建筑暖通系统节能优化算法技术分享，百度智能云度能助力建筑节能更进一步

联合国环境规划署在第27届联合国气候变化大会上发布的报告显示，2021年全球建筑业造成的能源消耗已占全球能源需求的34%以上，伴随“双碳”方针的持续推进，建筑节能的重要性不言而喻。作为建筑中的耗能大户，占建筑总能耗40-60%的暖通空调系统节能优化更是重任在肩。

作为一家技术型科技企业，百度也积极承担社会责任，不断探索更具包容性与可持续共识的产品、业务模型与生态系统。在构建智慧办公楼宇方面，百度于2014年新建科技园地-百度科技园通过将人工智能、物联网技术与楼宇制冷技术相结合，实现智能调控，年节约电费100w元，运维效率提升20%。在绿色数据中心方面，百度自建的阳泉数据中心，于2021年5月获得评级——碳中和数据中心引领者（5A），成为国内首个最高等级的低碳数据中心，最佳PUE低至1.08，达到国内领先水平。

作为实现百度2030年碳中和目标的路径之一，百度智能云支持客户、伙伴等产业利益相关方节能降碳，在建筑暖通场景中，通过持续的研究与技术创新，充分打磨了度能AIoT节能优化方案，并将沉淀下来的算法工程技术与实施经验向外部的建筑暖通迁移，赋能更多企业个体。

暖通模型及应用场景：

建筑暖通系统的制冷过程是由多个控制系统相互作用完成。暖通系统由三类子设备构成：换热设备完成热量交换，动力设备推动能量以热媒介为载体在连接设备中流转，连接设备负责换热设备的连接。从热交换的角度看，制冷系统包含四个循环过程：冷冻侧和冷却侧两个水循环、冷水机组内部的制冷循环、以及冷塔与外部环境的空气循环（见图1）。热媒介不会互相流通，但四个换热过程却是相互关联和制约的。当我们在操作可优化的运行参数时，需要清晰知道整体系统发生了什么联动变化。

🔼图1 制冷系统结构及四个循环过程

暖通系统的应用场景多元，包含数据中心、写字楼、商圈、工厂、酒店、校园等，需求也会随人流量、室内外环境、建筑外立面结构、商用建筑功能等因素而变化。对于冷量需求方，优化目标集中在设定值达标率、空气质量水平、体感舒适度等指标上；对于冷量供给方，则希望负载均衡，避免出现各区域温差大和过冷过热情况，并能实现精准区域供给和分户计费，以降低整体运营成本。百度为供需权衡下的帕累托最优求解提供了一套端到端的暖通系统算法优化方案。

度能打造暖通智控算法引擎，提供成熟的软硬一体改造方案

百度提供了一套集节能算法、负荷预测、故障预警、算法库为一体的暖通智控算法引擎，适合迁移到各类暖通智控场景下使用。

• 算法引擎在暖通智控系统中运行过程

首先节能算法结合深度学习和时序算法模型，构建融合物理机理和数据驱动的虚拟仿真环境，可模拟暖通系统工况的运行过程及调整参数后的状态变化。在参数寻优阶段，以提升制冷能效为目标，构建深度智能决策模型，寻找暖通系统的全局最优决策；同时融合机理知识和生产标准作为知识嵌入来确保安全性。

🔼图2 暖通系统节能优化算法的主流程

在暖通系统节能优化算法的主流程中（见图2），核心模块有两个：虚拟仿真环境、优化算法输出控制策略，它们决定了在真实业务环境中的实施效果。

• 虚拟仿真环境的实验优势

应用在真实暖通系统环境中做优化算法交互时，普遍会存在两个问题：一是当安全和业务约束条件不完备时，直接在生产环境运行存在不确定风险；二是因占据生产资料可能对正常生产和生活带来影响，从而增加实验成本。因此，先在仿真环境充分验证，再下发真实环境执行，是更安全稳妥的做法。

依据动力学、控制论等知识复现暖通系统运行的物理过程，是最“保真“的仿真环境实现方式，且有EnergyPlus和TRNSYS等工业软件辅以实现。但其局限点在于，若缺少变量则物理公式无法正常进行，这不适用数采条件一般的建筑场景；当设备和管路类型不同时，还需通过修改工业软件底层代码复现。

因此，直接通过深度学习模型“理解”背后发生的物理过程，来构建虚拟仿真环境是更合适的办法。除了成本低、建模灵活、适用面广以外，虚拟仿真环境还允许多模型并行实验，以达到最佳寻优效果。

• 控制策略的分级优化算法过程

控制策略的优化算法模块采用的是分级优化调控算法，调控粒度由粗到细，既确保系统的灵敏度与实时性，又逐级细化寻优空间，提升系统安全性、稳定性和鲁棒性。图3展示了系统运行参数的分级优化算法实现过程。第一步，设备级联合调控，依次确定冷机开启台数和顺序、相应的水泵和冷塔开启台数，通过低频调整制冷上限；第二步，末端冷量需求驱动的精调，依据二次侧的面板设置、客流和环境条件等，上调冷机出水温、下调水泵频率，通过高频调整制冷下限；第三步，检验，这是确保整体系统的安全性和稳定性的关键一步，在下发控制策略前，对安全和业务的需求边界做二次校验，若不满足校验条件则下发降级策略，由底层系统接管。

🔼图3 暖通系统运行参数的分级优化算法实现

因此，结合虚拟仿真环境与分级优化算法，度能建筑暖通系统节能优化算法方案可实现暖通智控系统的供需平衡、分配均衡、高效节能、执行达标，并进一步实现低碳、低耗、低成本的目标。

度能助力工厂、楼宇建筑降本增效智能化转型，在诸多领域已有落地

度能面向智慧工厂、楼宇建筑可提供数字化、精细化的能源管理，如在北方某大型数据中心，该数据中心具有超20万台服务器，日均用电量达120万度，其中制冷日用电约10万度，占非IT功耗大头。现场具备多名专业工程师，执行7X24小时巡检运维，暖通工程师凭借个人经验设定设备运行参数，调节效果需依赖工程师专业水平。基于此，度能可提供暖通智控算法，从海量专家运行参数的历史轨迹上进行模仿学习，识别其中行为模式，并融合机理规则策略，实现安全且稳定的参数下发执行。A/B模组对比实验中，在IT负载及环境条件相近的前提下，应用度能暖通智控算法引擎的A模组相比只依赖专家人工调节的B模组，制冷系统能耗下降约9%。

在南方某甲级写字楼案例中，该写字楼建筑面积约6万平方米，采用水冷机组集中供冷，全年制冷耗电量150万度，每天供冷时间12小时以上，末端空调控制面板2千余个。依托百度强大算法能力，深度吸收专家系统调节经验，通过云-端联动架构，打通AI大脑至底层制冷设备的控制链路，全自动实时下发调优策略，直接控制冷水机组、风机、水泵等底层设备。在验证阶段，末端所需冷量预测精度达到97.74%，虚拟仿真环境的复现准确率为95.56%，综合节能率约13.54%，预计年度电量节省20万度，以1元/度电的电价计算，年收益近20万元。

目前，百度智能云度能支持轻量级SaaS服务，可在线快速完成数据接入，核算配置，提供能、碳数字化服务、智慧能源服务，助力企业低成本高效实现能碳数字化。未来，度能也将持续对细分领域进行探索研究，助力各企业智能化转型，推动我国产业升级的步伐，以科技创新加速我国“双碳”目标的实现。