Аналитика больших данных на основе искусственного интеллекта для систем автоматизации и управления зданиями: обзор, актуальные проблемы и перспективы развития

AI-big data analytics for building automation and management systems: a survey, actual challenges and future perspectives
Yassine Himeur, Mariam Elnour, Fodil Fadli, Nader Meskin, Ioan Petri, Yacine Rezgui, Fayçal Bensaali, Abbes Amira
2022-10-15

аналитика больших данных на основе ИИсистемы автоматизации и управления зданиямиобнаружение аномалий энергопотребленияпрогнозирование нагрузкиобнаружение присутствия
Теоретически системы автоматизации и управления зданиями (BAMS) могут обеспечивать все компоненты и функциональные возможности, необходимые для анализа и эксплуатации зданий. Однако на практике эти системы способны обеспечивать лишь управление системами отопления, вентиляции и кондиционирования воздуха (HVAC). Поэтому многие другие задачи остаются за оператором, включая оценку эффективности зданий, выявление аномального энергопотребления, определение изменений, необходимых для повышения эффективности, а также обеспечение безопасности и конфиденциальности конечных пользователей. Для решения этих задач разрабатываются инструменты аналитики больших данных на основе искусственного интеллекта (ИИ), поскольку они предлагают различные новые и адаптированные решения, исключительно подходящие для практического управления зданиями. Как правило, такие инструменты помогают оператору (i) анализировать огромные объемы данных от подключенного оборудования и (ii) принимать интеллектуальные, эффективные и своевременные решения для повышения эффективности зданий. В статье представлен всесторонний систематический обзор применения аналитики больших данных на основе ИИ в системах автоматизации и управления зданиями. Рассмотрены различные задачи на основе ИИ, включая прогнозирование нагрузки, управление водными ресурсами, мониторинг качества внутренней среды и выявление присутствия людей. В первой части статьи используется тщательно разработанная таксономия для обзора существующих платформ и архитектур. Проведен всесторонний анализ различных аспектов, включая процесс обучения, среду здания, вычислительные платформы и сценарии применения. Далее представлено критическое обсуждение, направленное на выявление актуальных проблем. Вторая часть посвящена представлению читателю сведений о практическом применении аналитики больших данных на основе ИИ. В связи с этим приведены три тематических исследования, демонстрирующих использование такой аналитики в системах автоматизации и управления зданиями; основное внимание уделено выявлению аномалий энергопотребления в жилых и офисных зданиях, а также оптимизации энергопотребления и эксплуатационных характеристик спортивных объектов. Наконец, определены перспективные направления и ценные рекомендации по повышению производительности и надежности систем автоматизации и управления зданиями в ...
1
Аналитика больших данных на основе ИИ обрабатывает большие объёмы данных подключённого оборудования и поддерживает своевременные интеллектуальные решения для повышения эффективности зданий.
2
Существующие системы автоматизации и управления зданиями в основном управляют HVAC-системами, оставляя операторам оценку эффективности, обнаружение аномалий, повышение энергоэффективности и обеспечение безопасности.
3
Рассмотрены фреймворки ИИ для BAMS с учётом процессов обучения, среды здания, вычислительных платформ и прикладных сценариев; также выявлены актуальные проблемы внедрения.
4
В обзоре разработана таксономия ИИ-задач в BAMS, включая прогнозирование нагрузки, управление водными ресурсами, мониторинг качества внутренней среды и обнаружение присутствия людей.
5
Три практических исследования демонстрируют обнаружение энергетических аномалий в жилых и офисных зданиях, а также оптимизацию энергопотребления и эксплуатационных показателей спортивных объектов.

системы автоматизации и управления зданиями (BAMS)

применение, возможности, проблемы и перспективные направления аналитики больших данных на основе ИИ для эксплуатации зданий, управления энергопотреблением, мониторинга среды, обнаружения аномалий и оптимизации характеристик

Publication Details
Publication Date
2022-10-15
Journal
Publisher
ISSN
Cited by
527
Access Type
Author Information
Authors
Yassine Himeur
Mariam Elnour
Fodil Fadli
Nader Meskin
Ioan Petri
Yacine Rezgui
Fayçal Bensaali
Abbes Amira
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat
Make a presentation
100%