建筑黑科技丨建筑环境与暖通节能实验室助力低碳数字技术研发

中南建筑设计院建筑环境与暖通节能实验室，位于湖北省武汉市，占地面积约60m²，经施工改造后空调房间面积约为40m²，设计冷负荷为10kW，其中央空调系统包括空气源热泵1台，外置循环水泵1台，缓冲水箱1个，末端风机盘管2台，新风机组1台。

于2023年12月7日起，研发团队基于数字孪生智慧运维管理平台对实验室运维管理至今，基于暖通空调设备模型库，根据设备真实参数建立了实验室系统运行仿真模型，并使用实测数据验证模型匹配度，保证仿真结果的可靠性。在此基础上将仿真应用于实际运维，通过预模拟灵活开发多种节能控制策略，均取得较好的节能效果。

   实验室空间及设备概览

为保证仿真模型的计算精度，尽量最小化与实际运行效果之间的误差，研发团队基于设备厂家提供的实验室数据进行模型对标处理。对标结果显示误差小于2.5%，在标准工况下，仿真结果与设备真实运行结果基本保持一致。

   仿真模型对标

为保证非标工况下仿真模型的系统模拟精度仍能够满足需求，研发团队在项目试运行阶段，利用传感器采集到的设备实测数据对模型参数进行二次校准，保证仿真模型计算结果与系统实际运行结果一致。在试运行期间，仿真模型计算结果与IOT实测数据误差小于3.1%，满足策略开发的使用要求。

   仿真模型参数二次校准

考虑到设备随着使用年限的增加，其运行工况会有所改变，以及一些极端情况的出现，导致原本可靠的仿真模型不能满足需要，研发团队在策略管理功能中留有对仿真模型进行在线更新功能，保证仿真模型的时效性。

综上，随着工程进度的推进，建立系统仿真模型所需的设备性能参数的准确度也不断提高，从最初的粗略估计值到厂商提供的标况值，再与实测值进行对比后对不确定性较高的参数进行校准，才能保证孪生仿真模型的可靠性，进一步用于运行能耗的实时优化控制。因此，仿真模型校验技术与流程的标准化既是打造数字孪生建筑必不可少的环节，也是打造智慧建筑承上启下的关键一步。向上（设计施工阶段）可以证明基于仿真结果而提出的设计优化建议是可靠的，向下（运维阶段）可以利用仿真模型开展系列控制策略的开发和验证。

仿真模型经校准后，研发团队探索了基于半实物仿真的机组和末端设备参数的实时调控。后台仿真服务器与实验室现场上位机通讯，采集仿真必要的实时运行输入数据，通过配套的智控软件向设备或控制器发送指令。

   半实物仿真技术路线示意图

另一方面，为了克服暖通空调控制点位多，组合方案数量庞大导致的优化结果时效性问题，我们采用粒子群算法加并行计算的方法，迅速找到最优控制方案，实现建筑节能高效运行。

   基于并行计算和粒子群算法的寻优过程

仿真模型经封装后，研发团队通过Python自研运行数据输入和控制动作输出的API接口，打通了孪生模型与现场信息的数据通路，切实实现了空调系统的实时动态优化，同时也避免了PLC等现场集采设备或边缘控制器过多的复杂算法编程，无需积累大量运行数据，提高了仿真运维技术路线的可落地性，进一步扩展了半实物仿真方案在实际大型项目中的应用场景。

   基于机理仿真和智能寻优的暖通空调系统节能算法应用

以老旧建筑的节能与智能化改造为例，这些项目往往对成本有效性十分敏感且大多缺乏高质量的历史运行数据，往往需要安装IoT设备并运行一段时间之后才能获取系统运行数据，全面感知之后才能部署自控系统。这种传统的改造流程缺乏对项目初投资和控制效果的预判，对业主并不友好。而利用建筑能源系统的机理仿真不仅可以开展多方案投资经济性对比，还可以在智能化软硬件实际部署之前对舒适性、节能性进行定量模拟分析，以虚拟调试的方式降低试错成本，在未来的城市更新市场上具有巨大的应用潜力。

随着我们积累了足够多的运行数据，可以利用这些数据动态更新仿真模型，并在此基础上结合数据驱动AI算法开展基于混合模型的全局控制。即利用建筑运行历史数据，训练AI代理模型，再利用实时监测的数据作为AI代理模型的输入，实现基于AI代理模型的楼宇空调系统智能控制，为暖通空调系统提供最佳的实时运行方案。

此外，相较于模型预测前馈控制等其他高阶算法，AI全局算法的实施是建立在通用的一次节能算法和二次优化算法的基础上的。通过对设备的黑/灰箱模型拟合，利用AI去学习前面算法的节能效果，在保证可落地性的同时，深度挖掘整个系统的节能潜力，为最终实现完全的无人托管智慧节能奠定基础。

   AI智控的暖通空调系统节能算法应用

算法模块化设计允许根据不同业主的投资规模、具体使用需求及合作模式进行灵活配置，实现了从常规到高端市场的全面覆盖，满足了多样化的市场需求。算法支持本地与云端双重部署方式，适用场景广泛，尤其是缺乏足够资金布置高精度传感器或更换BA系统的用户。

为了实现专业化、智能化运维，针对实验室这一特殊场景定制了运维平台客户端和网页端，开发工作包括数据中台和前端三维交互及各种应用功能的开发。而上述基于仿真和AI的智控算法即可部署于策略管理和推送模块，为不同用户提供定制化节能服务。这样的模块化框架可保证未来在实际项目场景中快速搭建智慧运维平台，同时赋予不同用户灵活配置策略的可能性，而研发团队则可基于策略分析功能专注于策略开发、测试与维护，为用户提供可持续的技术支持。

   实验室数字孪生智慧运维管理平台

此外，研发团队还建立了专门的数据管理中台。利用在BIM模型处理过程中所建立的数据字典，管理模型所绑定的静态数据和动态数据，并在运维平台使用。

1. 动态数据管理：动态数据是指设备在运维过程中一些物联网动态数据，维保记录等。设备的动态数据是对其运行状态最直观的反应，通常在设备出现故障之前，运行状态已经有所征兆。本平台通过数据中台对动态数据实时监测，同时对设备进行报警配置，在设备出现故障之前进行报警处理，做到预防性运维。

   设备报警策略配置

2. 静态数据管理：静态数据是指建筑在运维前期的一些文件数据，如管道和管线，设备与系统相关信息等。当一些故障发生在预防措施之外，运维管理人员可以在运维平台查看并下载相关数据，这些数据所包含的故障诊断书、操作指导书等可作为运维人员进行故障诊断和维修指导的有力助手。

   静态数据管理

数据管理中台不止是简单的数据存储与分析，而是基于数据字典，按照运维平台产品使用者的习惯和需求来汇总、处理数据，并基于构件唯一ID与BIM竣工模型进行整合，是保证交付模型能够顺利应用于运维阶段的关键。

得益于上述策略的应用，建筑环境与暖通节能实验室在运维期间其节能率达到16.6%。

通过中南建院建筑环境与暖通节能实验室的系列实验与实测，对仿真结果进行了系统的校验，证明了规划设计阶段基于系统仿真优化设计性能和设备选型的可行性与可靠性。同时，在运维阶段结合物联网与AI技术，建立了可落地的暖通空调系统实时节能调控方案，且该方案同时适用于新建项目和既有建筑节能改造项目。可见，可动态更新的Modelica系统仿真模型作为数字孪生模型的重要组成部分，将为建筑项目实现源头减排奠定重要的基础。

很快，中南建院工程数字技术中心团队将会集成上述技术优势，推出具有自主知识产权的低碳智慧运维平台，届时将会与基于PLM平台的隐含碳排放核算模块一道，基于同一模型形成服务于全生命周期碳排放管理的完整工具链，各位读者敬请期待。未来，我们将持续提供设计仿真、调试仿真、运维仿真一条龙服务，在不断迭代优化产品的同时，为业主降本增效、节能降碳，为推动建筑工业化、智能化、绿色化做出应有的贡献。

   平台研发团队：

张慎、陈菡、夏劲威、钱俊豪、武新锴、雷雪莲、高龙祥、吴燕、吴文宇、李佳欣

-END-