暖氣、通風與空氣調節(暖通空調)系統，在智能建築管理中扮演關鍵角色，但其能源消耗亦備受關注。香港理工大學建築環境及能源工程學系建築能源及自動化講座教授及潘樂陶慈善基金智能建築教授王盛衛教授研發一套多功能且具通用性的框架，將人工智能整合至樓宇自動化系統中，以提升建築能源效率。
暖通空調對於智能建築尤其重要，能維持室內環境的舒適度。在香港，商業建築的能源消耗佔全城總能耗相當大的比例，而暖通空調更可消耗建築總能耗高達40%。然而，傳統控制方法，例如簡單的開關控制或比例-積分-微分控制器，往往難以應對此類複雜且高動態的系統。因此，愈來愈重視運用人工智能來提升暖通空調的效能、降低能耗，並支持香港廣泛實現永續發展目標。
王教授與研究團隊聚焦於一個迫切問題：如何在不依賴遠端伺服器或雲端解決方案的情況下，將人工智能實用和有效地整合至樓宇自動化系統中，並於現場層面優化暖通空調的運行。他們提出的解決方案是一套全新的通用框架，將人工智能驅動的最佳化功能直接部署至邊緣端，也就是實際運作的重點。相關研究題為「用於樓宇自動化系統現場優化的人工智能整合通用框架及策略」已經發表於《能源》（Energy）期刊。
研究提出一種切實可行的現場部署方式：透過在現場設置智能控制站，將人工智能嵌入樓宇自動化系統之中。這些控制站可即時運行人工智能演算法，對暖通空調進行自適應、數據驅動控制，避免雲端運算可能帶來的延遲和可靠性風險。
該框架包含兩項主要組件：其一為人工智能執行環境，用於模型推理和學習；其二為功能模組，用於資料處理、任務管理和提升系統穩健性的設計。研究團隊將智能站整合至大型冷卻系統的測試平台，並透過硬體在環模擬進行驗證；結果不僅證實此方法可行，還展現其實際應用效益。
相較於採用固定設定點的傳統基準策略，人工智能驅動的最佳化方案可使總能耗降低7.66%。具體而言，最佳化後的控制策略使冷卻水回水溫度平均上升2.30 K，供水溫度平均降低1.93 K。這些調整有效降低冷卻水泵的能耗，雖然海水泵的能耗略有上升。但就系統特性而言屬合理取捨；特別是在長距離管道條件下，冷卻水泵往往是主要能耗來源。透過持續在水泵和冷水機組之間維持能耗平衡，人工智能驅動的方法得以在不影響使用者舒適度的前提下，顯著提升整體效率。
本研究的意義不僅止於實驗室層面。研究結果顯示，即使採用成本較低的現成硬件，亦可在無需改造既有樓宇自動化系統基礎設施的情況下，於現場穩定可靠地執行人工智能驅動的最佳化控制，為智能建築營運者提供了可擴展、非侵入式的途徑，得以導入更先進的控制策略。
王教授的研究成果標誌著人工智能在樓宇能源管理的實際應用上邁出重要一步。透過將智能技術導入邊緣，所提出的框架不僅在香港這樣能源需求密集的環境中帶來可量化的節能成效（7.66%），亦兼顧實際部署所需的穩健性與運作穩定性。
資料來源: Innovation Digest 7
