備運行控制 數字孿生技術可以對建筑內的空間設備狀態進行實時監控感知，

71、并可以基于需求分析，對響應的設備進行運行控制，有助于實現對于建筑內環境品質需求的及時響應。（2）設備監控和維護 數字孿生技術可以對建筑物內的各種設備進行實時監控，收集設備運行狀態數據，分析設備性能，預測設備故障，并提供相應的維護建議。這有助于運維人員及時發現并解決問題，減少設備故障對建筑物運行的影響。（3）能源與碳排放管理 數字孿生技術可以實時監控建筑物的能源消耗情況，分析能源使用效率，提出節能建議。通過優化能源使用，可以降低建筑物的能源成本，減1 37 少對環境的影響，提高低碳智慧建筑的運行效益。（4）風險管理 數字孿生技術可以實時監控建筑物的安全狀況，包括消防、安防等方面。通過實時分析和預

72、測可能出現的安全隱患，及時采取相應的措施，可以提高建筑物的安全性，保障人員生命財產安全。（5）空間管理 數字孿生技術可以對建筑物的空間布局進行模擬和優化，提高空間利用效率。同時，通過對人員流動、空間使用情況的實時監控，可以更好地滿足用戶的需求，提高用戶滿意度。（6）可視化運維 數字孿生技術基于 BIM 模型的三維數據進行展示和渲染，實現物理建筑的數字化展現，達到更好的可視化管理效果。運維管理人員可以實時監測建筑物的運行狀態，預測可能出現的問題，并采取相應的措施進行預防和維護。數字孿生使運維變得更加直觀、高效。建筑設計階段主要利用數字孿生技術對所設計的建筑設計方案進行模擬和優化，以獲得更好的設計

73、方案?？傮w來說一種在虛擬世界中對數字模型的對比和優化的過程。而建筑建造階段主要利用數字孿生技術的可視化能力，管理工程進度，確保建造的結果與設計方案的一致性?？傮w來說是把虛擬世界中的數字模型“帶入”現實世界的過程。相比于建筑設計和建造階段，建筑運維階段對數字孿生技術的應用提出了更多要求。在建筑運維階段，由于建筑已經完成建造，因此需要利用數字孿生技術1 38 實現把現實時間中的物理實體數據在虛擬世界中完成數字模型的搭建，并通過物聯網體系“感知”現實世界的狀態。同時，基于對歷史信息的復盤、當前實時信息的檢測分析，實現對建筑未來狀態的預測，并且基于預測對上述各應用領域提供優化策略。而這些策略又需要通過

74、物聯網體系或人工操作實際作用到現實世界中，并對物理實體產生影響。而這種物理實體的變化也需要通過物聯網系統或其他渠道同步變更虛擬世界中的數字模型，實現現實世界與虛擬世界的一致?？傮w來說一種在虛擬世界與現實世界全量、高頻的雙向同步過程。圖 4-6 數字孿生技術可視化運維 總的來說，數字孿生技術在建筑運維階段的應用，可以提高建筑物的運行效率、降低運營成本、增強安全性、提高用戶滿意度等方面的好處。對于低碳智慧建筑來說，數字孿生技術的應用可以更好地實現節能減排、資源利用和環境保護的目標，推動低碳智慧建筑的發展。4.2.3 數字孿生技術未來發展方向（1）數據集成與融合 1 39 隨著物聯網、大數據等技術的

75、不斷發展，數字孿生技術將更加注重數據的集成與融合。通過構建統一的數據平臺，實現多源異構數據的集成和融合，可以進一步提高數字孿生模型的精度和可靠性。同時，數據集成與融合還可以為建筑運維提供更加全面、準確的信息支持，促進運維決策的科學化和智能化。（2）智能化分析與決策 智能化分析與決策是數字孿生技術的核心優勢之一。未來，隨著人工智能、機器學習等技術的不斷進步，數字孿生技術將能夠實現更加智能化的分析和決策。通過對歷史數據和實時數據的挖掘和分析，可以發現建筑物運維過程中的規律和趨勢，為運維決策提供有力支持。同時，智能化分析與決策還可以實現對建筑物運維過程的自適應調整和優化，提高運維效率和安全性。（3）

76、虛擬化與增強現實 虛擬化與增強現實技術是實現數字孿生的重要手段之一。未來，隨著虛擬現實、增強現實等技術的不斷發展，數字孿生技術將能夠實現更加逼真的虛擬化和增強現實應用。通過構建高度逼真的虛擬模型，可以更加直觀地展示建筑物的運維狀態和運行過程，為運維人員提供更加直觀、便捷的管理和監控手段。同時，虛擬化與增強現實技術還可以用于建筑設計和施工階段的模擬和優化，提高建筑質量和效益。（4）邊緣計算與云計算的結合 邊緣計算與云計算的結合是未來數字孿生技術發展的重要趨勢之一。通過將計算任務分散到邊緣設備和云端服務器，可以實現更加高效、靈活的計算和存儲資源利用。這不僅可以提高數字孿生技術的處理能力和響應速度，

77、還可以降低運1 40 維成本和能耗。同時，邊緣計算與云計算的結合還可以提高數據的安全性和隱私保護能力，保障建筑運維過程的安全和穩定。4.2.4 數字孿生技術創新發展關鍵問題及建議 4.2.4.1 數字孿生技術創新發展關鍵問題 數字孿生技術創新發展面臨的關鍵問題主要包括如下幾個方面。（1）物理模型定義 數字孿生技術的基礎是建立一套可以表達現實世界中物理實體的精細物理模型。在建筑運維過程中，會涉及土建結構、建筑、暖通、強電、給排水、消防、照明、弱電、電梯、燃氣等等專業相關的空間、設備實體，而且基于不同的建筑功能/業態，還會涉及更多專業性的物理實體。因此，建立一套完善的物理模型定義將是實現一個高效的

78、數字孿生的前提條件。1 41 圖 4-7 數字孿生技術物理模型 （2）數據采集與整合 數字孿生技術的核心在于數據的收集與整合。在建筑運維階段，需要采集各種傳感器、設備、系統生成的大量數據，并進行有效整合。然而，在實際操作中，由于建筑內部設備種類繁多、數據格式不統一等原因，數據采集與整合成為了一大難題。（3）數據安全與隱私保護 數字孿生涉及大量數據，包括實時傳感器數據和模型。確保這些數據的安全性和隱私保護是一個重要挑戰。如何確保數據在傳輸、存儲、處理過程中的安全，防止數據泄露和濫用，是數字孿生技術在建筑運維階段需要解決的關鍵問題之一。（4）模型的實模一致性與實時性 數字孿生技術的核心在于構建一個

79、高精度、高實時性的數字模型。然而，在1 42 實際應用中，由于建筑結構的復雜性、設備故障等因素，模型的實模一致性和實時性往往難以保證。這將對建筑運維的決策和預測產生重要影響。（5）人才短缺與培訓 數字孿生技術的應用需要專業的技術人才支持。然而，目前市場上具備相關技能和經驗的人才相對短缺，且培訓成本較高。因此，如何培養和吸引具備數字孿生技術的人才，成為了建筑運維階段面臨的一大挑戰。4.2.4.2 數字孿生技術創新發展建議（1）制定統一的數據標準與規范 為了解決數據采集與整合的問題，建議制定統一的數據標準和規范。這包括明確數據格式、傳輸協議、存儲方式等，以確保各系統之間的數據能夠順暢流通和整合。同

80、時，可以考慮建立專門的數據管理平臺，對數據進行統一管理和維護。（2）加強數據安全保障措施 針對數據安全與隱私保護問題，可以采取以下措施：首先，加強數據加密和訪問控制，確保只有授權人員能夠訪問敏感數據；其次，定期進行數據安全檢查和漏洞掃描，及時發現和修復安全隱患；最后，建立健全的數據安全管理制度和應急預案，以應對可能的數據泄露和濫用風險。（3）提高模型精度與實時性 為了提高數字孿生模型的精度和實時性，可以從以下幾個方面入手：首先，優化傳感器布局和設備選型，確保數據采集的全面性和準確性；其次，利用機器學習、深度學習等先進技術對數據進行預處理和分析，以提高模型的預測能力；1 43 最后，加強與設備廠

81、商的合作與溝通，及時了解設備運行狀態和故障信息，確保模型的實時更新和調整。（4）加強人才培養與培訓 為了解決人才短缺與培訓問題，可以采取以下措施：首先，加強與高校、研究機構的合作與交流，共同推動數字孿生技術的研究與發展；其次，制定詳細的人才培養計劃和培訓課程體系，提高員工的數字孿生技術應用能力；最后，建立激勵機制和職業發展路徑，吸引更多的人才加入數字孿生技術領域。數字孿生技術在建筑運維階段的應用具有廣闊的前景和巨大的潛力。然而，在實際應用中仍需注意數據采集與整合、數據安全與隱私保護、模型精度與實時性、人才短缺與培訓等關鍵問題。針對這些問題，報告提出了制定統一的數據標準與規范、加強數據安全保障措

82、施、提高模型精度與實時性、加強人才培養與培訓等對策建議。通過實施這些對策，可以進一步推動數字孿生技術在建筑運維階段的應用和發展。隨著技術的不斷進步和應用場景的不斷拓展，數字孿生技術在建筑運維領域的應用將更加廣泛和深入。未來，我們可以期待數字孿生技術在以下幾個方面取得更大的突破和發展：首先，隨著物聯網、5G 等技術的普及和應用，數據采集和傳輸將更加高效和可靠；其次，隨著人工智能、機器學習等技術的不斷發展，模型的精度和實時性將得到進一步提升；最后，隨著社會對數據安全和隱私保護的重視程度不斷提高，數據安全保障措施將更加完善和成熟?？傊?，數字孿生技術在建筑運維階段的應用面臨著諸多挑戰和機遇。只有通過不

83、斷的研究和實踐，才能充分發揮數字孿生技術的優勢和作用，為建筑運維領1 44 域帶來更多的創新和變革。4.3 數據挖掘技術 4.3.1 數據挖掘技術概述 4.3.1.1 無監督學習 無監督學習不依賴于標簽數據，而是通過探索數據本身的結構和模式來發現數據中的隱藏信息，適用于沒有明確目標標簽或者在探索性數據分析階段的應用場景16。聚類是在建筑運管階段最常見的無監督學習任務，它將數據點分組成多個簇，使得同一簇內的數據點相似度較高，而不同簇之間的數據點相似度較低。聚類分析在建筑運營管理中的應用主要體現在對建筑使用模式的識別和能源消耗的優化上17。通過對建筑內部不同區域的使用頻率、能耗模式等數據進行聚類，

84、管理者可以識別出高耗能區域和低耗能區域，進而制定針對性的能源管理策略；聚類分析還可以用于識別建筑內部的人流熱點，從而優化空間布局和服務設施配置，提高建筑的使用效率和用戶滿意度。異常檢測也是常見的無監督學習任務之一，其在建筑運營管理中的作用是識別出與正常模式不符的異常情況，從而及時發現和預防潛在問題。例如，異常檢測算法可以通過分析建筑的能耗數據來識別能耗突增的異常事件，也可以通過分析監控畫面中的人流動態、行為模式來識別出可能出現的大規模室內熱擾。無監督學習的另一個常見應用是典型模式識別，它的側重點在于從設備運行數據、歷史能耗數據、環境與人流量監測數據等信息中提取規律性和周期性的波動模式，可以幫助

85、建筑運維人員充分了解建筑運1 45 行過程中的各類關鍵特征，實現運維成本的降低和運行性能的提升18。4.3.1.2 監督學習 監督學習是數據挖掘技術中最廣泛使用的方法之一，其核心思想是通過分析帶有標簽的訓練數據來訓練模型，使其能夠學習輸入特征與輸出標簽之間的關系，并在未見過的數據上進行預測或分類16。這些標簽可以是類型標簽，如區分人員熱舒適投票等，也可以是連續數值，如預測建筑負荷、室內溫濕度數值等。常見的監督學習算法，如隨機森林等樹結構模型、多層感知機等，在類型標簽預測和連續數值預測的任務中都有廣泛的應用。對于類型標簽預測，以人員熱舒適投票預測為例，監督學習算法可以利用歷史的室內環境參數和用戶

86、舒適度反饋數據，構建分類模型來預測不同用戶群體對室內環境的舒適度感知評級，從而為建筑運營管理提供舒適度調節的參考依據。對于連續數值預測，監督學習算法可以結合歷史能耗數據、氣象數據以及建筑運行參數等信息對未來時間段的建筑能耗進行準確預測，或結合傳感器采集的溫度、濕度、CO2濃度等室內環境參數和用戶舒適度反饋對測室內環境質量進行實時、逐時等不同時間粒度的預測，此外監督學習算法也可以基于設備實時運行參數、維護記錄、室內負荷等信息構建設備故障預測模型，提前識別設備可能出現的故障，并采取預防性維護措施。4.3.1.3 優化算法 優化算法旨在通過系統性的搜索和分析，找到問題的最優解或近似最優解。在建筑運營

87、管理中，優化算法的應用涵蓋了多個方面，包括能源管理優化19、室1 46 內環境優化20、以及空間利用優化21等。這些優化技術在提高建筑運營效率、降低成本、改善用戶體驗等方面發揮著重要作用。在能源管理優化任務中，優化算法可以通過分析歷史能耗數據、氣象數據、建筑結構特征以及用戶行為模式等信息，建立能源消耗預測模型，進而優化能源系統的運行策略。例如，利用基于遺傳算法或粒子群優化算法的能源管理系統，可以根據實時的能源需求和成本情況，自動調整供暖、制冷、照明等設備的運行模式和能耗策略，實現能源消耗的最小化。室內環境優化是確保建筑高性能運行的關鍵人物。通過優化算法結合傳感器監測數據和用戶反饋信息，可以實現

88、對室內環境參數的實時監測和調節，以提供舒適的工作和生活環境。例如，利用基于模糊邏輯控制或強化學習算法的室內環境優化系統，可以根據不同的季節、天氣和用戶需求，智能地調節空調、通風、照明等系統，最大化舒適度并降低能源消耗?？臻g利用優化是建筑管理中的另一個關鍵領域。通過優化算法分析建筑空間使用數據和需求，可以實現對空間布局和資源配置的優化22。例如，利用基于線性規劃或模擬退火算法的空間規劃系統，可以最大化利用可用空間，優化辦公區域的布局和分配，提高空間利用率和工作效率。4.3.2 數據挖掘技術在建筑運維中的應用 4.3.2.1 性能參數時空特征識別 在建筑運營管理中，針對性能參數的時空特征識別是一項

89、關鍵任務，它涉及到對建筑內部環境、設備運行、能源消耗等方面的時空特征進行準確識別和分析1 47 23。聚類分析、時間序列分析、關聯規則挖掘等常見的數據挖掘算法與技術，可以有效地應用于性能參數時空特征識別。例如，對于溫度、濕度等室內環境質量參數，可以采用 K 均值等聚類方法將建筑內部的不同區域劃分為不同的溫濕度特征區域，從而識別出不同區域的時空特征，進而開展“部分時間、部分空間”的針對性環境營造18。時間序列分析則可以用于從性能時空參數中提取趨勢、周期性和季節性等特征，例如，可以采用移動平均法或指數平滑法分析能耗數據的趨勢變化，識別出不同時段的能耗特征，從而為建筑能源管理提供依據。關聯規則挖掘算

90、法則可用于發現不同性能參數之間的關聯性。例如，可以分析溫度、濕度和能耗之間的關聯規則，發現不同溫濕度條件下的能耗變化規律，從而在室內環境質量滿足人員熱舒適需求的前提下指導建筑運行策略的優化。圖 4-8 室內環境參數時空特征識別18 4.3.2.2 系統設備故障診斷 系統設備故障診斷能夠及時準確地識別和預測設備故障，有助于降低維修成1 48 本、提高設備可靠性和延長設備壽命，是建筑運營管理中至關重要的一環24。分類算法、聚類算法、異常檢測算法等數據挖掘手段也可以有效地應用于系統設備故障診斷。分類算法可用于在系統設備故障診斷任務中對設備運行數據進行分類，判別出不同類型的設備所屬的運行狀態。例如，可

91、以采用決策樹算法對設備運行數據進行分類，根據不同的特征屬性，判斷設備是否處于正常狀態、預警狀態或故障狀態。聚類算法同樣也可用于系統設備故障診斷，即對設備運行數據進行聚類分析，發現數據中的規律性和異常模式。例如，可以采用 K 均值聚類算法對設備傳感器數據進行聚類，識別出設備的各類典型運行模式以及頻繁出現的運行趨勢，從而判斷設備是否存在異?；蚬收?。此外，異常檢測算法也可對設備運行數據進行診斷。例如，可以采用孤立森林算法對設備運行數據進行異常檢測，發現數據中的異常模式，進而識別出設備可能存在的故障。圖 4-9 系統故障診斷的工作流程示意圖 4.3.2.3 建筑環境/負荷/能耗/人行為預測 建筑環境、

92、負荷、能耗和人行為的預測是建筑運營管理中的關鍵任務，精準1 49 的預測可以為建筑運營管理提供基于數據驅動的決策支持，促進建筑可持續發展和智能化管理，實現建筑節能降碳、室內環境優化、用戶體驗提升的良性循環。數據挖掘技術在建筑環境、負荷、能耗和人行為的預測中具有重要的應用價值。建筑結構、設備配置、使用方式等建筑特征信息，環境參數、負荷需求、能耗情況和人員行為等信息的歷史數據，天氣、季節、節假日等影響建筑運行的外部因素，均可以用作針對建筑環境、負荷、能耗和人行為開展預測的輸入變量。由于建筑環境參數、運行負荷及能耗信息多為連續型數據，因此開展預測時通常需要構建回歸模型，例如，可以利用數據驅動模型建立

93、建筑能耗預測模型，考慮建筑結構、氣候條件、使用時間表等因素，預測未來一段時間的能耗量25。在人員行為預測任務中，則可以利用分類算法對人員行為數據進行分析和預測，例如，可以采用決策樹分類算法對人員活動行為進行分類，根據不同的活動特征和歷史數據，預測未來時間段內的人員活動模式。此外，在建筑運營管理中，多種時間序列預測方法也可以通過挖掘趨勢、周期性和季節性等特征實現對環境參數、負荷需求、能耗數據和人員行為的預測，例如，可以采用 ARIMA 模型對建筑負荷需求進行預測，根據歷史負荷數據的趨勢和季節性特征，預測未來時間段的負荷需求，如圖 4-10。1 50 圖 4-10 基于 ARIMA 模型的建筑能耗

94、實時動態預測42 4.3.2.4 運行策略優化 數據挖掘技術的應用，特別是優化算法，可以實現對建筑運行策略的精細調控和優化，從而提高建筑的運行效率和性能26。從方法上看，遺傳算法、粒子群優化、模擬退火等優化算法是數據挖掘技術實現建筑運行策略優化的關鍵部分。遺傳算法是一種模擬生物進化過程的優化算法，通過模擬基因的變異、交叉和選擇等操作，找到問題的最優解。在建筑運行策略優化中，可以利用遺傳算法優化建筑的能源管理策略，通過調整設備運行參數和能源供給方案，實現能耗的最小化或成本的最優化。粒子群優化算法模擬了鳥群或魚群中個體之間的協作和信息共享，通過迭代更新群體中各個個體的位置和速度，找到最優解。粒子群

95、優化算基于臨近距離的離群點檢測冬季夜間蓄熱工況夏季日間供冷工況基于決策樹的空調系統運行模式識別與診斷基于時間序列聚類的照明能耗動態診斷7008009001000110012001300140015001600110192837465564738291100109118127136145154163172181190199建筑逐小時能耗(kWh)實際測試能耗值5.引入三參數預測結果基于ARIMA算法的建筑能耗實時預測1 51 法可以用于對多個建筑參數進行調整，以實現運行效率和性能的最優化。例如，可以利用粒子群優化算法優化建筑的照明控制策略，根據不同時間段和區域需求調整照明設備的亮度和工作模式。模

96、擬退火算法則是一種模擬金屬退火過程的優化算法，通過隨機搜索和接受概率來尋找問題的全局最優解，模擬退火算法可用于在運行策略優化任務中對復雜的決策空間進行搜索，找到最優的運行策略，例如，可以利用模擬退火算法優化建筑的室內溫度控制策略，根據用戶需求和外部環境條件，調整空調設備的運行參數，實現室內舒適度和能效的平衡。4.3.3 數據挖掘技術未來發展方向 數據挖掘技術在建筑運營管理階段的應用正隨著技術的發展而不斷演進。新的研究趨勢和高新技術的出現，使得建筑運營更加智能化、高效化。首先，隨著建筑運管數據源的多樣化和增加，廣域多源異構數據的融合分析已成為新的趨勢29。通過整合建筑設備運行數據、室內環境參數、

97、能源消耗數據等多源數據，利用數據挖掘技術進行深度分析和挖掘，發現數據之間的關聯性和規律性，為建筑運管決策提供更全面的支持。例如，將建筑設備運行數據與室內環境數據結合，利用數據挖掘技術發現設備運行與室內溫濕度之間的關系，優化設備運行策略，提升能效和舒適度。其次，作為一種新興數據挖掘技術的代表，深度學習、強化學習也開始被應用于圖像識別、序列數據分析、建筑運行策略優化等任務之中。深度學習技術具有處理復雜非線性關系和大規模數據的能力，例如，卷積神經網絡（CNN）等深度學習可以用于自動識別視頻監控中的人員時空分布30，循環神經網絡（RNN）1 52 在處理時間序列數據方面的優勢則使其能夠更加精準地預測建

98、筑能耗和負荷，從而優化能源使用31。強化學習的優勢在于可以在復雜、動態的環境中進行決策優化，并且具有較強的適應性和自適應性。強化學習在與環境交互學習的過程中構建和訓練智能體，使得智能體能夠根據環境的反饋不斷優化其決策策略，以達到最大化累積獎勵的目標，從而實現最優化控制32。強化學習可以用于建筑能源管理策略的優化，智能體可以學習根據實時能源數據和環境變化調整能源供給策略，以達到能源利用最優化的目標。例如，智能體可以學習根據室內溫度、光照等環境參數調整空調和照明設備的運行模式，實現節能和舒適度的最優平衡。同時，強化學習也可以用于建筑設備的智能調度和運行控制，通過訓練智能體學習不同工況下的設備運行狀

99、態和負荷需求，可以使其自發探索制定除最優的設備調度策略，以提高設備利用率和降低能耗。4.3.4 數據挖掘技術創新發展關鍵問題及建議 數據挖掘技術在建筑運營管理階段的應用帶來了顯著的效益，但同時也面臨著一些關鍵問題，例如數據質量、模型可解釋性和模型泛化能力這三個關鍵問題。首先，隨著 5G、物聯網等技術的飛速發展，建筑運行管理已進入海量數據時代，但多源異構、噪聲與缺失等問題也極大程度地干擾了數據挖掘技術在建筑運管階段的落地應用。數據的廣域、多源、異構屬性可能導致決策不一致或沖突，應采用各類數據融合技術來提高數據的一致性和準確性。數據的完整性則是保證數據挖掘結果準確性的基礎。例如，在建筑能源管理任務

100、中，如果能耗數據存在缺失，可能導致能源消耗分析不準確。建議采取噪聲去除、缺失值插補、平滑異1 53 常點和數據標準化等手段進行徹底的數據清洗和預處理，確保良好的數據質量。其次，數據挖掘技術的黑箱屬性是其推廣過程中的為人詬病的一大缺陷，這就對數據驅動模型的可解釋性分析提出了新的要求。模型的透明度能夠幫助管理者理解模型的決策過程和推薦原因，在可能的情況下，建議優先選擇可解釋性較強的模型，如決策樹和線性回歸。對于復雜的模型，則可以使用特征重要性分析來解釋模型的決策依據12，或利用 LIME（局部可解釋模型-不透明模型）和 SHAP（Shapley Additive exPlanations）等模型解

101、釋工具，為復雜的模型提供可靠的可解釋性分析結果。最后，基于有限量既有數據擬合的數據挖掘算法能否在未來可能出現的各類建筑運管場景中均展現出優異的性能也是數據挖掘技術在推廣過程中面臨的一個關鍵問題，這也是對模型的泛化能力提出的重要考驗。模型需要能夠適應不同的環境條件和變化，因此建議在訓練階段使用交叉驗證、正則化等方法來評估模型的泛化能力，確保模型在不同的數據子集上都有良好的表現，或采用Bagging、Boosting 和 Stacking 等集成學習方法，結合多個模型的預測結果，提高模型的穩定性和泛化能力；在條件允許的情況下，也建議進行持續監測和調優，定期對模型進行評估和驗證，及時發現并解決模型泛

102、化能力下降的問題，保證模型在不同數據集和場景下的穩定性和可靠性。1 54 圖 4-11 利用 SHAP 值對模型各項參數的重要性進行評估28 4.4 能源微網技術 4.4.1 能源微網技術概述 隨著我國經濟社會的飛速發展，能源需求大幅增加，化石燃料的大規模使用釋放了大量溫室氣體，導致氣候形勢日益嚴峻，低碳發展成為應對氣候變暖問題的必由之路。在國家“雙碳”政策的背景下，太陽能、風力發電等分布式的清潔能源得到了大力發展33。然而，分布式能源的隨機性和波動性具有不可控性，且大規模應用及接入給傳統電網帶來巨大的挑戰及沖擊?；诖?，能源微網技術應運而生，解決了分布式能源靈活、數量大、多樣性的并網問題，并

103、且該技術能夠利用多種能源形式對負荷進行可靠供給，是實現主動式配電網的一種有效方式，促進傳統電網向智能電網的發展。隨著能源微網技術的發展與完善，其已成為能夠容納更多可再生能源，實現電力系統凈零排放的關鍵解決方案。微電網由小型新型發電裝置、負載、儲能元件和能源管理單元組成，是一種自主可控的小型電力系統，可以在特定區域內以隔離電網或連接電網的模式運行，如圖 4-12 所示。1 55 不同地區的發電方式可以按照當地的資源特點，建立以多種可再生能源為主體的能源供應系統，實現可再生能源的就地消納。目前得到較廣泛應用的有風、光、沼、潮汐能，其中以風光為主34。然而，基于可再生能源的微電網具有波動和間歇性發電

104、的特征。為了緩解這類問題，在微網中引入了儲能系統，以達到平衡電網運行功率的目的，提高了微網的穩定性。電池儲能具有能量密度低、響應快的特點，其更適合短期儲能和調節。儲氫系統適用于長期儲存能量的微網。此外，混合氫電池能量存儲技術作為一種由可變可再生能源發電主導的可靠、可持續的微電網構建的一部分，可以滿足特定的技術，經濟和環境目標?；谖㈦娋W的混合氫電池系統可以以并網模式管理，微電網可以向主電網購買或出售電力35。能源微網具有自主運行的能力，可以根據不同的需求和情況靈活調整運行模式，提高了電力系統的適應性和韌性。1 56 圖 4-12 能源微網技術示意圖 此外，能量管理單元作為能源微網技術的控制系統

105、，可以通過管理和協調可調度分布式發電機、能量存儲、微電網之間的能量交易以實現電力供需平衡并減少消費者不滿，其在實現電網的穩定和經濟運行方面具有首要重要性，如圖 4-13 所示。同時，能量管理單元還可以通過需求側管理技術改變負荷的運行模式響應電網的需求。需求側管理技術是一種通過調整終端用戶的能源消耗行為來實現能源需求與供給之間平衡的技術手段。它包括對用戶能源消費行為的監測、分析和調控，以實現能源資源的合理利用、降低能源消耗成本、優化能源系統運行，同時提升能源利用效率和環境友好性。通過需求側管理技術，可以實現能源的智能化調度和靈活性響應，滿足不同時間段和場景下的能源需求，促進能源微網系統的可持續發

106、展36。1 57 圖 4-13 能源管理系統示意圖 綜上所述，能源微網的發展背景及技術內涵彰顯了能源系統朝著清潔、高效和智能的方向不斷演進的趨勢。作為一種新型的電力系統模式，能源微網技術的應用將為建筑電力系統的可持續發展提供新的解決方案，有望在未來成為建筑能源領域的重要發展方向之一。4.4.2 能源微網技術在建筑運維中的應用 能源微網技術作為一種新興的能源系統模式，在建筑運維中的應用正在逐漸展現其巨大潛力。通過整合可再生能源、儲能設備和智能控制系統，能源微網為建筑提供了更加靈活、可靠和高效的能源管理方案。能源微網技術在建筑運維中的核心應用表現為以下三個方面：（1）能源供需兩側的管理與優化 能源

107、微網技術通過整合多種能源來源，包括太陽能、風能、傳統電力網絡等，實現了對建筑能源供應的多樣化和互補。根據建筑的實際能源需求和供應情況，合理調配各種能源資源的使用。通過智能控制系統對太陽能光伏板、風力發電機1 58 等能源設備的發電情況以及建筑的能耗進行實時監測和分析，建筑運維人員可以了解建筑能源消耗的情況和能源供應的狀況，及時發現和解決能源浪費的問題，提高了建筑能源利用效率，如圖 4-14 所示。在滿足最基本的供需能耗匹配的基礎之上，能源管理系統根據不同的運行目標，優化調度系統的供需運行策略，實現降低運行成本、提高可再生能源消納率等多層面的目標。此外，能源管理系統可以進一步的削減、轉移供需兩側

108、的柔性資源，實現建筑與電網的友好互動。例如，能源管理系統在電價較低時打開空調系統，提前進行預冷、預熱，在電價高時關閉或者降低空調的運行功率，起到削峰填谷的作用。能源管理系統還可以對洗碗機、洗衣機和滾筒式烘干機進行集中管理，在不影響用戶的情況下，轉移這些設備到電價較低時期，緩解電網的供電壓力。圖 4-14 能耗與碳排放監測平臺示意圖（2）能源儲存與管理 能源微網技術通過合理配置和管理建筑內部的儲能設備，實現對能源的儲存1 59 和調度，保障了能源供應的穩定性和可靠性，為建筑運維提供了強大的支持。能源微網系統中的鋰離子電池等儲能設備，一方面可以用于存儲過剩的太陽能和風能，在太陽能、風能不足時進行放

109、電；另一方面在電網電價低谷時，儲能設備進行充電，在電網電價高峰時段，儲能設備進行放電。在智能控制系統的管理下，這些儲能設備可以根據建筑的能源需求和供應情況進行自動的充放電，滿足了供需雙向的協同匹配。建筑內部的儲能設備也可以作為應急備用電源，以應對突發的停電或電力系統故障。一旦主電源失效，能源微網系統可以自動切換至備用電源，保障建筑內關鍵設備和系統的持續運行，確保生產和生活不受影響。此外，隨著固定電池成本的下降、電動汽車的普及，固定電池和電動汽車逐漸能夠成為建筑物中最主要的電力存儲設備。電力系統中常用的電能存儲類型如表 4-1 所示。目前主流的儲能電池有鋰離子電池、鉛酸電池、鈉硫電池等，其中鋰離

110、子電池是廣泛應用的電池。此外還可應用如抽水蓄能、壓縮空氣儲能、飛輪儲能等方式代替化學電池39，但在建筑層面應用時需要考慮實際效果。同時，在建筑物中應用固定電池時需要考慮固定電池的容量及壽命，以更好地服務于能源微網的供需協同調度。表 4-1 常用儲能裝置的技術指標 類型 最大功率(MW)放電深度為80%時的循環次數(1000)預期使用壽命(年)最大放電深度(100%)循環效率(%)全釩液流電10 1013 1520 100 7585 1 60 池(RFB)鋅溴 RFB 2 510 515 6070 7280 鉛酸電池 2070 24.5 515 6080 6590 鋰離子電池 10 1.54.5

111、 515 80100 8595 鎳鎘電池 40 22.5 1020 80 6075 鈉硫電池 8 2.54.5 1015 8085 7590（3）微網互聯與智能協同 隨著分布式能源的大力發展，建筑角色從能源消費者向能源產消者進行了轉變，即利用分布式能源技術生產供自身使用能源的能源消費者。單個建筑在利用、調度分布式能源方面的潛力比較有限，能源微網技術的出現為建筑之間的合作提供了機會。在多個建筑產消者組成的能源微網中，單個建筑可以將本身多余的可再生能源共享給可再生能源發電量不足的其他產消者，如圖 4-8 所示。這種能源共享有助于提高建筑集群級的可再生能源自耗率，從而減少電網的用電量（由于可再生能源

112、利用率的增加）。研究結果表明40，即使是簡單的能源共享，也可以將光伏發電自耗電量提高 15%以上，當存在共享儲能時，光伏電力自用提升可達 29%。多個建筑之間可以通過能源微網技術進行互聯，形成能源微網網絡。這些微網之間可以實現能源信息共享、能源互助和能源協同控制，提高能源的整體利用效率。通過智能化的協同管理，可以實現對微網系統的集中監控和調度，優化能源供應策略，降低能源成本，提高能源系統的穩定性和可靠性。1 61 圖 4-15 能源微網技術在建筑群中的應用示意圖 4.4.3 能源微網技術未來發展方向 能源微網技術的發展將深刻地影響低碳智慧建筑的運維，未來兩者的進一步結合將積極推動建筑行業低碳化

113、、智慧化的發展。以下將從幾個關鍵方向展開，探討能源微網技術在建筑智慧運維中的未來創新發展方向。（1）基于機器學習算法的能源微網系統運行狀態的實時預測 能源微網系統運行狀態的預測有助于運維人員實時了解系統的健康狀態。然而，實時預測的前提是對能源微網系統建立一套全面、科學的評價指標體系。能源微網是一個非常復雜的系統，其整體性能的好壞受到許多因素的影響。我們要全面、科學、客觀地考慮影響能源微網系統運行狀態的各個要素，選取合適的評價指標和評估方式，構建能源微網系統運行狀態的評價指標體系，滿足能源微網系統運行狀態多方面評估的需求。在此基礎之上，選擇合適的機器學習算法對微1 62 網系統運行狀態的數據進行

114、訓練并對系統運行狀態進行時序預測，從而實現對未來能源微網系統運行狀態實時掌控的目標，及時避免事故、損失的發生。（2）運用博弈論打造能源微網系統多方利益平衡的生態體系 我國能源微網系統的發展還處于初級階段，在實際的運行過程中存在著電力市場機制不夠健全、能源交互阻礙較多等問題。在此狀態下，系統的利益相關方無法獲得平衡的收益；建設方也難以發揮能源微網系統負荷調控靈活以及用能成本低等優勢，無法實現其規?；l展。隨著分布式能源的發展，其逐漸成為能源微網系統的售電主體，市場中的各主體之間產生了更加復雜的利益關系。如何平衡電源側、微網側、負荷側、儲能側中各主體利益使其更好地在智能微網中運行是未來研究發展的方

115、向。能源微網系統的整體優化運行屬于多目標規劃問題，而博弈論是一種先進的最優決策理論，它主要用于研究多個主體如何進行優化決策的問題41，對于分布式能源的調度管理、系統中各方主體的利益分配都能夠做出合理的決策，對于未來能源微網系統多方的利益平衡具有重要的研究意義和實用價值。（3）構建不確定性環境下的能源微網系統的運行方案 能源微網系統的規劃和運行過程中存在著大量的不確定性信息。同時，這些不確定性信息來源眾多，包括：近遠期建筑負荷需求的不確定性、風光等可再生能源資源的不確定性、設備運行狀態的不確定性、設備投資等市場信息的不確定性，以及分布式電源與能源微網產業發展政策的不確定性。對于這些不確定性信息，

116、需要進行準確清晰地分析，否則會影響能源微網規劃和運行方案的適用性和經濟性。在我國，能源微網系統還處于初期階段，面臨著分布式電源成本高、技1 63 術經驗不足、市場機制不健全、政策調整等一系列挑戰。因此，不確定性環境下的能源微網規劃與運行方案的研究顯得尤為重要。在滿足系統安全可靠運行的前提下，為多種分布式能源的接入提供解決方案，實現多種用能需求下的能源微網系統的優化運行目標，更好地服務于微電網投建與運營主體和政策制定者。綜上所述，能源微網技術和建筑運維進一步的創新融合，能夠提升能源利用效率、優化建筑運營管理、提高建筑舒適度和安全性、極大地促進建筑行業朝向高效、節能、低碳方向的發展。4.4.4 能

117、源微網技術創新發展關鍵問題及建議 隨著能源微網技術在建筑領域的應用，低碳建筑運維管理技術逐漸朝向智能化、自動化、高效化發展。然而，在能源微網技術創新發展的過程中，我們也面臨著一些關鍵問題需要解決和應對。（1）多場景智能控制與優化算法的開發 隨著分布式能源、需求側主體的增加，單一場景的智能控制與優化算法無法滿足能源微網系統的調度運行。建議開展針對不同場景和需求的算法研究，結合大數據分析和機器學習技術，開發出更加高效、靈活的智能控制算法，提高能源系統的自適應性和智能化水平。（2）智能計量與云計算技術的應用 微網能源系統調度運行的基礎是數據的計量與計算。因此，在建筑中利用能源微網技術需要加強對智能計

118、量和數據采集技術的應用，以實現對分布式能源發電量、建筑能源消耗的精準監測和管理。建議在能源微網系統中廣泛采用智能電1 64 表、傳感器和數據采集設備，實時監測微網系統各項能源數據，包括電力、熱量、水量等，為能源系統的優化調控提供準確的數據支持。同時，建議加強云計算技術在能源微網系統中的應用，以實現對能源數據的高效處理和分析。通過云計算技術，實現對大規模能源數據的集中存儲和處理，提高能源數據的處理效率和實時性。（3）安全性與可靠性保障問題 建筑是人們生活和工作的重要場所，對于能源供應的穩定性和可靠性有較高要求。此外，能源微網系統涉及到大量用戶能源數據的采集、傳輸和處理，而這些數據可能包含用戶的隱

119、私信息。因此，需要進一步強力保障系統的安全性和數據的隱私性。建議運用嚴格的設備訪問控制和加密通信技術，以防止未經授權的訪問和惡意攻擊。同時，建立備用設備和備用能源供應系統應對突發事件和設備故障，保障系統的連續運行；制定完善的應急預案和響應機制，以及定期的應急演練和培訓，提高系統運維人員的應急處理能力。（4）政策與標準的制定與推廣 需要加強政策與標準的制定與推廣，為能源微網技術的創新發展提供政策支持和規范引導。建議政府部門和行業組織加大對能源微網技術的政策扶持和標準制定力度，推動相關研發技術的應用和產業化進程。綜上所述，能源微網技術在建筑智慧運維領域的創新發展中，面臨著多場景智能控制與優化算法的

120、開發、智能計量與云計算技術的應用、安全性與可靠性保障問題、政策與標準的制定與推廣等關鍵問題。通過結合人工智能技術、物聯網技術以及新質生產力政策的指導，能夠有效地解決這些關鍵問題，推動能源微網1 65 技術在低碳建筑智慧運維領域的蓬勃發展。4.5 大模型技術 4.5.1 大模型技術概述 隨著信息技術的飛速發展，大數據和人工智能等技術在各行各業的應用越來越廣泛。其中，大模型技術以其強大的數據處理和分析能力，正在逐漸改變傳統的建筑運維模式。特別是在低碳智慧建筑領域，大模型技術的應用更是為建筑運維帶來了前所未有的機遇和挑戰。4.5.1.1 大模型的定義 大語言模型（LLM）是一種基于深度學習的神經網絡

121、模型，它使用大量的文本數據進行訓練，并能夠生成類似人類的文本。LLM 通常具有數十億到上萬億個參數，并且可以執行各種自然語言處理(NLP)任務。簡單來說，就是通過對海量數據的處理和分析，構建出一個高度精確的模型，從而實現對事物的精準預測和優化。在建筑領域，大模型技術主要應用于建筑設計、施工和運維等階段，通過分析和處理海量的建筑數據，提高建筑的設計效率、施工質量和運維水平。1 66 圖 4-16 典型大語言模型的模型架構 4.5.1.2 大模型的特點 大模型的特點包括以下三點：（1）能夠捕捉語言中的復雜模式和細微差別 由于 LLM 具有龐大的參數規模，它們能夠學習語言中的復雜模式和細微差別，從而

122、生成更加準確和流暢的文本。（2）能夠學習語言的各種用法 由于 LLM 的訓練使用了大量的文本數據，它們能夠學習語言的各種用法，從而能夠執行各種 NLP 任務。（3）能夠理解和生成類似人類的文本 LLM 能夠理解和生成類似人類的文本，這使得它們可以用于構建更加智能的 NLP 應用。1 67 4.5.1.3 大模型的發展歷程 大模型技術的發展歷程可以追溯到 20 世紀 50 年代，當時人們開始使用統計方法來進行語言建模。隨著計算機技術的進步，人們開始使用神經網絡來進行語言建模，并取得了一系列的成果。20 世紀 80 年代，Geoffrey Hinton 等人提出了反向傳播算法，這使得神經網絡的訓練

123、變得更加容易，并推動了語言模型的發展；20 世紀 90 年代，Bengio 等人提出了深度學習的概念，這使得語言模型能夠學習更加復雜的模式；21 世紀初，隨著互聯網上文本數據的爆炸式增長，語言模型的訓練數據變得更加充足，并使得語言模型的性能得到了大幅度提升；2010 年代，Google Brain 團隊提出了 Transformer 模型，這使得語言模型的性能再次得到了大幅度提升；2020 年代，隨著計算能力的不斷提升，大模型技術得到了快速發展，并開始在各種 NLP 任務中取得了令人矚目的成果。4.5.1.4 代表模型 OpenAI 的 GPT-3 和 GPT-4：GPT-3 是 OpenAI

124、 在 2020 年發布的大型語言模型，擁有 1750 億個參數，是當時世界上參數規模最大的語言模型。GPT-3 在各種 NLP 任務中都取得了 state-of-the-art 的成果，并引起了廣泛的關注。GPT-4 是 OpenAI 在 2023 年發布的最新一代語言模型，擁有 1.5 萬億個參數，是 GPT-3 的 10 倍。GPT-4 在各個 NLP 任務中都取得了進一步的提升，并能夠執行一些更加復雜的任務，例如進行推理和創造性寫作。Google AI 的 LaMDA 和 Bard：LaMDA 是 Google AI 在 2021 年發布的大型語言模型，專注于對話應用。LaMDA 可以進

125、行更加自然流暢的對話，1 68 并能夠根據上下文信息生成個性化的回復。LaMDA 的發布代表了對話式人工智能的重大進步，并有望在客服、教育等領域得到廣泛應用。Gemini是谷歌于2023年發布的大型語言模型，擁有 1.76 萬億個參數，是目前參數量最大的語言模型。Gemini 相比其他大預言模型進行了多項改進，包括提高了語言理解能力、提高了生成文本的質量和多樣性、增加了對多模態信息的處理能力等。Gemini 的發布標志著人工智能技術的又一次重大突破。圖 4-17 大模型的代表模型和代表應用 4.5.2 大模型技術在建筑運維中的應用 在建筑運維階段信息化和數字化管理存在著諸多問題。例如建筑運維工

126、作主要依靠人工操作，效率低下，成本高昂。建筑設施設備數據缺乏統一管理，難以實現互聯互通。建筑能源管理粗放，浪費嚴重。建筑安全事故頻發，安全隱患突出。建筑信息化建設滯后，難以滿足智慧建筑的需求。建筑運維存在的諸多問題為大模型技術的應用提供了良好的場景及載體。在1 69 建筑運維階段，大模型技術主要是指利用大數據和人工智能等技術手段，對建筑設備的運行數據、能耗數據等進行實時監測和分析，從而實現對建筑設備的精準預測和優化。這不僅可以提高建筑設備的運行效率，降低能耗，還可以提前發現并解決潛在的安全隱患，提高建筑的安全性和穩定性。低碳智慧建筑強調建筑在設計和運營過程中的低碳化、高效化和智能化。這不僅要求

127、建筑在設計階段就充分考慮節能、環保等因素，更要求建筑在運維階段能夠實現智能化管理，提高能源利用效率，降低運維成本。而大模型技術的應用，正是實現這一目標的重要手段之一，其應用價值主要包括：提高建筑運營效率。大模型技術通過自動化的數據處理和分析，可以實現對建筑運維過程的智能化管理。這不僅可以減少人工干預，降低運維成本，還可以提高運維效率，提升建筑的使用體驗。降低碳排放。大模型技術可以幫助建筑實現更精準的能耗管理和設備維護，從而降低能源消耗和設備故障率。這有助于減少建筑對環境的影響，推動低碳智慧建筑的發展。提升建筑安全管理水平。通過大模型技術對建筑安全數據的分析，可以及時發現并處理潛在的安全風險，提

128、升建筑的安全管理水平。這有助于保障人們的生命財產安全，增強建筑的社會責任感。雖然目前大模型技術尚未開始在建筑運維領域廣泛應用，但是本報告認為其應用場景至少可以包括以下方面。（1）建筑能耗管理 通過利用先進的大模型技術對建筑能耗數據進行全面深入的分析和研究。核心目標在于實現對建筑能耗的精準預測和高效優化管理。通過大模型的運用，我們能夠深入挖掘建筑能耗數據背后的規律和趨勢，將能夠1 70 有效提升建筑的能源利用效率，實現能源消耗的有效降低。這不僅為建筑業主和管理者帶來實實在在的經濟收益，同時也能夠有效減少對環境的不良影響，推動建筑行業向著低碳、智慧的方向發展。減少碳排放、降低能源消耗已經成為當前社

129、會發展的必然趨勢，而建筑能耗管理方案正是在這一背景下應運而生的重要舉措。（2）建筑設備維護 采用先進的大模型技術，通過實時監測和分析設備的運行數據，以預測設備的維護需求和可能的故障發生時間，從而實現設備的預防性維護。通過數據驅動的方法，提前識別設備的潛在問題，從而減少設備故障對建筑運維造成的負面影響，降低維護成本，并提高設備的運行效率。通過及時維護和管理建筑設備，我們能夠確保建筑設備的長期穩定運行，為建筑業主和用戶提供更可靠、安全的使用環境，推動建筑運維管理向智能化、高效化方向邁進。（3）建筑安全管理 充分利用先進的大型技術，通過對建筑安全數據的深入分析，實現對潛在安全風險的預測和及時處理安全

130、隱患的目標。結合各種數據，通過對建筑安全數據的持續監測和分析，提前發現潛在的安全風險點，及時采取相應的預防措施和處理措施，從而確保建筑的安全性能達到最佳狀態。通過大數據模型技術，能夠對建筑安全數據進行全面、深入的挖掘，識別出可能存在的安全隱患和風險因素。這將使建筑管理者能夠更加精準地制定安全管理策略和應對措施，有效提升建筑的整體安全水平，為居民和工作人員提供一個更加安全可靠的生活和工作環境。此外，還將有助于提升建筑的安全性能，保障1 71 人們的生命和財產安全，同時也將推動建筑安全管理向著智能化、高效化的方向發展。通過及時發現和處理安全隱患，能夠最大程度地降低安全事故的發生概率，減少可能造成的

131、損失和傷害。圖 4-18 建筑運維全場景（4）建筑數據管理 大模型技術的核心是數據，通過對建筑設備的運行數據、能耗數據等進行實時監測和收集，構建出一個高度精確的數據模型。這個模型不僅可以實時反映建筑設備的運行狀態和性能表現，還能夠預測潛在的故障風險，為運維人員提供及時的預警和決策支持。大模型技術能夠幫助運維人員更全面地處理數據，結合物理認知和專業知識，考慮運維工作對各數據的重視程度，從而進行更加精準的數據分析和決策制定。通過大模型技術的應用，建筑設備的運行效率和穩定性將得到顯著提升，為建筑運維工作帶來更高效和可靠的保障。（5）優化及決策 基于數據模型的分析結果，大模型技術能夠深入預測建筑設備未

132、來的運行狀態，并提前探測潛在問題的存在。這種技術在運維過程中的應用極1 72 為有效，能夠捕捉到運行中的微小變化，并細致地篩選出可能出現的問題。預測工作不僅限于 IoT 數據，還包括對圖片等多種模態信息的綜合利用，以評估未來某些問題發生的可能性。大模型技術可以結合數據分析和預測結果，根據實際需求和應用場景，為運維人員提供智能決策建議。這些建議可以幫助運維人員更好地管理建筑設備，提高設備的可靠性和安全性。大模型技術在建筑運維領域的應用具有巨大的潛力和優勢。其強大的自主學習能力使得模型能夠不斷優化自身，提高問答準確性和預測判斷能力。通過持續學習和優化，大模型技術能夠從過去的建筑運維經驗中汲取規律，

133、不斷提升自身的運維管理能力。這種自主學習的能力使得大模型技術能夠臨時替代甚至替代人來執行各種運維管理工作，為建筑運維工作帶來更高效、可持續和擴展性的解決方案。圖 4-19 大模型前饋策略模擬尋優 1 73 圖 4-20 大模型結合貝葉斯方法做故障診斷 4.5.3 大模型技術未來發展方向 4.5.3.1 模型優化與升級 隨著建筑運維數據量的不斷積累和技術的不斷進步，大模型技術在建筑運維領域的應用也迎來了新的機遇和挑戰。為了提高模型的預測精度和泛化能力，以適應更復雜的建筑運維場景，我們需要不斷優化和升級大模型技術。在優化語言模型的精準度方面，可以采取以下措施：精心設計提示詞，引導模型生成更符合目標

134、和語義的文本，提高模型表現；擴充專業知識向量庫，處理、篩選、轉化并入庫大量建筑運維相關知識，幫助模型更好地理解和預測建筑運維中的復雜情況。此外，還需要優化對各種算法模型應用的自組織處理流程，包括選擇對模型訓練有益的特征，提高模型效率和魯棒性；根據具體應用場景選擇合適算法，提高模型性能；將多個算法進行組合，發揮各自優勢，提高模型整體效果；對模型1 74 結果進行分析和評價，幫助更好地理解模型行為，找到進一步改進方向?？偠灾?，隨著建筑運維領域的發展和需求的不斷增長，大模型技術將在不斷挑戰和優化中不斷進步，為建筑運維的智能化發展提供強有力支撐。4.5.3.2 數據安全與隱私保護 在應用大模型技術時

135、，保障數據安全和隱私保護是至關重要的。為了降低數據泄露的風險，我們更傾向于采用小型化模型，以便在私有化部署時降低門檻。小型化模型更專注于建筑運維領域的內容驗證，具有更強的專項性和針對性。為了增強各類模型的遷移能力，我們將盡量避免讓客戶的數據出外網，實現“數據不動，模型動”的理念。同時，我們將研究并應用更加先進的數據加密技術和隱私保護算法，以確保建筑運維數據的安全性和隱私性。建立數據保護機制，應用數據安全技術，加強數據隱私保護，是我們保護客戶數據的重要舉措。在實施方案中，我們將注重數據安全和隱私保護的全面性和系統性。通過對數據進行加密處理，限制數據訪問權限，建立訪問審計機制等措施，確保數據在傳輸

136、和存儲過程中的安全性。同時，我們將采用隱私保護算法，對敏感數據進行脫敏處理，以保護用戶的隱私信息不被泄露。4.5.3.3 大模型的融合應用 隨著大模型技術的不斷發展，我們已經看到它從最初的語言模型向更廣泛的領域發展，其中包括多模態模型，這種模型可以識別和處理圖片、語音等多種數據形式。多模態模型的發展使得我們能夠更全面地理解和處理各種類型的數據，1 75 從而為各種應用場景提供更加全面和準確的解決方案。其中一個重要的應用領域是數據源融合，多模態模型可以結合各種數據源，包括 IoT 數據、圖片數據、音頻數據和文字信息，綜合給出問題的解答。這種技術可以被廣泛應用于故障診斷、風險評估等領域，為用戶提供

137、更加全面和準確的信息。結合大模型技術對建筑物設備的運行狀態進行實時監測和分析，通過各數據源，綜合給出問題的解答，預測設備或系統的潛在故障類型、發生概率和時間。及時發出預警通知，并結合設備運行數據和歷史故障案例，快速定位故障原因，輔助運維人員進行故障排除。大模型技術結合各種數據源，分析找出能耗浪費的環節和原因，為建筑業主提供節能措施，降低能耗成本。具體包括能耗監測、能耗分析、節能優化和效果評估等環節，通過持續改進確保建筑能耗持續降低。這一功能可以幫助建筑業主更有效地管理能源消耗，實現節能減排的目標。另一個重要的發展方向是產品融合。語言大模型的發展可以提升各類建筑運維產品工具的人性化交互能力，包括

138、功能搜索、查詢、功能引導、問題自動化解決等。通過將大模型技術應用于產品中，可以使得產品更加智能化和便捷化，為用戶提供更好的使用體驗。此外，大模型技術還可以和各類機器學習算法進行深度融合，充分利用大模型的邏輯、理解能力和各類算法的擅長領域及量化精確度更好。這種融合可以為各種應用場景提供更加全面和準確的解決方案，推動人工智能技術在各個領域的發展和應用。1 76 4.5.4 大模型技術創新發展關鍵問題及建議 4.5.4.1 數據質量問題 在應用大模型技術時，數據質量是影響模型性能的關鍵因素之一。因此，需要加強對建筑運維數據的采集、清洗和整理工作，確保數據的準確性和完整性。4.5.4.2 模型可解釋性

139、 大模型技術往往具有較高的預測精度，但其模型結構復雜，可解釋性較差。這可能導致在實際應用中難以理解和信任模型的預測結果。因此，需要研究并應用更加簡潔和透明的模型結構，提高模型的可解釋性。4.5.4.3 人才培養與團隊建設 大模型技術的應用需要專業的技術團隊進行支持和維護。因此，需要加強相關人才的培養和團隊建設工作，培養一批具備大模型技術應用能力的專業人才，為建筑運維階段的智能化管理提供有力的人才保障。綜上所述，大模型技術在建筑運維階段的應用具有廣闊的前景和巨大的潛力。通過不斷研究和探索，我們可以充分發揮大模型技術的優勢，推動建筑行業的低碳智慧轉型，為實現可持續發展和環境保護做出更大的貢獻。同時

140、，我們也需要關注并解決在應用過程中可能出現的問題和挑戰，為技術的健康發展提供堅實的保障。1 77 5 低碳智慧建筑技術創新發展策略與建議 5.1 加強政策支持與標準引導 政府應制定更多激勵措施和標準規范來推動低碳智慧建筑技術的發展。這包括提供財政補貼、稅收優惠、綠色信貸等政策，以降低企業的研發和運營成本，鼓勵企業投資于低碳智慧建筑項目。建立和完善低碳智慧建筑相關的技術標準和評價體系，為行業發展提供明確的指導和規范，確保技術的可靠性和建筑的性能符合預期目標。通過數字智慧化的技術來支持低碳建筑運維。從數據采集、數據平臺管理、數據診斷、智慧控制等方面系統性提高建筑數據的可利用性，用數據“說話”，進一

141、步指導低碳建筑運維下的實際性能表現評價，助力實現綠色低碳性能落地。5.2 深化產學研合作 促進高校、研究機構與企業之間的緊密合作，共同開展低碳智慧建筑技術的研究與開發。通過聯合實驗室、技術轉移中心等形式，加速科研成果的轉化應用。鼓勵跨學科研究，整合建筑學、環境工程、信息技術等多個領域的研究力量，推動低碳智慧建筑技術的綜合性創新。5.3 推廣示范工程與應用 政府和行業協會應支持和推廣低碳智慧建筑的示范項目，通過實際案例展示低碳智慧建筑的技術優勢和經濟社會效益，提高公眾和市場的認知度和接受度。1 78 鼓勵地方政府和企業參與示范工程的建設和運營，通過實踐不斷優化和完善技術方案，形成可復制、可推廣的

142、成功模式。5.4 培育專業人才與團隊 加強對低碳智慧建筑相關人才的培養和教育，包括工程師、技術員、項目經理等，通過專業培訓、繼續教育等方式提升從業人員的專業技能和項目管理能力。建立人才激勵機制，吸引和留住高端人才，為低碳智慧建筑領域提供持續的智力支持。5.5 加強市場機制和技術創新 建立和完善市場機制，通過市場化手段引導和促進低碳智慧建筑技術的發展和應用。例如，通過能效交易、碳交易等市場機制，為低碳智慧建筑項目提供經濟激勵。持續推動技術創新，鼓勵企業開發新材料、新產品、新工藝，提高建筑的能源效率和環境適應性，滿足市場多樣化的需求。1 79 6 低碳智慧建筑優秀案例 6.1 北京微構工場智慧工廠

143、數字化管理平臺 圖 6-1 北京微構工場智慧工廠數字化管理平臺（1）項目簡介 微構工場是一家擁有前沿合成生物技術的企業，專注于嗜鹽微生物的改造和工程化應用，進行“平臺+產品”雙矩陣發展。微構工場成立于 2021 年 2 月，創始人是清華大學合成與系統生物學中心主任陳國強教授。主要利用前沿的“下一代工業生物技術”平臺建設“超級細胞工廠”，進行生物降解材料 PHA、醫藥中間體四氫嘧啶、尼龍 56 前體戊二胺等多種高附加值產品研發和生產。微構工場北京生產基地位于北京市順義區趙全營鎮中德產業園內，為 1000噸/年 PHA 智能示范線，主裝置含培菌及預發酵、PHA 發酵、PHA 離心與洗滌、破壁水解、

144、分離洗滌、干燥包裝以及配套的輔助設施和公用工程等。生產基地同時也是合成生物學研發中心，圍繞新技術開發、醫用 PHA 材料生產和高值化合物合成開展研究，為公司發展提供持續技術支撐。1 80 北京微構工場智慧工廠數字化管理平臺是對廠區、廠房外立面、廠房內部布局，以及發酵罐、鍋爐，冷凍水及污水處理等設備及管路進行 3D 建模?；谖锫摼W及數據集成技術，整合生產工藝設備、工藝輔助設備、能耗能效、控制邏輯、碳排放數據，可實時監控 PHA 材料生產過程，并以數字的方式重構罐體生產過程，完成更深層次建模。不僅如此，基于數字化可視系統，還可以對生產過程中的碳足跡全程智能跟蹤，實現能耗與碳排放的數字化全程監控，

145、并可為生產過程提供實時有效對碳排放管理。（2）創新亮點 基于 BIM 的數字孿生工廠建設 借助數字孿生理念和先進的 3D 可視化技術實現工業園區的模擬展示。應用了 BIM 技術對廠區、廠房外立面、廠房內部布局、發酵罐、鍋爐、羅茨風機、冷凍水及污水處理等設備及管路，以及酵罐的驅動電機、攪拌、盤管等內外部件進行 3D 建模?；谖锫摼W及數據集成技術，整合生產工藝設備、工藝輔助設備、能耗能效、控制邏輯、碳排放數據，可實時監控 PHA 材料生產過程，并以數字的方式重構罐體生產過程，完成更深層次建模。1 81 圖 6-2 廠區 BIM 模型 基于大數據及深度學習的負荷預測 結合工廠用電/冷/熱負荷特性，

146、綜合考慮氣象變化，負荷類型、節假日等影響，對建筑電/冷/熱負荷進行即時預測和短期預測。利用大數據技術將氣象信息、企業生產規律等不同種類的外部相關數據，通過抽象的量化指標表征與負荷之間的關系，結合業務需求、歷史數據、實時數據、AI 執行反饋，實現對負荷變化趨勢更為精確的感知，提高預測精度。1 82 圖 6-3 能效優化控制流程 基于高精度性能模型的系統層主動尋優 創新應用人工智能技術實現優化控制，基于數據校核模型的全系統仿真，在不同室外狀況以及系統負荷下，利用校核的系統模型實時尋找建筑運行的最佳效率點，實現系統層全局優化控制，實時對比優化工況與常規工況差異，優化計算并輸出系統最優控制設定。圖 6

147、-4 能效尋優控制過程（3）實際效果 數字孿生工廠建設 解決在生物制造生產過程中，人為控制的差異，人工操作時間、頻率等因素對生產結果的影響，實現生產過程全流程進行實時監控，更精準、更客觀的控制生產過程，降低人為控制的失誤風險。平臺建設完成后，操作人員從行業常規的 5 人減少至 1 人，運維效率提升80%以上，產品不良品率預計降低 10%以上。在該場景實現了數字化與合成生物學結合，達到了合成生物智能生產工業 4.0 時代，引領了合成生物生產數字化1 83 變革，從傳統的生物制造升級到智能生產時代。在線實時集中一體化安全保障 傳統的工業系統，存在多個子系統，各子系統往往單獨運行，無法互聯互通，管理

148、分散。各子系統操作方式和流程不統一，數據查詢與數據導出較為困難，導致對人力依賴度高。本項目應用物聯網平臺技術通過連接管理實現支持多網絡、多協議、多平臺、多區域設備快速接入和實時在線。通過設備管理通過標準治理實現協議標準轉換，數據統一轉發、集中存儲。通過應用賦能應用數據并行計算、數據共享，靈活構建聯動場景，實現業務融合。平臺建設完成后，實現了生產集中監控，從“聲音提示”、“視頻圖像確認”、“信息提醒”等維度保障生產的安全運營，成為真正意義上“有警必報”“有警必應”，“有警必案”的安全平臺，實現了第一時間危險處理的目標。取消了現場監控人員，僅保留巡檢人員，運維效率提升 80%以上。生產全過程碳排放

149、跟蹤 傳統工業廠房采用人工抄錄能耗數據，人員工作量大，易出錯，數據記錄的頻次和數據記錄的范圍無法滿足能耗精細化統計、分析、診斷等需求。本項目通過監控、感知、分析用戶的各種能源的詳細使用情況以及周邊環境數據，開發能耗管理功能為節能降耗與環境監控提供直觀的科學依據，同時分析能源消耗的所有環節，探知節能潛力，并將分析結果用于生產運行的控制策略中，實現真正的節能。本項目建立了合成生物學生產過程的能耗指標體系，通過能源管理平臺實時計算與分析設備或系統的實際單位能耗或能效值，與規范值（橫向）1 84 對比情況，或與項目歷史用能情況的基準值（縱向）對比情況。能耗指標體系包括：單位面積/產量總能耗、單位面積/

150、產量空調能耗、空調系統能效指標概覽、冷機 COP 等?；跀底只梢曄到y，還可以對生產過程中的碳足跡全程智能跟蹤，實現能耗與碳排放的數字化全程監控，并可為生產過程提供實時中，有效對碳排放進行管理。能效平衡與優化 傳統工廠能效管理面臨諸多問題，能源使用不可視，能源浪費不知情；能效管理不精細，使用預測不準確；能源相關系統獨立運行，無法集中綜合管控；缺乏專業的能效管理和節能分析方法，無有效節能手段，無法實時管理，給工廠環境及可持續性發展帶來了很大壓力。本項目對工藝輔助主要用能設備建立了基于“機理框架+數據驅動”的高精度性能模型：采用機理框架+數據驅動的方式，根據實際設備，建立設備的物理模型。準確合理

151、的設備物理模型反映實際設備的基本運行特性，符合設備獨有運行曲線，并可由此模型計算出在各運行工況下的能效。本項目建立了系統級全局優化控制，是以能耗模型為基礎的整個系統多維、主動尋優的節能控制系統。系統是建立在每個設備整體性能特性的基礎上，通過多維尋優的方法尋找滿足工藝設計及冷量需求下整個系統最佳能效點，從而實現最佳節能目標。6.2 Thundercomm 智慧辦公項目 （1）項目簡介 本案例全稱為 Thundercomm 智慧辦公項目，項目位于北京市海淀區學清1 85 路甲 38 號金碼大廈 B 座 5 層，建筑面積約 3000m，職場共計容納 324 個工位。Thundercomm 智慧辦公目

152、標為“建設新型智慧辦公領域的燈塔”。智慧辦公燈塔項目依據金碼大廈的樓宇風格特點，深入結合創達的企業文化，圍繞“科技體驗、空間體驗、人居體驗”三個方面進行了智能化的頂層設計；案例融合了軟件、硬件、設備和工程幾個方面的內容，并且有大量創新內容，并且交付后通過實際體驗又進行了不斷迭代升級，逐步完成了智慧辦公的生態建設和交付后的穩定運行。Thundercomm 智慧辦公項目針對辦公場景的需求并結合建筑的特點，設計了七大智能化系統，如下：訪客系統 圖 6-5 Thundersoft 訪客一體機 1 86 圖 6-6 雙屏-訪客屏界面 圖 6-7 雙屏-行政管理屏界面 1 87 會議室系統 圖 6-8 T

153、hundersoft 會議室物聯網設備總覽 圖 6-9 Thundersoft 會議門牌 圖 6-10 Thundersoft 智能會議室綜合態勢1 88 圖 6-11 Thundersoft 智能會議室使用效率統計 門禁與考勤系統 圖 6-12 Thundersoft 人臉門禁/考勤機1 89 圖 6-13 Thundersoft 人臉考勤統計 AI 安防與視頻感知系統 圖 6-14 Thundersoft 離崗檢測/告1 90 圖 6-15 Thundersoft 人員聚集告警 圖 6-16 Thundersoft 客流統計/人臉軌跡 1 91 工（廁）位管理系統 圖 6-17 Thund

154、ersoft 工位感應器/數據采集器 圖 6-18 Thundersoft 工位占用狀態 1 92 圖 6-19 Thundersoft 廁位占用狀態 圖 6-20 Thundersoft 廁位分時段統計 1 93 圖 6-21 Thundersoft 廁位門感應開關/采集器 環境與能源管理系統 圖 6-22 Thundersoft 環境監測 1 94 圖 6-23 Thundersoft 多功能環境檢測器 圖 6-24 Thundersoft 其他環境檢測設備 1 95 圖 6-25 Thundersoft 暖通空調控制及能耗統計智慧空間看板與空間大腦 圖 6-26 Thundersoft

155、智慧看板 1 96 圖 6-27 Thundersoft 數字孿生空間（2）創新亮點 Thundercomm 職場智慧辦公項目其創新之處在于系統集成設計，實現了不同智能系統之間的無縫對接和數據共享。Thundercomm 職場智慧辦公項目的核心技術原理基于物聯網(IoT)和人工智能(AI)技術，實現了高度智能化的辦公環境。通過傳感器、智能設備、大數據分析和云計算技術，該項目將硬件設備的數據有效整合，進行深度分析和智能處理。例如，環境與能源管理系統利用智能傳感器監控室內溫度、濕度和空氣質量，通過 AI 算法優化能源使用，實現節能高效。門禁與考勤系統采用生物識別技術，提升安全性能。AI 安防與視頻

156、感知系統則結合計算機視覺和模式識別技術，有效提升了安全監控的準確性和響應速度。整體上，此項目展示了先進的技術集成能力和高性能指標，如數據處理速度、系統穩定性和用戶體驗等。（3）實際效果 Thundercomm 職場智慧辦公項目在技術創新性和先進性方面，相比國內1 97 外同類研究和技術有顯著優勢。與國內同類技術相比，Thundercomm 的項目在智能環境監測、能源管理以及 AI 驅動的安防系統方面表現更為出色。與國際先進水平相比，雖然在某些技術應用如生物識別和 AI 數據分析方面有一定差距，但在整體智能化辦公生態構建和系統集成方面顯示了較高的水平。特別是其對中國本土辦公文化的深入理解和應用，

157、展現了獨特的創新性。Thundercomm 職場智慧辦公項目的技術成熟度較高，已在實際辦公環境中穩定運行并不斷迭代優化。其應用范圍廣泛，不僅適用于大型企業辦公場所，也適合中小型企業和創新型工作空間。技術的通用性和適應性強，能夠根據不同企業的特定需求進行定制化調整。此外，項目中的多系統集成設計和模塊化構建方式，使其在橫向擴展和縱向深入應用方面都具有較大的靈活性和擴展性。應用于 Thundercomm 的智慧辦公項目已經顯著改善了工作環境，提高了員工的工作效率和滿意度。經濟效益上，通過智能能源管理系統，企業節約了大量的能源開支，同時提高了資產使用效率。社會效益方面，項目提升了企業形象，吸引了更多人

158、才，同時通過提供高效便捷的工作環境，增強了員工的幸福感和歸屬感。環境效益上，智能節能系統有效減少了能源消耗，減輕了對環境的負擔。整體來說，該項目在經濟、社會和環境三方面都產生了積極的影響。項目交付已經滿一年；在長達一年的運行時間里，Thundercomm 智慧辦公給職場帶來了顯著的效率提升和辦公環境體驗升級，同時也降低了能耗和公司運營成本，踐行了綠色辦公、低碳辦公的理念。6.3“光儲直柔”建筑示范項目 （1）建設地址 1 98 中法武漢生態示范城位于武漢市西部，漢江以南，緊鄰主城區，主要依托三環線、四環線、外環線、漢蔡高速強化與周邊地區的交通聯系。用地北抵漢江、南至馬鞍山及后官湖生態綠楔、西達

159、鳳凰山工業園、東接三環線，總面積約 39平方公里。圖 6-28“光儲直柔”建筑示范項目地理位置示意圖（2）“光儲直柔”建筑電氣系統的基本概念“光儲直柔”這一概念最早是由江億院士提出，“光”即建筑光伏，“儲”是建筑內儲能及利用鄰近停車場電動汽車的電池資源，“直”指建筑內部采用直流供電，“柔”則是“光儲直柔”的目的，即實現柔性用電，使其成為電網的柔性負載或虛擬靈活電源；“光儲直柔”建筑電氣系統的最終目標是使建筑用電系統由目前的剛性負載變為柔性負載，可以根據電力系統的供需關系隨時調整用電功率，而不決定于當時系統內各用電設備的用電功率?！肮鈨χ比帷苯ㄖ姎庀到y設計原理如下圖所示，設計主要分為以下四部分

160、內容。1 99 圖 6-29“光儲直柔”建筑電氣系統設計原理（3）“光儲直柔”建筑電氣系統的優勢“光儲直柔”建筑電氣系統可有效解決電力系統零碳化轉型的兩個關鍵問題，即增加光伏建筑一體化（BIPV）的裝機容量和有效消納波動的可再生能源發電量?！肮鈨χ比帷苯ㄖ姎庀到y與傳統建筑電氣系統有較大差異，下面我們從四個方面進行分析類比?！肮狻敝傅氖墙ㄖ械奶柲芄夥l電，光伏建材作為建筑材料可直接融于建筑。隨著晶硅電池片的成本不斷降低，以及晶硅光伏建材在色彩、外形等方面，與建筑結合形式越來越豐富，目前晶硅光伏建材已成為 BIPV 建筑中使用最廣泛的建材之一。1 100 光伏裝機容量的爆發式增長得益于晶硅電

161、池片效率的持續提升和成本的持續降低。大規模生產的單、多晶電池平均轉換效率分別從 2010 年的 17.5%和16.5%，提升至 2022 年的 26%和 25%（來源于實驗室數據），電池效率 12 年來提升了 8%。未來隨著新技術的不斷突破和制作工藝的提升，其效率還將會不斷提高?！皟Α敝傅氖墙ㄖ械膬δ茉O備，包括電化學儲能、生活熱水蓄能、建筑圍護結構熱惰性蓄能等多種形式。本項目宜將光伏發電、分布式儲能、直流電建筑及柔性控制系統四種技術結合，為該建筑提供的光儲直柔系統設計方案，使建筑通過運用柔性用電的建筑管理系統，實現建筑用電的自我調節和自主優化，為地下停車場提供了照明，降低了能源損耗，實現了光

162、伏發電與智能電網技術的有機融合，更好的體現了綠色低碳理念?！爸薄敝傅氖墙ㄖ蛪褐绷髋潆娤到y。直流設備連接至建筑的直流母線，直流母線通過 AC/DC 變換器與外電網連接，構建直流電器生態是推廣“光儲直柔”系統的基礎?！叭帷敝傅氖侨嵝杂秒?，也是“光儲直柔”系統的最終目的。柔性建筑的概念是由國際能源署 IEA EBC Annex 67 課題（2014-2020）系統提出：在滿足正常使用的條件下，通過各類技術使建筑對外界能源的需求量具有彈性，以應對大量可再生能源供給帶來的不確定性。本項目考慮為大樓設計低壓直流微電網建設方案，以有效降低光伏發電通過電網長距離傳輸造成的損耗下降。技術先進的直流照明應用，使

163、得整個照明系統功率損耗下降 15%。1 101 （4）“光儲直柔”建筑電氣系統發展的意義 加快構建新型電力系統 加快發展雙碳新型能源系統 帶動制造產業有效投資 6.4 上海建科莘莊科技園區十號樓 上海市建筑科學研究院作為綠色建筑行業的領跑者，2004 年建成了全國首棟綠色三星建筑莘莊生態樓，2010 年建成了綠色建筑 2.0“莘莊綜合樓”，2019年建成了綠色建筑 3.0“莘莊科技園區 10 號樓”（以下簡稱“10 號樓”）。10 號樓是上海建科集團對第三代綠色建筑的積極拓展和領航，為推動集團的發展奠定了堅實的基礎。本項目不僅將承載集團最新的科技創新成果，成為科技創新的試驗田，還將通過管理模式

164、的創新，探索建設管理轉型實踐之路，提升集團綜合服務能力，體現建科技術水平的生態智能化建筑。圖 6-30 項目實景圖 1 102 （1）項目簡介 10 號樓項目位于上海市閔行區建科莘莊科技園區申旺路 519 號。項目總建筑面積 23265.03，其中地上部分 6 層建筑面積 9127.92，地下部分 2 層建筑面積 14137.11，并已于 2019 年 7 月竣工。項目是上海首批設計施工總承包試點項目，作為集團承擔的科技部十三五重點研發計劃課題“需求導向的綠色建筑 BIM 綜合運營平臺開發及示范”和“降低供暖空調用能需求的圍護結構和混合通風適宜技術及方案”的集成示范工程，同時實現了綠色建筑三星

165、級、健康建筑三星級、超低能耗建筑以及 WELL 金級的四大認證目標，以及華夏好建筑、好建筑行動示范項目等榮譽。1 103 圖 6-31 項目獲得的部分認證標識（2）創新亮點及實際效果 10 號樓在低碳節能、健康舒適和全過程 BIM 應用方面有著出色的技術應用及性能表現：低碳節能 項目在設計時以超低能耗建筑為目標，基于上海氣候特征和自然條件，建立保溫隔熱性能更優和氣密性能更高的圍護結構技術體系，窗墻比0.45、屋面傳熱系數0.40、外墻傳熱系數0.60、供暖房間與非供暖房間間隔墻傳熱系數2.0、外窗傳熱系數1.7（采用玻纖增強聚氨酯節能窗）、遮陽系數0.32、氣密性7 級。降低建筑采暖空調負荷

166、20%以上。同時基于建筑用能特征和功能特性，采用機械新風+自然通風的混合通風方式，延長非采暖空調時間 10%以上。根據建筑用途和負荷特征選用高性能多聯機機組，實現部分負荷自適應，具有節能、舒適、室內控制靈活等特點，滿足不同時間、不同空間的部分負荷空調需求。并配合 Move Eye 智能人體感知技術，智能感知人員數量及位置，自動調整送風方向，送風方向可根據人員習慣設定風隨人動、風避人動等不同模式。經能耗評估分析，10 號樓 2020 年 6 月至 2021 年 5 月建筑用電量合計941,609kW/h，單位建筑面積用電量 39.73 kW/(hm2)。相較于民用建筑能1 104 耗標準GB/T

167、 51161-2016 夏熱冬冷地區建筑能耗約束值，10 號樓作為超低能耗建筑示范，建筑能耗降低幅度達 53.25%。健康舒適 項目著重考慮了健康舒適、以人為本的辦公環境營造，在設計階段進行室內空氣質量預評估，指導凈化設備選型、裝飾裝修材料及家具用品選購。嚴選健康、低揮發的室內裝飾裝修材料和辦公家具，地板采用 Floorscore 認證產品、家具采用 GREENGUARD Gold 認證產品，最大限度減少建筑材料中的有機化合物對室內空氣質量的影響，營造健康舒適的室內辦公環境。吊頂循環式空氣凈化器采用高效級及活性炭過濾，單臺潔凈空氣量在 950m3/h 以上。在不同功能的房間，采用商用級精度傳感

168、器，可監測溫度、濕度、PM2.5、CO2、甲醛、TVOC 等參數。室內空氣品質（甲醛、苯、TVOC）現場檢測結果遠低于室內空氣質量表GB/T18883-2002 限值要求。同時根據使用者滿意度調研結果，10 號樓非空調工況總體滿意率為 82.29%；空調工況總體滿意率為 87.49%。全過程 BIM 應用 10 號樓在設計階段采用 BIM 正向出圖；施工階段運用 BIM 場布模擬完成管線碰撞及復雜節點模擬和技術交底；竣工階段針對施工結束之后需要維護項目以及具體參數進行分析，形成竣工模型；運營階段根據竣工模型進行模型輕量化和基于 BIM 技術的運營平臺建設。功能導向的綠色建筑 BIM 運營平臺解

169、決了上海建科莘莊科技園區運營優化提升面臨的問題，如數據協同處理、能耗評估分析、管理效率提升等；基于園區綠色設施設備精細化管理、園區運行節能的技術示范，降低園區運營成本，助力園區實現原綠色低碳目標。1 105 （a）設計階段（b）施工階段 （c）竣工階段（d）運營階段 圖 6-32 BIM 模型傳遞 1 106 6.5 北京中海安貞門環宇薈、北京中海國際中心 圖 6-33 項目實景圖 圖 6-34 項目實景圖 1 107 圖 6-35 項目實景圖（1）項目簡介 本項目位于北京市朝陽區，建筑面積 128017，為降低項目制冷系統能耗運行控制難度，提升運維管理水平。本項目應用多種人工智能算法，根據研

170、究和行業實踐積累，將傳統冷站運維技術和人工智能技術相結合，應用了一種基于人工智能的冷站數字運維技術，研制出一套基于實時參數動態預測冷量的冷站智能控制系統，通過提供實時參數對冷站設備動態調整，對冷站能耗進行精細化管控，使管理者全面掌控冷站用能情況，避免管理漏洞和技術缺陷，實現冷站高效用能，促進冷站運維組織的管理能力全方位提升。項目簡介：應用了一種冷站運行控制裝置和冷站運行系統，包括采集模塊、監控模塊、策略模塊、信號分發模塊、控制執行模塊，提出以系統運行效率和環境品質為控1 108 制目標的冷站制冷系統低能耗運行控制策略，降低被控建筑室內環境溫度的離散度，平均溫度在 250.5，提升環境控制品質；

171、在創建冷站運行控制裝置和冷站運行系統的基礎上，使用冷量預測技術，建立冷量預測模型，預測下一時間段內所需的目標需求冷量，根據目標需求冷量確定下一時刻的冷機運行策略，可準確預測下一預設時刻的冷機運行策略，避免冷機能耗浪費的情況發生；基于人工智能算法，結合行業大數據積累，建立智能模型，推出適合項目的運行策略，建立了冷量預測模型、冷機綜合尋優模型、水泵溫差控制模型、冷卻塔聯合變頻模型，通過參數的輸入及嶺回歸、LSTM 算法的應用，輸出所需參數，涉及年度冷站制冷季節能率達 10%15%。圖 6-36 項目運行控制系統圖（2）創新亮點 創建了一種冷站運行控制裝置和冷站運行系統，包括采集模塊、監控模塊、策略

172、模塊、信號分發模塊、控制執行模塊，提出以系統運行效率和環境品質為控制目標的冷站制冷系統低能耗運行控制策略，降低被控建筑室內環境溫度的離散度，平均溫度在 250.5，提升環境控制品質；在創建冷站運行控制裝置和冷1 109 站運行系統的基礎上，使用冷量預測技術，建立冷量預測模型，預測下一時間段內所需的目標需求冷量，根據目標需求冷量確定下一時刻的冷機運行策略，可準確預測下一預設時刻的冷機運行策略，避免冷機能耗浪費的情況發生；基于人工智能算法，結合行業大數據積累，建立智能模型，推出適合項目的運行策略，建立了冷量預測模型、冷機綜合尋優模型、水泵溫差控制模型、冷卻塔聯合變頻模型，通過參數的輸入及嶺回歸、L

173、STM 算法的應用，輸出所需參數，涉及年度冷站制冷季節能率達 10%15%。圖 6-37 項目運行控制系統圖（3）實際效果 本技術已在實際工程中得到兩年以上的充分驗證，成果應用于多個大型商業地產集團，已實現單個冷站每年節電量 30 萬度，節省電費 30 萬元，累計節電超過 90 萬度，人員成本節省約 15 萬元/年。社會效益：本技術可以通過優化冷卻系統的運行，減少能源的消耗，從而降低能源的浪費和碳排放。這有助于減少對環境的負面影響，提高資源利用效率；可以實時監測和控制冷卻系統的運行狀態，通過智能化的算法和數據分析，優化系統的運行策略，提高冷卻效率和性能。這可以降低運行成本，提高設備的利用率和壽

174、命。1 110 6.6 融科資訊中心智慧低碳運維項目 圖 6-38 項目實景圖 融科資訊中心是中關村核心園林式綜合商務園區，位于北京市海淀區科學院南路，由 ABC 三座寫字樓構成主體建筑群落，總建筑面積 28 萬平方米。圖 6-39 項目實景圖 融科資訊中心原運維方式主要依靠運維人員經驗判斷手動調節，該方式嚴重1 111 依賴運維人員的經驗水平，且系統工況變化調整周期長，僅僅依靠人工監測無法及時做出調整，運行穩定性和高效性無法保證，且粗放經驗式管理導致建筑數據缺少記錄也無法提供有效利用價值。項目充分利用AIOT技術打造國際領先的智慧低碳運維新模式，以節能降碳、提升室內舒適性、提高運維工作效率為

175、目標，從建筑節能、品質提升、管理高效三個維度建立智慧運維管理體系，實現“融科智慧低碳園區”，持續提升客戶的服務品質。圖 6-40 項目智慧運維管理體系 區別于傳統工程改造，以節能策略為主線，以智能策略驅動建筑實現節能低碳運維管理，輕量化施工，不影響建筑正常運營。通過智能運行策略，進一步提升物業運行管理水平，人工日常監控工作量減少一半以上，實現“自動低碳運維的智慧融科”，可自動預判建筑各地區的冷熱需求，自動選擇最優運行方式，室內空氣環境可達最舒適狀態，同時系統最優運行，降低能耗。（1）采集多種環境參數，環境品質在線實時可視化 1 112 全鏈條自主研發有線/無線 IOT 物聯網傳感器，監測類型涵

176、蓋能源、系統、環境三類，可靈活組網、即插即用。且覆蓋融科資訊中心租區、商區及機房 500+個環境和設備監測點位，實現實時監測各區域的室內環境參數和設備各類型的運行參數，園區采集數據總量超過 23 億條，為融科系統供需匹配調節提供有效數據支持，為制冷機組、循環水泵等主要設備運行提供可靠性數據支撐。圖 6-41 項目傳感器圖 （2）自動預判建筑各地區的冷熱需求，掌握需求的精準節能 首創多模態融合算法模型，開發了無數據模型、小數據模型、大數據模型，可適配各階段數據量的建筑，已形成 5 種策略生產方法，已積累功能性算法模塊超 60 個，智慧節能控制算法已在融科持續運行超 2 萬個小時。實時分析環境、1

177、 113 設備、系統和管理的情況，并按照室外環境情況和建筑運行特點劃分多種工況，設定室內舒適度范圍，實時調整運行系統參數和設備啟停數量，解決傳統人工運維調節滯后等問題。圖 6-42 項目多模態融合算法模型 相較于收到租戶過冷/過熱投訴后再進行操作的反饋調節，提前預知下一階段需求的前饋控制能夠更明顯改善室內環境舒適度。（3）綜合提升運營管理水平，運行效率全面提升 智能運維管理平臺可實現 1 個暖通工程師同時管理超十個項目的策略組裝及運營管理。平臺集成融科資訊中心運維環節中的7類數據采集系統，形成110+頁的數據頁面，實時數據處理量可達 10000+條，年儲存數據達 23 億條，涵蓋能源管理、室內

178、外環境、設備管理、運維策略、平臺系統管理等模塊。融科資訊中心智慧低碳運維項目在持續節能、環境品質提升和提高運維管理水平等方面呈現出新型智慧運維模式的優勢。實現了諸多以前從未實現的功能與效果：物業人員定時開啟/關閉設備、調節設備參數等每天重復進行的操作現在都可以自動完成，全面提升管理效率。智能控制算法不僅能預測空調系統何時需要調節，還能自動調節到舒適的1 114 區間，即使面對室外氣候突變，室內也依然舒適如常。精準的算法調節除了提高舒適度外，也可以通過提高調節精準度挖掘節能空間，不影響室內舒適度的前提下節能降碳。人力：已持續節能運營超 50 個月，已實現由 12 人減少至 1 人值守；財力：每年

179、節省人力成本超 180 萬元，降低運行成本超 185 萬元，減少施工成本超 500 萬元；碳排放：節電量節氣量換算碳排放量累計節超 1131.88 噸二氧化碳 滿意度：客戶滿意舒適度在 95%以上，A/B/C 三座各季節平均舒適時長超77.4%；其他：AC 座獲得了 LEED EB 鉑金認證、B 座獲得 LEED CS 鉑金認證、綠色建筑三星級認證。圖 6-43 項目逐年碳排放數據 1 115 6.7 海爾 C02 空氣產業大樓綠色低碳能源管理項目 圖 6-44 項目實景圖（1）項目簡介 海爾C02空氣產業大樓位于海爾科創生態園內，總建筑面積36744.8平米，地上 12 層、地下 2 層，首

180、層高 6 米，2-3 層展廳層高 4.7 米，4-12 層標準辦公室層高 4.2 米，共有會議室 82 間，可容納 2700 人同時辦公。樓宇空調面積 3.65萬平，總冷負荷 3960kW、總熱負荷 2754kW，采用機房冷水機組制冷，接入市政熱源。樓宇內入駐海爾集團的空氣產業、樓宇產業和 PSI 部門，制冷機房在滿足辦公制冷需要的同時，還要兼顧參觀展示功能。（2）設計概述 超高效機房設計 從主機到水泵均使用海爾自己生態產品，主機為一臺 700RT 的磁懸浮水冷機組和一臺 700RT 的氣懸浮冷水機組，冷凍冷卻設備自帶備用，兩臺方形橫流冷卻塔，額定流量 800m/h。1 116 圖 6-45

181、項目分布式邊緣控制架構 智能控制設計 圖 6-46 超高效機房智能控制技術 EC-Driver 節能技術突破常規節能效率，實現系統整體節能 50%以上，搭載建模和尋優引擎，七大控制關鍵技術聯邦遷移學習、預測模型、滾動優化、群控系統數據、反饋校正、增量式迭代模型優化技術、故障診斷與容錯技術，實現系統的“主動”預測與全局優化。（1）聯邦遷移學習 1 117 圖 6-47 超高效機房智能控制關鍵技術-聯邦遷移學習 首先通過算法管理模塊建立自增長自適配模型池，然后通過算法調試模塊進行遷移學習的同時更新模型池，最后通過專家干預模塊進行調優。在大量的實踐經驗上提供定制化方案。（2）機理建模 圖 6-48

182、超高效機房智能控制關鍵技術-機理建模 通過設備能效模型搭建技術擬合設備特性曲線，建立設備性能模型，為運維提供數字支持。1 118 （3）自更新機理模型 圖 6-49 超高效機房智能控制關鍵技術-自更新機理模型 機理建模搭建好后，導入出廠數據和行業標準進行訓練，實現模型自動迭代、數據接入平臺、可視化效果預測，為自動尋優提供最新方案。（4）全局優化控制 圖 6-50 超高效機房智能控制關鍵技術-全局優化控制 系統導入訓練好的自更新模型后，耦合適應度函數，通過專家庫診斷修正后，下發控制命令，實現風、水系統聯動，以滿足節能和舒適度要求。1 119 （5）負荷預測與舒適度評估 圖 6-51 超高效機房智

183、能控制關鍵技術-負荷預測與舒適度評估 系統運行后，為不同項目導入不同預測模型，在復雜情況下實現負荷預測。并引入舒適度指標自定義，實現運行舒適度估測的同時，支持人員反饋修正。（6）設備故障診斷與容錯技術 圖 6-52 超高效機房智能控制關鍵技術-設備故障診斷與容錯技術 通過對比實時數據和模型預測參數，進行趨勢分析和傳感器定位，系統能夠及時覺察、診斷、修正故障，最大程度避免意外停機。（3）節能優化設計 1 120 中國建筑節能年度發展研究報告表明我國建筑制冷機房 COP 全年平均僅在 2.53.0，而根據 高效空調制冷機房評價標準 T/CECS 1100-2022 要求，夏熱冬冷地區的一級能效機房

184、要實現 COP5.5。就山東地區來說，相對一般制冷機房，一級能效的高效機房可節約機房耗電量 53%，建筑總耗電量節約 20%。項目機房效率目標為 COP6.0，通過仿真測算，壓縮冷凍泵、冷卻泵和冷卻塔設備占比，將主機占比提升到機房的 73%。主機選型優化 圖 6-53 主機選型優化 原設計使用兩臺變頻離心機，后升級為一臺磁懸浮和一臺氣懸浮組合。磁懸浮采用 vtx 壓縮機，帶拋球自清潔，水阻不大于 40kpa。磁懸浮多機頭的 AI 自適應功能，根據制冷量需求匹配最佳 GB 工況 COP。水泵選型優化及低阻設計 1 121 圖 6-54 水泵選型優化及低阻設計 采用一次泵變流量系統、高效變頻水泵、

185、兩臺高效低接近溫度冷卻塔，不設集分水器，采用軟水+定壓補水，水處理采用綜合水處理+加藥裝置。水力模塊已包含球形閥門、過濾器及管路，現場即可快速安裝；集中式籃式反沖洗過濾器，集三成一，阻力 5kPa；背包式變頻器，減少變頻控制柜，降低成本至 76 萬元。管路低阻設計 圖 6-55 管路低阻設計 通過同程管路，直角過濾器、加粗、傾斜、去掉壓力平衡閥，機房主機支管1 122 和總管 45折彎，減少上下管路數量，優化阻力；末端增加一排管，實現末端水阻力不大于 40kap。優化后，冷凍水循環泵揚程下降 18%，冷卻水循環泵揚程下降 17%。優化前后能效仿真結果對比 圖 6-56 優化前后能效仿真結果對比

186、 優化后，磁氣懸浮高效機房能效仿真數據顯示，制冷季耗電量累計 71.2 萬kWh，制冷季綜合能效達到 6.34。（4）投資回收分析 圖 6-57 項目投資回收期分析 與磁懸浮常規機房相比，磁氣懸浮高效機房初次投資成本較低，年電費用、1 123 年運維合計費用大大降低，預計投資回收期 1.6 年，十年累計節省費用近 300 萬元。（5）運行反饋報告 項目輸出報告 圖 6-58 項目輸出報告 海爾 C02 空氣產業大樓是海爾低碳智慧建筑解決方案的樣板案例，該項目不僅運行了公司自主研發的高效機房智控平臺以及搭配低碳能源管理系統的海爾樓宇大腦，通過邊云協同、云算邊控等技術實現了整棟大樓的綠色低碳運維，

187、有效實現設備設施的管控、綜合提升了運營管理水平，運行效率全面得到提升。冷源系統全年能效比 EERa 達到 6.8，年節能率達到約 20%，日節電 500 度，年度節省電費 55200 元（按照制冷季四個月計算）1 124 C02 樓宇大腦 高效機房 圖 6-59 項目高性能節能標識 1 125 6.8 利星行中心物業可持續運維項目 圖 6-60 項目實景圖 利星行中心位于北京市朝陽區望京核心區，連通地鐵“阜通”站。項目建筑面積 313,398 平米。業態項目業態包括辦公、酒店、商業。該項目提供全方位服務包括：物業前期顧問及運營期物業管理+綠色建筑認證+建筑樓宇智慧運維+智能停車場服務。在該項目

188、，通過在物業管理服務場景下推行 Savills BSOA（商務樓宇可持續運維評價）策略，在治理、能耗、財務、協同、環境、風控六維策略模型的協同下，實現物業項目運行在可持續發展方面的多重表現，提升客戶體驗和資產價值。1 126 圖 6-61 商務樓宇可持續運維評價工具（1）智能配電運維系統 2023 年利星行中心搭建智能配電運維系統，項目設置 4 座高、低壓配電室，實現無人智慧化運維。此系統采用行業前沿的大數據、物聯網、邊緣計算、流處理等先進技術，搭建實現 IOT 物聯網電力監測管理平臺，對變配電系統的實時監測，保障電力系統安全穩定運行。應急響應電話通知應急響應電話通知 短信推送短信推送 APP

189、 推送推送 移動無線通訊網絡 電子郵件推送電子郵件推送 站內局域網 無線發射 電力監控平臺機器高壓柜子開阿里云端服務器 現場監控工作站 現場無線 路由器 移動基低壓柜子開變壓器 采集儀采集儀采 集 儀采 集 儀溫 控 采溫 控 采1 127 圖 6-62 項目智能配電運維系統 智能配電運維系統實現效益：提高能源系統的可靠性，保障供電連續性使電能質量得到有效治理。提高能源系統的管理效率，降低運行成本近 80 萬元。改善電能消耗方式，促進節能降費 5%。監測電能質量問題，減少故障風險 70%。有效的診斷工具，縮短故障停電時間 80%。（2）設備設施全生命期管理最佳運維策略 通過區分設備、設施的健康

190、度，建立碳排放監測模型，推進實施設備、設施節能改造，優化維修策略，從而實現減少設備、設施全生命期成本 5%，設備壽命延長10%。碳排放減量 6%。最佳管理運維策略包括如下內容：優化控制程序，離心機負載過低時，系統自動切換至小螺桿機運行；監測空調水質變化，及時清洗空調系統交換器；實現水泵進一步的節能，加裝變頻器優化控制；優化水溫設定，將冷凍水溫差提至 4-5，減少過度供冷及過度除濕，實現供冷量的節省。1 128 圖 6-63 項目能耗監測系統（3）節能與健康并重，室內空氣品質安全可靠 利星行中心在人員密集的場所，如敞開辦公區、公共走道、大堂等區域安裝室內空氣質量監測器，能夠采集每層租區內的溫度、

191、濕度、PM2.5，二氧化碳，揮發性有機化合物，甲醛數值。當室內 CO2濃度發生改變時，室內空調變風量末端會根據采集的數據自動調節風閥開度。該監測與調節功能可以在保證室內空氣質量的前提下盡量節約空調能耗。同時，室內空氣質量的數據不僅可以在中控室顯示，當個別區域出現空氣質量不合格時可以指導物業管理人員及時進行干預。同時，室內空氣質量的顯示屏也設置在公共區域，也方便樓內人員進行了解。2022 年，利星行中心獲得國內首個建筑室內空氣質量分級評價五星級認證。1 129 圖 6-64 項目建筑室內空氣質量分級評價認證標識（4）促進可再生能源利用，提高能源使用效率 利星行中心在屋面鋪設太陽能光熱系統供應生活

192、熱水，集熱器和水箱均安裝于樓頂。正常氣象條件下，太陽能熱水產出量為 10 噸/天。在陰雨天氣光照不足或夜間等情況，再啟用其他輔助電加熱。通過數據記錄與在綜合計算，太陽能系統生產熱水占生活熱水用量的比例達 50%以上。同時，本項目通過良好的智能管理平臺可以自動實現設備的啟停、參數調節與運行狀態的記錄，全面提升運行效率。另外，利星行中心通過能源計量系統，可以分項記錄冷熱源、輸配系統和照明等各部分能耗，通過記錄的歷史數據為后續制定節能策略指明具體方向。依托于以上合理的智能管理平臺與精細化的物業管理，保證項目在不影響室內舒適度的前提下節能降碳。1 130 圖 6-65 項目能源計量系統 （5）增設健康

193、服務設施，探索可持續協同機制 利星行中心一期與二期之間設置了景觀資源豐富的公園，顧問方提供了綠化維護服務，人們可以使用良好的綠化步道，供其健身放松使用。除此以外，在近兩年內本項目也增設了一些健康配套服務設施，如公共的母嬰間、室內的休憩減壓空間。這些健康服務設施完全開放給公眾使用。顧問方與項目業主、租戶建立 ESG 小組，定期召開專題會議，共商可持續發展議題，協同營造綠色健康商務場景。就世界地球日環保宣傳、優化廢棄物分類處理、提升室內空氣質量、租戶參與節能減碳計劃等互動活動推動項目在可持續發展方面的持續提升。圖 6-66 項目內部實景圖 1 131 可持續顧問助力利星行中心先后獲得了 LEED

194、CS 金獎，綠色建筑運營標識二星級，LEED EB 金獎，WELL 鉑金獎等國內外認證。1 132 7 結論 7.1 報告總結 本報告低碳智慧建筑技術創新發展白皮書 2024（運行管理篇）全面審視了低碳智慧建筑技術在當前和未來建筑運行管理中的應用與發展趨勢。報告首先明確了低碳智慧建筑的概念，強調了其在環境保護、能源節約和提升居住舒適度方面的重要作用。通過對現有技術和應用現狀的深入分析，報告指出了建筑運維中存在的數據不準確、能耗管理效果差、智慧運維系統安全性不健全以及技術成熟度不完善等問題，并提出了相應的解決策略。報告進一步探討了低碳智慧建筑技術創新面臨的挑戰，包括技術層面、政策與法規層面、市場

195、與投資層面以及人才培養與交流層面的問題，并提出了加強政策支持、深化產學研合作、推廣示范工程與應用、培育專業人才等建議。此外，報告還展望了物聯網技術、數字孿生技術、數據挖掘技術、能源微網技術、大模型技術等在建筑運維中的創新方向，為行業發展提供了清晰的指導和行動藍圖。7.2 展望未來 未來，低碳智慧建筑技術的發展將繼續朝著更加高效、節能和環保的方向發展。隨著技術的不斷進步和成本的降低，預計未來的建筑將更加智能化、自動化，為人類社會創造更加美好的居住和工作環境。低碳智慧建筑將成為實現可持續發展目標的關鍵途徑，為全球綠色轉型貢獻力量。預計未來的發展將集中在以下幾個方面：首先，建筑能效的進一步提升，通1

196、 133 過更高效的能源管理系統和可再生能源的廣泛應用，實現能源消耗的最小化。其次，建筑運行管理的全面智能化，利用物聯網、人工智能等技術實現建筑運維的自動化和優化。再次，建筑行業將更加重視數據安全和隱私保護，確保智能建筑中的個人信息和運營數據得到妥善處理。最后，建筑行業將加強國際合作，引進和吸收國外先進技術和經驗，推動本土技術的創新和發展。通過本報告的分析和建議，我們期望能夠為建筑行業的決策者、技術開發者、政策制定者以及所有對推動建筑行業可持續發展感興趣的人士提供有價值的參考和指導，共同推動低碳智慧建筑技術的創新和發展，實現建筑行業的綠色轉型和可持續發展。1 134 8 參考文獻 1 北京智能

197、建筑.智慧運維白皮書R.2021.2 暖通空調產業技術創新聯盟智能化專委會，中國建筑能源管理系統應用現狀調研藍皮書R.2023.3 唐浩，余娟，耿陽等.公共建筑智能化運維平臺應用現狀調研,2023.4 中國建筑科學研究院有限公司 建筑環境與能源研究院，建科環能科技有限公司.建筑智能化應用現狀調研白皮書R.2021.5 中國房地產業協會智慧建筑研究中心，中國城市科學研究會綠色建筑研究中心，智慧建筑發展報告R.2023.6 阿里巴巴集團置業部，阿里研究院.智慧建筑白皮書R.2017.7 深圳市艾特林科技有限公司.BIM 大型建筑運維管理的困境與解決思路.8 Al-Fuqaha,A.,et al.(

198、2015).Internet of Things:A Survey on Enabling Technologies,Protocols,and Applications.IEEE Communications Surveys&Tutorials,17(4),2347-2376.9 IEEE Xplore.(2019).Wireless Communications for IoT:Opportunities and Challenges.10 Satyanarayanan,M.,et al.(2017).The Case for VM-Based Cloudlets in Mobile Co

199、mputing.IEEE Pervasive Computing,8(4),14-23.11 Gubbi,J.,et al.(2013).Internet of Things(IoT):A vision,architectural elements,and future directions.Future Generation Computer Systems,29(7),1645-1660.12 Cook,J.A.,&Das,S.(2007).How Smart Are Our Sensors?An Introduction to Smart Sensor Systems.Journal o

200、f the Franklin Institute,344(6-7),577-607 13 Yang,L.,&Zhao,Y.(2019).Big data analytics in building energy management:A review.Renewable and Sustainable Energy Reviews,82,100-110.14 Wang,Y.,Shang,Y.,&Zhang,G.(2019).An IoT-based indoor air quality monitoring system for ambient-assisted living.Building

201、 and Environment,155,43-56.15 郭曉潔.AI 賦能既有建筑節能改造仍需市場機制穩定環境效益與投資回報N.21世紀經濟報道,2023-07-26(006).16 HAN J,KAMBER M,PEI J.Data Mining(Third Edition)M/OL/Data Mining(Third Edition).2012.DOI:https:/doi.org/10.1016/B978-0-12-381479-1.00016-2.1 135 17 GENG Y,JI W,XIE Y 等.A sub-sequence clustering method for id

202、entifying daily indoor environmental patterns from massive time-series dataJ/OL.Automation in Construction,2022.DOI:10.1016/j.autcon.2022.104303.18 YANG Y,GENG Y,TANG H 等.Extraction method of typical IEQ spatial distributions based on low-rank sparse representation and multi-step clusteringJ/OL.Buil

203、ding Simulation,2024.DOI:10.1007/s12273-024-1117-6.19 LAZOS D,SPROUL A B,KAY M.Optimisation of energy management in commercial buildings with weather forecasting inputs:A reviewM/OL/Renewable and Sustainable Energy Reviews.(2014).DOI:10.1016/j.rser.2014.07.053.20 QUANG T N,HE C,KNIBBS L D 等.Co-optim

204、isation of indoor environmental quality and energy consumption within urban office buildingsJ/OL.Energy and Buildings,2014.DOI:10.1016/j.enbuild.2014.09.021.21 BRE F,SILVA A S,GHISI E 等.Residential building design optimisation using sensitivity analysis and genetic algorithmJ/OL.Energy and Buildings

205、,2016.DOI:10.1016/j.enbuild.2016.10.025.22 周子騫,高雯,賀秋時等.建筑設計領域人工智能探索從生成式設計到智能決策J.工業建筑,2022,52(7):15.23 唐浩,余娟,張仲宸等.大型航站樓室內物理環境質量實測與時空特征分析研究J.建筑科學,2023,39(10):9-14.24 GENG Y,JI W,LIN B 等.Building energy performance diagnosis using energy bills and weather dataJ/OL.Energy and Buildings,2018.DOI:10.1016/

206、j.enbuild.2018.04.047.25 王曼,黃莉,李書等.基于數據挖掘方法的數據中心能耗與空調系統關鍵參數量化關系研究J.暖通空調,2021,51(6):8.26 COSTA-CARRAPIO I,RASLAN R,GONZLEZ J N.A systematic review of genetic algorithm-based multi-objective optimisation for building retrofitting strategies towards energy efficiencyM/OL/Energy and Buildings.(2020).DOI

207、:10.1016/j.enbuild.2019.109690.27 WANG M,WANG Z,GENG Y 等.Interpreting the neural network model for HVAC system energy data miningJ/OL.Building and Environment,2022.DOI:10.1016/j.buildenv.2021.108449.28 YANG Y,YUAN Y,HAN Z 等.Interpretability analysis for thermal sensation machine learning models:An e

208、xploration based on the SHAP approachJ/OL.Indoor Air,2022,32(2):1-24.DOI:10.1111/ina.12984.29 PAN Y,ZHANG L.Data-driven estimation of building energy consumption 1 136 with multi-source heterogeneous dataJ/OL.Applied Energy,2020.DOI:10.1016/j.apenergy.2020.114965.30 YANG Y,YUAN Y,PAN T 等.A framework

209、 for occupancy prediction based on image information fusion and machine learningJ/OL.Building and Environment,2022.DOI:10.1016/j.buildenv.2021.108524.31 FAN C,WANG J,GANG W 等.Assessment of deep recurrent neural network-based strategies for short-term building energy predictionsJ/OL.Applied Energy,20

210、19.DOI:10.1016/j.apenergy.2018.12.004.32 WANG Z,HONG T.Reinforcement learning for building controls:The opportunities and challengesJ/OL.Applied Energy,2020.DOI:10.1016/j.apenergy.2020.115036.33 毛亞哲,何柏娜,王德順,姜仁卓,周宇洋,張靖茹,賀興民,董彥辰.基于改進深度強化學習的智能微電網群控制優化方法J.智慧電力,2021,49(03):19-25+58.34 https:/www.pv- Yous

211、ri D,Farag H E Z,Zeineldin H,et al.Integrated model for optimal energy management and demand response of microgrids considering hybrid hydrogen-battery storage systemsJ.Energy Conversion and Management,2023,280:116809.36 Kanakadhurga D.,Prabaharan N.Demand Side Management in Microgrid:A Critical Rev

212、iew of Key Issues and Recent TrendsJ.Renewable and Sustainable Energy Reviews,2022,156:111915 37 Lai C S,Jia Y,Lai L L,et al.A comprehensive review on large-scale photovoltaic system with applications of electrical energy storageJ.Renewable and Sustainable Energy Reviews,2017,78:439-451.38 Lai C.S.,

213、McCulloch M.D.Levelized Cost of Electricity for Solar Photovoltaic and Electrical Energy StorageJ.Applied Energy,2017,190:191203.39 利 用 電 池 儲 能 系 統（BESS）實 現 高 效 能 源 管 理 和 節 能 OL.中 國 儲 能 網，2023.https:/ 40 Huang P,Lovati M,Zhang X,et al.A coordinated control to improve performance for a building clust

214、er with energy storage,electric vehicles,and 1 137 energy sharing consideredJ.Applied energy,2020,268:114983.41 陳 夢 愷.建 筑 微 電 網 能 源 調 度 管 理 及 博 弈 優 化 方 法 研 究 D.蘇 州 科 技 大學,2023.DOI:10.27748/ki.gszkj.2022.000136.42 趙海湉,王需,林波榮,等.使用需求參數對建筑大數據能耗預測影響規律初探J.建筑節能,2020,48(07):39-42.1 138 Tel:010-82819000-8856 Email： Add：北京市海淀區清河中街清河嘉園東區甲一號東塔 E705 室 低碳智慧建筑產業技術創新戰略聯盟 China Industry Technology Innovation Strategic Alliance for Low-carbon Smart Building