新書推薦：
《
便宜货：廉价商品与美国消费社会的形成
》
售價：NT$
352.0
《
读书是一辈子的事（2024年新版）
》
售價：NT$
352.0
《
乐道文库·什么是秦汉史
》
售價：NT$
367.0
《
汉娜·阿伦特与以赛亚·伯林 ： 自由、政治与人性
》
售價：NT$
500.0
《
女性与疯狂（女性主义里程碑式著作，全球售出300万册）
》
售價：NT$
500.0
《
药食同源中药鉴别图典
》
售價：NT$
305.0
《
设计中的比例密码：建筑与室内设计
》
售價：NT$
398.0
《
冯友兰和青年谈心系列：看似平淡的坚持
》
售價：NT$
254.0
|
| 編輯推薦： |
|
本书基于新一代人工智能关键技术--群智能的新型建筑智能化系统，在国家十三五重点研发项目支持下建立起来的我国原创的技术体系，打破了国外厂商长期垄断的集中式分层架构的建筑智能化技术体系。建筑智能化涉及多学科交叉，本书注重知识的完整性，力图用广大机电工程师、设计人员、软件工程师都易于理解的语言，介绍群智能建筑的理论基础，通过剖析典型的管理控制问题，介绍通用的求解算法，以展示群智能建筑的工作原理。
|
| 內容簡介： |
|
基于新一代人工智能关键技术--群智能的新型建筑智能化系统，是在国家十三五重点研发项目支持下建立起来的我国原创的技术体系，打破了国外厂商长期垄断的集中式分层架构的建筑智能化技术体系。本书可为读者理解群智能建筑的基本概念，为广大技术和管理人员使用和研发群智能设备或软件提供的理论基础。本书系统地介绍了基于群智能的建筑智能化系统的理论基础，涉及群智能建筑的基本概念、建筑基本单元的数学模型、约束优化问题的并行分布式算法、典型管理控制问题的应用等。
|
| 關於作者： |
|
赵千川，清华大学自动化系教授，智能与网络化系统研究中心主任。主要研究方向为网络化动态系统性能优化与安全控制及其在电力、制造、通信、建筑等领域的应用。担任中国自动化学会控制理论专业委员会副主任、中国系统工程学会理事、IEEE RAS智能建筑专业委员会主任等。曾获国家自然科奖二等奖（排名第二）、自然科学二等奖（排名第一）。2004年入选新世纪优秀人才支持计划，2008年获清华大学学术新人奖，2014年获国家杰出青年科学基金资助。担任国家十三五重点研发项目“新型建筑智能化系统平台技术”负责人。
|
| 目錄：
|
第1篇体 系 架 构
第1章群智能建筑自动化系统
1.0符号列表
1.1引言
1.2典型的建筑自动化系统架构
1.2.1建筑自动化的基本单元
1.2.2基本单元的协作方式
1.3群智能建筑平台
1.3.1硬件组成
1.3.2面向并行计算的分布式操作系统
1.4典型应用案例
1.4.1变风量系统控制
1.4.2并联冷机自动加减机控制
1.5本章小结
参考文献
第2章智能建筑无中心平台架构研究
2.1研究背景介绍
2.1.1当前原因分析
2.1.2现代建筑运行管理的新需求
2.1.3建筑群智能系统构想
2.2群智能建筑平台介绍
2.2.1CPN的功能与结构
2.2.2CPN与标准信息集
2.2.3并行计算模式
2.3系统对象概念分析
2.3.1基本单元的概念
2.3.2系统的组合形态和网络化
2.4运行任务及案例分析
2.4.1建筑运行任务
2.4.2群智能建筑平台数学模型
2.4.3案例简介与分析
2.5本章小结
参考文献
第3章群智能建筑智能化系统平台技术
3.0符号列表
3.1研究背景介绍
3.2新架构和关键功能特征
3.3理论基础
3.4案例研究
3.5本章小结
参考文献
第4章群智能、扁平化建筑自动化系统
4.0符号列表
4.1研究背景介绍
4.2楼控系统模型
4.2.1空间导向型和扁平化
4.2.2有限影响： 建筑中物理过程的特殊性
4.3群智能建筑自动化系统
4.3.1基本单元
4.3.2网络和交互
4.3.3群智能系统的计算和控制
4.4基于群智能系统的案例
4.4.1紧急情况下的撤离
4.4.2并联水泵控制
4.5本章小结
参考文献
第2篇分布式算法
第5章非线性问题的迭代方法
5.0符号列表
5.1压缩映射理论
5.1.1一般性结论
5.1.2常用的压缩映射
5.2无约束优化
5.2.1主要算法
5.2.2非线性算法
5.3约束优化
5.3.1最优条件和映射定理
5.3.2梯度投影算法
5.3.3比例梯度投影算法
5.3.4非线性算法
5.4本章小结
参考文献
第6章多智能体优化的分布式次梯度方法
6.0符号列表
6.1研究背景概述
6.2多智能体次梯度优化算法
6.2.1信息交换模型
6.2.2优化算法
6.3分布式次梯度算法的性质
6.3.1基本性质
6.3.2Φ(s)的极限
6.4次梯度方法收敛性
6.5本章小结
参考文献
第7章大规模网络化系统的分散式差分进化算法
7.0符号列表
7.1引言
7.2分散式优化问题的定义
7.3分散式差分进化算法
7.4DDE算法的仿真实验设定
7.4.1仿真实验所用的测试问题
7.4.2实验中的参数设定
7.5实验结果
7.6本章小结
参考文献
第3篇标准信息集
第8章群智能建筑基本单元信息模型标准
8.1群智能建筑基本单元信息模型标准概述
8.2建筑空间单元信息模型研究
8.2.1建筑空间概述
8.2.2建筑空间单元信息模型描述
8.2.3建筑空间物理信息词条研究
8.2.4末端从属设备信息词条研究
8.2.5人员信息词条研究
8.3源类设备单元信息模型研究
8.3.1冷冻站基本单元信息模型
8.3.2空调风系统基本单元信息模型
8.4本章小结
参考文献
第4篇拓 扑 识 别
第9章建筑空间中的分布式图匹配算法
9.0符号列表
9.1问题简介
9.2问题描述
9.2.1假设
9.2.2数学模型
9.3建筑空间图匹配算法
9.4收敛性分析
9.5实验验证
9.6本章小结
参考文献
第10章基于群智能技术的暖通空调系统拓扑描述方法及控制系统的自动集成
10.0符号列表
10.1引言
10.2暖通空调控制系统新型架构性能要求
10.3群智能概念介绍
10.4群智能控制系统的识别与集成
10.5建筑空间的拓扑描述方法
10.6暖通空调风系统的拓扑描述
10.7暖通空调水系统的拓扑描述
10.8暖通空调冷冻站的拓扑描述
10.9讨论
10.10本章小结
参考文献
第11章快速集中式拓扑匹配算法研究与实现
11.0符号列表
11.1拓扑匹配问题概述
11.2拓扑匹配问题解法综述
11.3快速集中式拓扑匹配方法
11.3.1VF2算法介绍
11.3.2基于度的匹配顺序优化
11.3.3邻域信息筛选策略优化
11.3.4非递归实现优化
11.3.5实验结果分析
11.4本章小结
参考文献
第5篇仿 真 建 模
第12章消防系统在群智能建筑平台下的仿真实验研究
12.1引言
12.2仿真平台的搭建
12.3消防系统的仿真
12.3.1仿真条件
12.3.2设备建模
12.3.3应用程序开发
12.4仿真结果分析
12.5本章小结
参考文献
第6篇物理场校核
第13章基于群智能的暖通空调输配管网流量和压力辨识
13.0符号列表
13.1引言
13.2群智能概念介绍
13.3输配管网中的流量和压力辨识
13.3.1暖通空调系统输配管网描述
13.3.2辨识过程
13.4结果与讨论
13.5本章小结
参考文献
第14章基于群智能平台的多传感器分布式卡尔曼滤波算法
14.0符号列表
14.1引言
14.2基本原理
14.2.1问题描述
14.2.2传统卡尔曼滤波
14.2.3含等式约束的分布式卡尔曼滤波
14.2.4仿真结果
14.3硬件测试与工程实践
14.3.1硬件测试
14.3.2工程实例
14.4本章小结
参考文献
第7篇人 员 分 布
第15章基于WiFi的群智能建筑系统人员估计算法
15.0符号列表
15.1引言
15.2WiFi信号具有非加密性、突发性及间歇性
15.3人员分布估计系统模型
15.4基于分类的群智能建筑人员分布朴素估计方法
15.4.1问题分析及系统模型
15.4.2基于分类的室内人员计数方法
15.4.3实验验证及性能分析
15.5基于关联规则分析的室内人员计数修正算法
15.5.1问题分析及系统模型
15.5.2高频项目集k扩展特性讨论
15.5.3基于p坚持1扩展的室内人员计数修正方法设计
15.5.4实验验证及性能分析
15.6本章小结
参考文献
第16章基于红外的群智能建筑系统人员估计算法
16.0符号列表
16.1引言
16.2单向通行场景下的人员计数方法研究
16.2.1基于PCCS的室内人员进出辨识模型
16.2.2基于PCCS的室内人员计数方法
16.2.3实验验证及性能分析
16.3双向通行场景下的人员计数方法研究
16.3.1基于LSTM的室内人员分布估计方法
16.3.2实验验证及性能分析
16.4本章小结
参考文献
第17章室内人员分布的估计与应用
17.0符号列表
17.1建筑内人员运动的分层模型
17.1.1室内人员运动模型综述
17.1.2室内人员运动的分层模型
17.1.3室内人员检测常用传感器的误差模型
17.1.4案例研究
17.2室内人员分布的信息融合方法
17.2.1基于蒙特卡罗方法的双红外贝叶斯估计近似算法
17.2.2单传感器最优估计特性
17.2.3基于热释电红外传感器检测特性的双红外信息融合算法
17.3基于群智能的室内人员分布估计方法
17.3.1基于进出事件修正的人员分布信息协同感知
17.3.2基于异质信息融合的人员分布信息协同感知
17.4本章小结
参考文献
第8篇故 障 诊 断
第18章中央空调系统群智能传感器故障诊断方法研究
18.0符号列表
18.1变量关联方程的建立
18.2群智能传感器故障诊断模型的建立
18.2.1群智能传感器故障诊断模型统一描述
18.2.2群智能传感器故障诊断模型特点分析
18.3群智能传感器故障诊断方法研究
18.3.1群智能传感器故障诊断网络搭建
18.3.2群智能传感器故障诊断算法研究
18.4群智能传感器故障诊断仿真实验
18.5群智能传感器故障诊断硬件实验平台测试
18.6本章小结
参考文献
第19章传感器故障检测的分布式算法
19.0符号列表
19.1传感器故障检测概述
19.2问题建模
19.3检测算法
19.3.1集中式算法
19.3.2分布式算法
19.3.3复杂度分析
19.4数值结果
19.4.1仿真案例
19.4.2效率对比
19.5本章小结
参考文献
第20章树状能量网络故障检测
20.0符号列表
20.1研究背景介绍
20.2相关定义
20.3主要定理及其证明
20.4数值仿真
20.5本章小结
参考文献
第21章基于网络演算的网络故障检测方法
21.0符号列表
21.1网络故障检测概述
21.2问题描述
21.3主要结果
21.3.1故障检测原理
21.3.2检测原理假设的可满足性讨论
21.3.3故障检测算法
21.4仿真算例与对比
21.4.1仿真算例
21.4.2效果对比
21.5本章小结
参考文献
第22章面向群智能系统架构的防护工程配电网故障诊断方法研究
22.0符号列表
22.1引言
22.2BP神经网络
22.3群智能系统架构下故障诊断模型
22.3.1CPN自组网过程
22.3.2BP神经网络样本训练集的构建
22.3.3群智能算法定位故障点
22.4仿真实验与分析
22.5本章小结
参考文献
第23章群智能系统在某商业建筑的工程应用
23.1群智能建筑平台
23.2工程背景及群智能方案
23.3群智能系统的工程实施
23.3.1智能单元的“开机自检”，在施工现场实现“出厂预制化”的严格
质检过程
23.3.2智能单元运行数据的智能化分析，试运行阶段协助发现隐藏
问题
23.3.3智能单元之间网络连接拓扑的自辨识
23.3.4小结
23.4群智能系统的实际运行
23.5本章小结
参考文献
第9篇设备运行优化
第24章HVAC冷站分散式节能优化
24.0符号列表
24.1暖通空调系统研究背景概述
24.2优化问题建模
24.2.1冷机
24.2.2冷却塔
24.2.3冷却塔风机
24.2.4质量平衡与能量平衡
24.3分散式优化算法
24.4案例分析
24.5本章小结
参考文献
第25章采暖通风与空调系统分散式节能优化研究
25.0符号列表
25.1引言
25.2优化问题建模
25.2.1冷却塔子系统的建模
25.2.2冷机子系统的建模
25.2.3AHU子系统的建模
25.3分散式CMDSAES
25.4算例分析
25.5本章小结
参考文献
第26章不依赖模型的中央空调优化运行方法
26.0符号列表
26.1不依赖模型的优化运行方法概述
26.1.1模型不确定性分析
26.1.2不依赖模型的优化运行方法介绍
26.2不依赖模型的群智能设备优化决策方法研究
26.2.1不依赖模型的群智能设备优化决策方法总体设计
26.2.2不依赖模型的群智能设备优化决策算法研究
26.2.3不依赖模型的群智能设备优化决策理论证明
26.3不依赖模型的群智能设备优化决策实验测试
26.3.1半物理实验平台
26.3.2群智能设备优化决策硬件平台测试
26.4本章小结
参考文献
第27章基于群智能平台的微电网经济调度算法研究
27.0符号列表
27.1微电网经济调度问题概述
27.2用于本章研究的微电网经济调度模型
27.2.1微电网拓扑结构
27.2.2微电源模型
27.3基于局部信息交互粒子群的调度算法
27.3.1势能博弈
27.3.2分布式粒子群算法
27.4仿真实验
27.4.1实验结果
27.4.2参数影响分析
27.5本章小结
参考文献
第28章并联变频水泵转速优化控制研究
28.0符号列表
28.1引言
28.2并联变频水泵模型
28.3并联变频水泵转速优化控制问题分析
28.3.1相似工作点不变的条件
28.3.2并联水泵工作点的最优分配
28.3.3并联水泵最优转速比值
28.4准则实例应用与验证
28.4.1准则应用
28.4.2准则验证
28.5本章小结
参考文献
第29章基于群智能技术的高层建筑集中供暖系统控制与优化研究
29.0符号列表
29.1集中供暖系统群智能控制
29.1.1集中供暖系统控制现状
29.1.2集中供暖系统群智能控制方法
29.1.3建筑模型建立
29.1.4模型验证
29.1.5换热站并联水泵模型
29.2集中供暖系统群智能控制算法设计
29.2.1室内温度模型预测群智能控制
29.2.2换热站并联水泵群智能优化控制
29.3集中供暖系统群智能控制研究结果及分析
29.3.1室内温度模型预测群智能控制结果
29.3.2换热站循环水泵群智能控制结果分析
29.4本章小结
参考文献
第30章基于分布式人工鱼群的并联水泵运行优化方法
30.0符号列表
30.1并联水泵分布式运行优化概述
30.1.1研究背景
30.1.2分布式控制系统架构
30.1.3分布式人工鱼群优化算法的提出
30.2基于DAFSA的并联水泵供水量分配优化方法
30.2.1智能水泵建模与适应度函数的建立
30.2.2人工鱼群算法简介
30.2.3分布式人工鱼群算法
30.3并联水泵供水量分布式分配优化控制仿真
30.3.1仿真案例
30.3.2案例仿真结果与讨论
30.4本章小结
参考文献
第31章并联水泵系统的一种分布式节能控制方法
31.0符号列表
31.1研究背景概述
31.2问题建模
31.3群智能优化算法
31.4理论分析
31.5并联水泵系统分布式优化实验验证
31.6本章小结
参考文献
第32章一种新型的基于群智能架构的冷水机组负荷优化分配算法
32.0符号列表
32.1冷水机组负荷优化分配群智能算法
32.1.1冷水机组负荷分配算法现状
32.1.2问题描述
32.2冷水机组负荷优化分配群智能算法设计
32.2.1种群初始化
32.2.2适应度函数
32.2.3混沌变异算子
32.2.4建立高斯分布模型
32.2.5产生下一代种群
32.2.6迭代终止条件
32.3基于群智能的并联冷机负荷优化分配研究结果及分析
32.3.1案例研究
32.3.2参数分析
32.3.3结果分析
32.4本章小结
参考文献
第33章中央空调系统并联水泵节能优化群智能控制算法研究
33.0符号列表
33.1引言
33.2中央空调系统并联水泵群智能控制系统
33.3中央空调系统并联水泵优化控制问题
33.4分布式概率估计算法
33.5案例研究与节能仿真分析
33.5.1同型号水泵系统仿真验证结果与分析
33.5.2不同型号水泵系统仿真验证结果与分析
33.6本章小结
参考文献
第34章机电设备群控的分布式快速优化方法
34.0符号列表
34.1引言
34.2设备组群控一般性问题建模
34.2.1群控问题的一般模型
34.2.2群控问题分解子问题
34.3分布式快速优化算法
34.3.1DFOA介绍
34.3.2算法的分布式实现
34.4水泵组群控案例分析
34.4.1算法有效性对照试验
34.4.2全时段模拟分析
34.5本章小结
参考文献
第35章群智能系统并联冷机优化控制
35.0符号列表
35.1研究背景介绍
35.2集中式架构和群智能控制架构
35.3去中心化的算法描述
35.4典型案例分析
35.5硬件应用
35.6本章小结
参考文献
第10篇路 径 引 导
第36章基于分布式建筑控制策略的人员疏散系统研究
36.1研究背景概述
36.2分布式建筑控制策略
36.2.1分布式建筑控制策略的结构设计
36.2.2分布式建筑控制策略的优劣势分析
36.3建筑分区和信息传输网络拓扑结构
36.3.1建筑分区的构建
36.3.2信息传输网络拓扑结构设计
36.4基于分布式建筑控制策略的人员疏散系统
36.4.1分布式疏散系统及算法
36.4.2分布式系统的疏散实验与模拟
36.5本章小结
参考文献
第37章基于群智能算法的仓库拣选路径优化
37.0符号列表
37.1仓库作业群智能算法概述
37.2仓库管理控制系统架构
37.2.1仓库管理集散式控制系统
37.2.2仓库管理群智能控制系统
37.3仓库拣选路径群智能算法设计
37.3.1算法结构
37.3.2采用并行蚁群算法求解最优路径
37.3.3算法描述
37.4仿真实验与分析
37.5本章小结
参考文献
第11篇编 程 语 言
第38章INR： 一种用于群智能建筑App开发的编程模型
38.0符号列表
38.1绪论
38.2相关工作
38.3INR编程模型概述
38.3.1INR的一般架构
38.3.2INR的关键机制
38.4INR的实现
38.4.1定义个体
38.4.2定义邻域
38.4.3定义域
38.5案例研究
38.5.1案例描述
38.5.2编程需求分析
38.5.3开发模式设计
38.6本章小结
参考文献
|
| 內容試閱：
|
前言
本书汇总了国家“十三五”重点研发项目“新型建筑智能化系统平台技术”所提出的群智能建筑系统的主要基础理论研究成果
为了理论体系的完整性，我们收录了项目立项之前群智能建筑系统的少量前期理论研究成果。本前沿内容部分发表于智能建筑杂志(2019，225： 2224)。。参与编写的有清华大学、大连理工大学、陆军工程大学、安徽建筑大学、西安建筑科技大学、中国建筑科学研究院有限公司等项目参研单位。
本书按照智能建筑系统的理论体系，从系统架构、算法基础、模型、状态估计、运行优化、算法开发等层次，将理论成果编辑整理为体系架构、分布式算法、标准信息集、拓扑识别、仿真建模、物理场校核、人员分布、故障诊断、设备运行优化、路径引导和编程语言共11篇。
以下对该项目基本情况及群智能建筑系统的技术特点进行概述，以帮助读者从整体上了解群智能建筑系统这一新技术。
研究背景
现有的建筑智能化系统普遍基于总线的分层分级的系统架构，中央监控主机集中监测、控制和管理。在目前的整体架构中没有内置建筑空间和机电设备的物理模型，缺乏标准化的描述，使得建筑智能化系统的设计、施工和运营等各个环节之间难以进行有效的沟通，导致很多建筑智能化系统难以发挥作用，不能满足用户的需求。究其根本原因是现有的建筑智能化系统脱胎于工艺过程相对固定的工业控制系统的架构和控制需求； 另外，随着公共建筑类型的增多，服务对象需求多样化、地域与气候差异很大，控制管理的复杂性增加，原有的系统难以满足各种功能需求。
依托科技部“绿色建筑及建筑工业化”重点专项2017年项目“新型建筑智能化系统平台技术”，在江亿院士的指导下，项目组提出的一种基于群智能的新型建筑智能化系统平台架构，通过物理场模型与分布式并行计算深度结合，实现机电设备的即插即用、互联互通和建筑物理场的自组织协同优化，以大幅提升公共建筑的用能效率，降低楼控系统开发及运行维护(以下简称运维)成本。
研究团队
项目团队包含5所国内院校，3家建筑科学研究院所，4家信息系统与软件企业，7家全面覆盖暖通空调、变配电、消防安防、照明等各类机电设备的制造企业，3家地产企业。参与单位覆盖理论研究、技术研发、规划设计、标准制定、软件开发、设备制造、系统集成、工程实施、人才培养等智能建筑产业发展相关的各个环节。项目研究内容及各单位在研究中的分工如图1所示。
图1项目研究内容及各单位在研究中的分工
系统架构
基于群智能的新型建筑智能化系统平台架构如图 2所示，该架构包括标识层、模型层、分布式计算层和接口层。标识层包括一组电子标签，这些电子标签分别部署在建筑空间单元、建筑机电设备和管道上； 模型层是通过已有读取设备识别这些电子标签的内容，在信息空间建筑反映建筑空间单元、机电设备、管道及其连接拓扑关系的网络模型； 分布式计算层由一个通用的分布式计算平台和面向建筑控制的分布式控制模块组成； 接口层包括提供给开发人员或第三方应用的接口。
图2群智能建筑智能化系统平台架构
技术特点
群智能建筑智能化系统平台架构的特点，首先是物理场模型与分布式并行计算深度融合。通过引入存储建筑基本单元和连接关系标准描述的智能计算节点，实现物理场局部信息的高效横向集成和全局协同自组织优化控制，从而实现物理场的识别、状态估计、性能分析和控制以及传感器和设备的故障诊断。
其次，群智能建筑智能化系统平台架构引入建筑基本单元的统一描述，规范了机电设备接入系统的通信接口，便于设备实现即插即用，也避免了不同厂家设备集成时面临的异构数据问题，可方便地实现设备之间的互联互通，降低了设备安全调试的人工成本。
最后，群智能建筑智能化系统平台架构的分布式计算引擎的计算节点，避免使用全局地址，仅使用节点本地计算指令和与相邻节点的数据交换指令，保证了开发的分布式建筑控制程序不依赖于具体的建筑，可针对不同建筑直接下载运行，避免了定制化开发的工作量，更好地支持了系统的可扩展性，也为广大机电工程师充分发挥专长开发通用楼控软件提供了平台支撑。
理论基础
以分布式计算理论和自然启发的群体智能优化理论为基础，项目团队在支撑群智能建筑智能化系统平台架构的理论问题上展开研究，特别是物理场拓扑识别、物理场方程求解、物理场性能评价、机电设备运行状态感知、参数校核、机电设备运行优化控制等基本理论问题取得了一批研究成果。
图3为分布式机电设备控制算法的示意图。给定两台可控设备，假定设备开时均输出单位功率。采用分布式方式确定它们的开关机组合，要求达到输出总功率等于1。两台设备的计算节点中任意1台发起计算( 以设备1的计算节点为例 )。两个计算节点分别独立地产生随机开关机状态。节点1收集节点2生成的随机设备状态，并与设备1的随机开关状态匹配。对于设备1为开的样本，设备2也为开的样本由于总功率为2超过了要求的单位输出功率要求而被舍弃，只会接受设备2为关的样本。对于设备1为关的样本，设备2也为关的样本由于总功率为０不满足输出功率要求而被舍弃，只会接受设备2为开的样本。如果开机成本存在差异，可以进一部分优化设备开机组合。
图3分布式机电设备控制算法
技术优势
群智能建筑智能化系统平台技术具有以下优势：
(1) 抽取适用于各类建筑的通用建筑基本单元模型，规范了机电设备接入建筑智能化系统平台的接口，简化了机电设备厂家开发智能机电设备的工作，降低了智能机电设备的开发成本，提高了智能机电设备的通用性；
(2) 面向标准的通用建筑基本单元展开建筑智能化系统软硬件的设计，简化了建筑智能化系统的设计工作，降低了建筑智能化系统软硬件设计的复杂度；
(3) 面向标准的通用建筑基本单元展开建筑智能化系统软硬件的安装和部署，降低了构建建筑智能化系统的复杂度和配置工作量，从而能够降低系统的安装和部署成本；
(4) 自识别建筑基本单元的类型和它们之间的连接关系，提供了建筑智能化系统平台对设备的即插即用功能，简化了系统平台的配置维护工作，降低了运行维护成本；
(5) 物理场模型与分布式并行计算深度融合开发机电设备控制算法，有效利用了各领域的专业知识，提供了系统平台支撑可适用于各建筑的通用管理控制程序功能，简化了建筑管理控制应用程序的开发工作，实现了建筑系统状态的协同感知和各设备之间的协同控制，可有效提升建筑运行的性能，降低运维成本，提高相应算法的可移植性。
典型案例
冷站群控对于节能减排有重要意义，也是暖通空调系统优化控制的难点问题。 虽然多年来国内外学术界有大量研究，但是真正落地的方案非常有限。群智能为改变这种现状提供了机遇。国家游泳中心(水立方)是2008夏季奥运会的主游泳馆，也是2022冬季奥运会的冰壶比赛场馆。经过多年的运营，水立方的自控系统绝大部分处于老化、失灵的状态，严重依赖人工控制。为实现2022冬奥会“科技、绿色、节能”的目标，采用群智能技术对水立方的机电系统进行了智能化升级， 以冷冻站为先行试点，逐步将水立方改造为高科技的智慧馆。目前已完成冷冻站群控系统改造，并计划开展环境控制系统改造。
水立方冷冻站系统复杂，包括夏季供冷系统、内区冬季风盘供冷系统、冷却水系统、冷机热回收系统。按照标准设备单元的定义，将冷冻站设备划分为多个设备单元，为每个设备单元配置一个计算节点，计算节点硬件按照系统拓扑关系连接成一个计算网络。计算节点能自主完成本地控制及与邻域协调控制功能。具体控制管理功能通过下载通用的控制管理App实现，应用下载即运行。水立方下载了冷站群控时间表、并联设备自组织优化控制、冷站系统协作保护算法等应用，保障设备安全运行，实现灵活的场景模式设定和落地的冷站群控策略。由于改造工程现场空间有限，设备单元控制箱采取了集中布置的方式，如图 4所示。调试工作仅耗时两周，凸显了群智能系统快速部署的优势。群智能改造完成后，冷站系统实现了自动运行，与改造前相比，冷站设备能耗减少16.2%。
图4冷站群智能控制箱
工程实践情况
项目团队已经完成了支持群智能建筑智能化系统架构的基础理论分析和论证； 完成了面向建筑基本单元的建筑运行数据描述的标准信息模型，填补了国内外这一领域的空白，并启动相关标准立项和编写； 完成了支撑新架构的操作系统、计算节点原型和建筑控制管理关键应用软件的研发，开展了工程示范，取得仅用8人/天完成智能化系统调试的成绩，比传统系统节省调试时间80%以上。在多个示范工程中应用的通用空调节能算法，取得了节能30%~50%的显著效果。
行业推广
项目团队提出的群智能建筑智能化技术路线得到中国节能协会的认可，2018年8月，中国节能协会批准成立了旗下的群智能建筑节能专业委员会。2018年12月，“群智能建筑基本信息单元模型”在中国节能协会完成立项。专委会的宗旨是： 隶属中国节能协会，接受其业务指导和监督管理； 凝聚各技术单位力量，推动建立中国自主创新的群智能建筑技术体系和产品体系； 为建筑领域机电制造产品提供智能平台，提升产品科技竞争力； 为建筑/城市控制和管理提供智能化手段，促进建筑节能减排和城市可持续发展。
小结
群智能建筑智能化系统平台架构和技术，在智能化系统的设计、 安装、 机电设备运维、用户便捷接入等方面的性能超越了现有集中式分层架构的建筑智能化技术，为助力机电设备厂家实现智能制造，降低智能化系统开发和施工成本，实现公共建筑节能运行提供了一套可行的解决方案，可促进信息化技术对建筑行业新一轮技术变革的引领作用。
致谢
本书的出版得到国家“十三五”重点研发项目“新型建筑智能化系统平台技术”(项目编号2017YFC0704100)的资助。该项目的开展得到了同行专家的鼓励和支持。特别感谢江亿院士，他不但是群智能建筑系统思想的主要提出者，更是领导者和倡导者。感谢郅晓主任、李宏高工、奚宏生教授、肖文栋教授、魏东教授和张辉教授。他们自项目启动以来，对群智能系统的理论、技术和实践给予了持续的热情支持鼓励，也提出了非常中肯的意见和建议。感谢中国节能协会对于推广群智能建筑系统的大力支持。
本书的编写反映了项目参与单位的集体智慧，感谢各项目参与单位对群智能建筑系统理论研究给予的大力支持和做出的贡献。感谢参与文稿编辑整理工作的人员： 于军琪、张振亚、杨启亮、于震、赵天怡、陈曦、贾庆山、江岸、李立、王萍、张睿、胡浩宇、于昊、周梦、侯雪妍、陈文杰、唐静娴、王雪涛。
感谢清华大学出版社对出版本书给予的大力支持！
作者2023年1月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
