暖气、通风与空气调节(暖通空调)系统，在智能建筑管理中扮演关键角色，但其能源消耗亦备受关注。香港理工大学建筑环境及能源工程学系建筑能源及自动化讲座教授及潘乐陶慈善基金智能建筑教授王盛卫教授研发一套多功能且具通用性的框架，将人工智能整合至楼宇自动化系统中，以提升建筑能源效率。
暖通空调对于智能建筑尤其重要，能维持室内环境的舒适度。在香港，商业建筑的能源消耗占全城总能耗相当大的比例，而暖通空调更可消耗建筑总能耗高达40%。然而，传统控制方法，例如简单的开关控制或比例-积分-微分控制器，往往难以应对此类复杂且高动态的系统。因此，愈来愈重视运用人工智能来提升暖通空调的效能、降低能耗，并支持香港广泛实现永续发展目标。
王教授与研究团队聚焦于一个迫切问题：如何在不依赖远端伺服器或云端解决方案的情况下，将人工智能实用和有效地整合至楼宇自动化系统中，并于现场层面优化暖通空调的运行。他们提出的解决方案是一套全新的通用框架，将人工智能驱动的最佳化功能直接部署至边缘端，也就是实际运作的重点。相关研究题为「用于楼宇自动化系统现场优化的人工智能整合通用框架及策略」已经发表于《能源》（Energy）期刊。
研究提出一种切实可行的现场部署方式：透过在现场设置智能控制站，将人工智能嵌入楼宇自动化系统之中。这些控制站可即时运行人工智能演算法，对暖通空调进行自适应、数据驱动控制，避免云端运算可能带来的延迟和可靠性风险。
该框架包含两项主要组件：其一为人工智能执行环境，用于模型推理和学习；其二为功能模组，用于资料处理、任务管理和提升系统稳健性的设计。研究团队将智能站整合至大型冷却系统的测试平台，并透过硬体在环模拟进行验证；结果不仅证实此方法可行，还展现其实际应用效益。
相较于采用固定设定点的传统基准策略，人工智能驱动的最佳化方案可使总能耗降低7.66%。具体而言，最佳化后的控制策略使冷却水回水温度平均上升2.30 K，供水温度平均降低1.93 K。这些调整有效降低冷却水泵的能耗，虽然海水泵的能耗略有上升。但就系统特性而言属合理取舍；特别是在长距离管道条件下，冷却水泵往往是主要能耗来源。透过持续在水泵和冷水机组之间维持能耗平衡，人工智能驱动的方法得以在不影响使用者舒适度的前提下，显着提升整体效率。
本研究的意义不仅止于实验室层面。研究结果显示，即使采用成本较低的现成硬件，亦可在无需改造既有楼宇自动化系统基础设施的情况下，于现场稳定可靠地执行人工智能驱动的最佳化控制，为智能建筑营运者提供了可扩展、非侵入式的途径，得以导入更先进的控制策略。
王教授的研究成果标志着人工智能在楼宇能源管理的实际应用上迈出重要一步。透过将智能技术导入边缘，所提出的框架不仅在香港这样能源需求密集的环境中带来可量化的节能成效（7.66%），亦兼顾实际部署所需的稳健性与运作稳定性。
资料来源: Innovation Digest 7
