В последние годы вместе с бурным развитием вычислительной техники и цифровых технологий стало возможным и развитие искусственного интеллекта. Эта отрасль очень молода, и, безусловно, все основные открытия и проекты еще впереди. Однако уже сегодня можно перечислить ряд достижений, доступных массовому пользователю.
Об искусственном интеллекте
Искусственный интеллект — это способность технических средств выполнять творческие функции, которые традиционно считаются прерогативой человека. Речь идет о распознавании и понимании речи, решении инженерных задач, отслеживании ситуации и принятии решений на основе выявленных изменений, а также о других интеллектуальных функциях.
Это следующая, заметно более высокая ступень развития средств автоматизации. Традиционные контроллеры, схемы и механизмы работают по принципу простой логики: при изменении какого-либо параметра они формируют определенное регулирующее воздействие.
Технологии искусственного интеллекта позволяют учитывать сотни и тысячи факторов, генерировать множество решений и выбирать среди них наиболее эффективное. И здесь особое значение имеет навык «выбирать».
Действительно, одну и ту же проблему можно решить разными способами. Например, чтобы понизить расход приточного воздуха для конкретного помещения, можно создать дополнительное сопротивление в сети, частично закрыв регулирующий клапан, понизить скорость работы вентилятора или открыть параллельный регулирующий клапан так, чтобы увеличить расход воздуха по альтернативному направлению, а в нужном направлении — сократить.
Очевидно, что чаще всего используют первый способ — он представляется наиболее простым. Но он и наименее эффективный с энергетической точки зрения, поскольку приводит к увеличению энергопотребления системы. Во втором и третьем вариантах энергопотребление системы уменьшится, но возникнет риск разбалансировки.
И здесь можно предложить четвертый способ решения. Он будет представлять собой комбинацию трех предложенных выше: понизить скорость вентилятора и отрегулировать оба клапана так, чтобы во все помещения поступало требуемое количество воздуха. Едва ли хотя бы один специалист службы эксплуатации рискнет пойти по такому пути, так как решение задачи этим способом может занять не один рабочий день. В то же время при наличии умного контроллера и всех необходимых приводов такая задача будет решаться мгновенно.
Итак, искусственный интеллект оперирует большими массивами данных, умеет решать задачи различными методами, оценивая эффективность каждого из них, и выбирает наиболее оптимальный вариант.
Простые примеры искусственного интеллекта
Четкую границу между автоматизацией и искусственным интеллектом провести сложно. Для простоты будем считать автоматическое открытие и закрытие воздушного клапана, работу автоматики системы вентиляции и холодильного контура именно автоматизацией. А, например, появление у кондиционеров «зрения» — инфракрасных датчиков, определяющих местоположение человека в помещении для оптимального регулирования температуры и направления подачи воздуха, — это уже явные признаки искусственного интеллекта.
О подобных разработках некоторое время назад заявили компании Mitsubishi Electric (датчик 3D
Аналогичные датчики могут быть интегрированы в систему вентиляции, и тогда она сможет автоматически отключаться, если человек покинул объект, и включаться при его появлении. Кроме того, такую систему можно научить перераспределять потоки воздуха между помещениями.
Действительно, в настоящий момент при расчете систем вентиляции составляется таблица воздухообмена, в которой для каждого помещения указывается норма притока и вытяжки. Суммарная производительность приточной системы равна сумме расходов приточного воздуха по всем помещениям. Однако в большинстве случаев это значение избыточно.
Если человек покинул одно помещение и вошел в другое, то система продолжит вентилировать оба. Если человек покинул здание, вентиляция продолжит работать как ни в чем не бывало. Для устранения подобных неэффективных режимов и нужен искусственный интеллект, использующий датчики движения, инфракрасные датчики и датчики концентрации углекислого газа.
Рассмотренные примеры — это работа небольших узлов или отдельного оборудования с использованием технологий искусственного интеллекта. Но возможны и более масштабные решения — на уровне инженерных систем.
Искусственный интеллект в системах вентиляции и кондиционирования
Расчет систем вентиляции и кондиционирования при подборе, как правило, ведется для каждого помещения в отдельности. Полученные данные суммируются, к ним прибавляется
Но на практике объекты практически никогда не работают в проектном режиме. Все сотрудники компании имеют право на отпуск — в среднем один месяц в году. Если говорить точнее, то 28 дней из примерно 250 рабочих. Это означает, что как минимум 11% времени в году человек не бывает на рабочем месте. С учетом больничных, командировок, встреч, удаленной работы и прочих факторов реальная средняя длительность пребывания человека на рабочем месте составляет не более 70% времени. Это означает, что остальные 30% времени климатические системы работают для этого человека впустую.
Кроме того, помещения на объекте можно разделить на рабочие и вспомогательные. К рабочим относятся офисы, кабинеты, вестибюль со стойкой регистрации и другие. К вспомогательным — коридоры, переговорные комнаты, комнаты приема пищи… В настоящее время системы вентиляции и кондиционирования воздуха рассчитываются исходя из того, что все эти помещения задействованы по максимуму. На самом же деле, если человек работает в своем кабинете, очевидно, что в переговорной или на кухне в этот момент он отсутствует. Но инженерные системы здания об этом не знают.
Можно привести и другие примеры, но вывод очевиден: на реальном объекте ситуация далека от проектной. В большинстве случаев проектные системы переразмерены и должны работать с неполной нагрузкой, при этом обслуживая помещения с переменной интенсивностью.
Для этого применяются усовершенствованные датчики движения или видеокамеры, способные отслеживать несколько человек одновременно и охватывать значительные площади (рис. 2). Сигнал с этих датчиков обрабатывается контроллером, который с учетом данных от аналогичных датчиков из других помещений формирует сигнал для управления производительностью вентилятора и проходным сечением регулирующих клапанов на входе в каждое помещение. Одновременно с этим происходит регулирование вспомогательных систем, например расхода воды для калориферов.
В случае с системами кондиционирования корректируется работа внутренних и наружных блоков. При отсутствии людей внутренние блоки переходят в экономичный режим и через некоторое время отключаются. При появлении людей работа системы кондиционирования возобновляется.
К примеру, в 2019 году интеллектуальная система вентиляции была запущена в мадридском метро. На первом этапе реализации проекта собирались данные о загруженности метро, интервалах между поездами, температуре воздуха и других параметрах в разные дни недели и в разное время суток. На основе этой информации был выработан наиболее эффективный алгоритм работы вентиляционных установок. Это не жесткий алгоритм. При помощи методов машинного обучения он постоянно корректируется и совершенствуется. По данным заказчика, благодаря нововведениям достигнуто не только снижение энергозатрат на вентиляцию на 25%, но и повышение качества воздушной среды на станциях.
Представляют интерес и исследования, касающиеся эффективности обогрева и охлаждения помещений. Если помещение в данный момент не используется, то поддерживать температуру в нем вроде бы и не требуется. Вместе с тем за время простоя температура может существенно отклониться от нормы, и, когда в помещении появятся люди, потребуется больше ресурсов, чтобы нивелировать разницу. Что же выгоднее — оставлять систему кондиционирования в режиме минимального энергопотребления во избежание больших колебаний температуры или же отключать ее, понимая, что при запуске она будет работать в режиме повышенной производительности?
Отчасти ответ зависит от длительности простоя — при длительном отсутствии людей выгоднее отключать систему. Но согласно расчетам и опытам этот вывод справедлив и в остальных случаях: постепенный прогрев и поддержание температуры менее выгодны, нежели экстренный быстрый прогрев. Таким образом, предпочтение следует отдавать отключению систем в помещении при отсутствии необходимости в них.
Использование ночного холода
Чем выше температура наружного воздуха, тем выше и энергопотребление кондиционера. Однако температура воздуха на улице изменяется в значительных пределах в течение суток: ночью она ниже, а днем — выше. При этом наибольшая нагрузка в помещениях возникает днем — в то время, когда системы кондиционирования работают с наименьшей эффективностью.
Повысить эффективность работы кондиционеров в дневное время поможет устройство аккумуляторов холода. В наиболее простой конфигурации такая система представляет собой чиллер или наружный блок фреоновой системы с конденсатором водяного охлаждения и контур с водой, в состав которого входят бак-аккумулятор наружной установки и драйкулер.
Для охлаждения конденсатора используется холодная вода из бака, а если ее не хватает — запускается охлаждение воды при помощи драйкулера.
Вода из бака-аккумулятора может задействоваться и для охлаждения приточного воздуха, обеспечивая ощутимую выгоду. Допустим, днем воздухоохладитель приточной установки охлаждает воздух с +28 до +22°C, то есть на 6°C. Если ночью уличный воздух охладил воду до +20°C, то система сможет справиться со всеми теплопритоками и охладитель не потребуется вовсе. В других ситуациях вода поможет охладить воздух до 23—24°C, что позволит сэкономить от 60 до 90% потребляемой охладителем мощности.
Искусственный интеллект на уровне здания
В каждом здании одновременно функционирует множество инженерных систем, и их взаимная увязка и эффективная работа требуют особого внимания.
Серьезные проблемы возникают, как правило, при работе систем, предназначение которых является диаметрально противоположным, например систем кондиционирования и отопления, увлажнения и осушения, водоснабжения и водоотведения. На практике возникают ситуации, когда действие одной системы нейтрализуется другой. Это вызывает двойные потери энергии и существенное снижение энергоэффективности объекта.
Так, зимой и особенно в межсезонье нередки ситуации, когда из-за слишком горячих батарей в системе отопления в здании включаются кондиционеры в режиме охлаждения. Стоит ли говорить, что повышенная интенсивность работы системы отопления требует дополнительных затрат, и работа кондиционеров только увеличивает их. Очевидно, что компьютерный анализ ситуации не позволил бы столь расточительно расходовать ресурсы.
Комплексный подход
Одно решение с использованием искусственного интеллекта может не оказать большого влияния на общую энергоэффективность объекта, но когда налицо целый комплекс таких решений, эффект оказывается колоссальным.
Так, по данным специалистов, общее среднегодовое снижение энергопотребления климатических систем может достигать 80% нынешних показателей. Это означает, что по-настоящему эффективные системы вентиляции и кондиционирования в течение года должны потреблять в 5 раз меньше электроэнергии, чем сейчас, — внушительная разница, собранная по крупицам из тысячи мелких преобразований.
Искусственный интеллект в проектировании
Ранее мы рассматривали применение искусственного интеллекта для оптимизации режимов работы той или иной инженерной системы в различных ситуациях. Вместе с тем процесс проектирования этих систем представляет собой не менее широкое поле деятельности для технологий искусственного интеллекта.
Первые попытки оптимизировать труд инженера сводились к применению разного рода программ расчета — теплопритоков, воздухообмена, аэро- и гидродинамических сопротивлений. Многие из них до сих пор активно используются специалистами.
Со временем подобные модули стали внедряться в программы, в которых ведется проектирование инженерных систем, — AutoCAD с устанавливаемым поверх него программным комплексом MagiCAD, Revit и других. Такое решение ускорило выполнение расчетов и позволило держать все необходимые данные — характеристики помещений, результаты расчетов и принятые проектные решения — в одной среде.
Кроме того, программы научились определять возможность корректной работы проектируемой системы и выдавать соответствующие предупреждения, например, о недостаточной мощности насоса, слишком высоком давлении в системе или проблемах в сети вентиляции. Однако искусственным интеллектом назвать такие решения было нельзя.
Новый виток развития средств проектирования связан с появлением BIM‑технологий (от Building Information Model — информационная модель здания). Более подробно о BIM‑технологиях читайте в статье «BIM‑технологии. Информационное моделирование климатических систем» в журнале «Мир климата» № 113 за 2019 год.
Программы, работающие по принципу BIM, способны учитывать множество факторов и решать большинство инженерных задач. К примеру, при изменении планировки они советуют, как оптимизировать сеть трубопроводов и воздуховодов; при изменении архитектуры показывают, как изменятся таблица воздухообмена и диаметры воздуховодов; при изменении расположения рабочих мест выдают рекомендации по улучшению воздухообмена в помещении.
На данный момент применение искусственного интеллекта в программах для BIM‑моделирования только тестируется: программы предлагают различные варианты решения проблемы, но окончательный выбор делает оператор. Ожидается, что совсем скоро программы возьмут на себя решение простых задач, лишь уведомляя человека о сделанном выборе. Наконец, наступит момент, когда автоматические системы научатся самостоятельно решать задачи любой сложности.
Заключение
Повсеместное применение различных датчиков для управления инженерными системами приведет к существенному снижению энергопотребления систем вентиляции и кондиционирования. Следующей задачей здесь станет создание самообучающейся системы управления зданием. Стоит отметить, что работы в данном направлении уже ведутся. Так, созданы самообучающиеся алгоритмы для распознавания лиц, образов, речи, почерка. По всей видимости, в ближайшем будущем стоит ожидать внедрения подобных алгоритмов и в инженерно-строительной отрасли с перспективой функционирования системы в полностью автоматическом режиме.
Юрий Хомутский, технический редактор журнала «Мир климата»
