Skip to main content

城市

将智能建筑数据转化为有用的 KPI

智能建筑, 建筑自动化

来看一座智能建筑。假设它是位于俄亥俄州的一家百货商店。一位设施管理员发现,今年冬季的能源消耗比平均值高 17%。

乍一看,高出常理的电费可归因于异常寒冷的寒冬腊月。但是,对建筑物的运营数据进行进一步分析后,设施管理员发现,屋顶空调暖通系统 (HVAC) 装置的节热器风门出现了故障,需要进行修复。快速修好后,能源成本恢复了正常。

虽然这听起来可能很简单,但并不是如此。是的,通过将 HVAC、照明、能源和其他系统连接到集中化的智能控制平台,构建自动化系统可帮助实现效率最大化并降低成本(图 1)。但利用该基础设施,则意味着从不同子系统提取数据、对其进行整合,然后得到可执行的相关信息。

将暖通空调、照明、能源和其他系统连接到集中控制平台可提高建筑能效。
图 1。智能建筑包含相互依存的子系统,只有通过全面的分析策略,才能真正得以优化。(资料来源: WESCO International Inc.

只有在克服了一些复杂的技术障碍之后才有可能实现上述简单的场景:

  • 数据提取:组成智能建筑的大多数不同终端和设备都使用不同协议进行通信。尽管如此,他们仍必须与单个统一的智能建筑分析平台集成。
  • 数据聚合:一旦获取数据,必须对其进行规范化,但每个智能构建系统都可能生成不同格式的数据,结构化或非结构化,时间序列或相关值,或不同数值的数据(例如,kWh 与 ºF/ºC 的关系)。
  • 数据分析:必须应用分析,以将规范化数据转化为有用的信息。遗憾的是,大多数分析平台专为特定领域或功能而构建,适用范围过于狭窄,无法用于智能建筑等常规用例。

并且所有这些都需要在考虑利益相关方的情况下才能进行实施。通常情况下,物联网数据分析基础设施强调捕获数据,但并未足够专注于谁可能使用这些数据,以及该如何使用。

SkyFoundry 联合创始人 John Petze 解释说:“分析算法可以应用于您的数据,使得您可以探测出导致故障的趋势,或者是故障可能导致的性能损失。”“但是,如果您待在室温是 85 华氏度(29.4 摄氏度)的办公室里,您不会在意空调继续吹风。理论上,它完全没有故障,但是对您来说,它没有发挥出作用。”

数据分析:从捕获数据转到 KPI

物联网软件开发工具提供商 SkyFoundry 设计了用于智慧建筑的 SkySpark 分析平台,以帮助业主和运营商实施并利用有效的数据分析策略。此解决方案采用边缘到云架构:在边缘,平台提供一个资源占用较低的软件堆栈,可以部署在基于英特尔® 处理器的物联网网关和端点上,以运行 Java 虚拟机 (JVM)。该堆栈从诸如 BACnet IP、Modbus-TCP、MQTT 和 OPC UA 等现场总线协议中捕获数据,然后将数据封装在基于 WebSocket 的被称为 Arcbeam 的对等协议上。

在云端,Arcbeam 将这些数据包传输到 SkySpark 多架构、时间序列 Folio 数据库中,在某种程度上是内存数据库和 SQL 等关系数据库之间进行交叉传输。它基于 Project Haystack,是开源语义数据建模标准,提供了从多个来源进行数据标记的可扩展的方式,以便在单个数据库实例中将其进行规范化。

这些组件解决了在智能建筑等用例中,从多个子系统中捕获数据并使其标准化这一技术挑战难题。现在,您将如何处理所有数据?这是一个让 IT 和运营团队陷入困境的问题,特别是对于没有数据科学家或分析师的团队。

SkySpark 通过内置分析功能库解决此问题,该库可用于根据捕获的数据执行规则或运行算法。这些内置功能专为一系列行业和终端用例设计,即使用户没有什么专业知识,也可以将原始数据转化为可执行的分析。

应用层分析可以使用分析功能库来实现,避免了建筑运营商需要以大海捞针的方式在海量数据中去寻找指标。实际上,该平台可以进行配置,以便让指标找到运营商。

SkySpark 平台根据 Folio 数据库的数据和调查结果自动生成可视化数据、通知和报告,这些数据和调查结果会显示在可自定义的仪表板中。仪表板可从任意角度支持几乎任何类型的数据,并且用户可以通过点击“视觉构建器”工具进行修改(图 2)。

SkySpark View Builder 允许用户在一个窗口中以多种图表格式显示趋势数据,例如总耗电量。
图 2。SkySpark ”视觉构建器”允许用户以符合其需求的方式显示物联网数据。(资料来源:SkyFoundry

此外,开箱即用的 SkySpark 应用程序还可以帮助用户以最适合当前用例的方式来解释和显示分析的数据。例如,一款 KPI 应用程序将兴趣点呈现为易于使用的、基于 HTML5 的演示文稿。

在这些应用程序中,实时数据和分析结果可以通过开放的 API 输出到第三方系统,从而以现代化的、先进的方式,将 IoT 分析集成入现有的软件中。

策略第一,数据第二

只要该软件具有能够高效、联网和安全运行的虚拟机并且将端点数据与云端连接,那么像 SkySpark 这样的灵活分析工具就可以被集成到现有的建筑自动化基础设施之上。因为英特尔处理器技术已经在各类 BAS 部署中运行,因此,这种向着可执行、数据驱动结果的转变在很大程度上是无缝的过程。

因此,各机构可以将数据分析工作的重点放在查找关键利益相关方的重要 KPI 上。但同样的,说起来容易做起来难。举例来说,COO 和 CFO 可能需要根据能源消耗、占用、维修成本和环境风险因素来计算在不同场地的运营总成本。同时,销售经理可以从对天气、数字标牌内容及其对店内客流的综合影响进行的评估中受益。

实际上,普遍访问数据可以带来几乎无限的分析机会。面对新的可能性,开始进行智能建筑转型的最佳点是采用能够支撑企业盈利的战略。

作者简介

Brandon is a long-time contributor to insight.tech going back to its days as Embedded Innovator, with more than a decade of high-tech journalism and media experience in previous roles as Editor-in-Chief of electronics engineering publication Embedded Computing Design, co-host of the Embedded Insiders podcast, and co-chair of live and virtual events such as Industrial IoT University at Sensors Expo and the IoT Device Security Conference. Brandon currently serves as marketing officer for electronic hardware standards organization, PICMG, where he helps evangelize the use of open standards-based technology. Brandon’s coverage focuses on artificial intelligence and machine learning, the Internet of Things, cybersecurity, embedded processors, edge computing, prototyping kits, and safety-critical systems, but extends to any topic of interest to the electronic design community. Drop him a line at techielew@gmail.com, DM him on Twitter @techielew, or connect with him on LinkedIn.

Profile Photo of Brandon Lewis