基于LoRaWan電力物聯網的智慧建筑架構設計和能耗管理

范 磊

（上海電力大學 電子與信息工程學院，上海200090）

引言

隨著時代的發展和人類需求的改變，建筑逐漸向智能化進展，智慧建筑中的空調能耗預測也成為國內外學者研究的熱點[1-3]。在萬物互聯和萬物智能的時代，人工智能將以前所未有的速度融入并且影響著我們的生活，且無所不在。智慧建筑是智能建筑技術和新興信息技術相結合的產物。

智慧建筑能耗數據如:時間、室外溫濕度、逐時冷熱負荷、新風熱負荷、房間溫度、房間濕度、總輻射、散射輻射、直射輻射和空調能耗實施準確采集及分析，可以為研究人員提供可靠的建筑數據，對于提高智慧建筑能源使用效率、降低建筑污染物排放量、確保建筑能源環境的可持續發展具有重要作用[4-5]。由于電力物聯網技術具有較高的數據傳送效率、更高的數據通訊帶寬以及數據監測功能等優勢，通過架構新的物聯網平臺可以降低智慧建筑能耗數據采集過程中的能耗。針對傳統建筑的氣象及建筑參數采集存在采集周期長和數據丟包率高等弊端。因此，本文首先介紹了什么是電力物聯網與智慧建筑，研究了物聯網的架構設計以及數據采集流程，進而介紹實驗環境和數據采集統計，最后通過數據分析得出可以實現節能。

1 電力物聯網與智慧建筑

1.1 電力物聯網

電力物聯網是物聯網在智能電網中的應用，是信息通信技術發展到一定階段的結果，其將有效整合通信基礎設施資源和電力系統基礎設施資源，提高電力系統信息化水平，改善電力系統現有基礎設施對智慧建筑能耗方面的利用效率[6-8]。

隨著電力物聯網不斷深化應用，以及人們對智慧建筑的節能意識越來越高，本文提出了基于電力物聯網的智慧建筑組網架構。智慧建筑通過傳感器采集各種各樣的數據，經通過云端進行能耗管理的數據分析，從而到達節能的目的。智慧建筑能耗采集數據的過程中對物聯網的網絡層有了更高的要求。而LoRaWan的使用，可以達到最優能耗的數據采集[9]。

1.2 智慧建筑

智慧建筑由大樓自動化系統、辦公自動化系統、通訊自動化系統和安全自動化系統四大系統組成。它是一個具有高度的信息處理功能和要將電力、空調、防災、防盜、運輸設備等構成綜合系統[10-12]，同時要實現統一的控制。通過與通信技術、人工智能技術以及電力物聯網技術等相結合，實現建筑內的設備互聯互通，充分提高通訊效率，通過能耗管理系統提高能源利用率。

2 架構設計及采集流程

智慧建筑中電力物聯網架構可以劃分成感知層、邊緣層、云計算層、應用層。其中，感知層主要作用是信息感知與采集，主要包括RFID標簽、溫度感應器、聲音感應器、濕度感應器等，是智慧建筑系統的末端部分。網絡層的作用是將協調器匯集的能耗數據通過網絡上傳至應用層，通常采用有線的Ethernet或移動通訊網絡傳遞措施傳輸數據[13]。應用層主要由服務器實現能耗數據的遠程存儲，信息輸出層將能耗信息通過網頁的方式呈現出來，使得數據直觀顯示，并采用云計算層的節能改進算法產生有效的節能。LoRa[14-15]的出現，提供物聯網在智慧綠色建筑更大的使用平臺。本實驗室組建傳感器采集數據，通過LoRa傳輸數據，利用云端進行數據處理和分析，架構如圖1所示。

圖1 智慧建筑中電力物聯網架構

2.1 架構設計

感知層主要包括建筑終端設備的各種溫濕度傳感器、接入網關及智能設備等。感知層的各類設備通過移動通訊網絡、互聯網、Ethernet等通信方式實現與邊緣層的連接，或直接與云平臺層連接。云平臺可以為智慧建筑提供強大計算能力，通過云數據、云計算與人工智能相結合，實現電力流、信息流與數據流顯性隱性價值挖掘，確保建筑內部電力通信系統的穩定運行和持續使用[16-17]。

數據采集器中的采集模塊是RS485采集電路，通過擁有隔離性能的RS485收發器ADM2483完成數據的采集。數據采集器運行時需要先配置信息，配置數據采集器的IP地址、數據中心服務器的IP地址以及建筑ID等信息。通過移動4G信號和LoRa網關將數據發送到平臺，通過邊緣網關連接至廣域網絡[18-20]。

2.2 采集流程

本節提出一種基于物聯網架構設計的采集數據流程。該流程采用最近的LoRa模塊和電力物聯網技術，流程示意圖如圖2所示，包括測試點采集建模階段和在數據分析階段。

圖2 數據采集流程

3 實驗

3.1 實驗環境

本文是以上海電力大學電子與信息工程學院電計樓一層的基本數據建立的建筑物理模型。每一層共有5個實驗室，每一層長80m、寬30m、高4.5m，總面積約為1080m2，如圖3所示。在整個實驗環境的區域包括車輛、障礙物，干擾復雜，因此這個環境上的數據比較有代表性。

圖3 智慧建筑模型

實驗設備采用了LoRa裝置，且各裝置上均裝LoRa SX1280芯片，其LoRa數據采集裝備。整個實驗區域共選擇了X個測試點，通過LoRa網關進行數據傳輸。指紋點在這塊區域中均勻分布，相鄰測試點間距3m，且在每個測試點均可以保證接收到3個錨點裝置的測試值。測試數據采集階段，在1天內的不同時段進行測試點特征的采集，在每個測試點上采集100次作為1組，每次采集間隔1小時。

3.2 數據采集

實驗設備采用了LoRa裝置進行數據的傳輸，通過溫度、濕度等傳感器模塊采集影響建筑能耗的各種特征量。通過采集不同時間、室外溫濕度、逐時冷熱負荷、新風熱負荷、房間溫度、房間濕度、總輻射、散射輻射、直射輻射十一個因素作為特征量。在1天中早上8點開始采集數據，晚上10點結束；在每一個實驗室的房間放置一組傳感器設備，每1個小時采集一次數據，通過云端進行數據統計與分析。每天采集共計13200個數據。

采集的連續5小時數據如表1所示，通過分析可以得出數據穩定可靠，空調剛開啟的第一個小時能耗最高，后面4個小時的逐時能耗變化差距不大，因為此時房間過冷或過熱需要空調額外的能耗均衡溫度。

表1 某天采集數據

3.3 數據分析

空調能耗逐時管理可以通過兩種采集方法得出的空調能耗對比進行分析。為了更加直觀地觀察結果，將傳統建筑能耗數據采集與電力物聯網的數據采集的空調能耗值通過折線圖來表現出來，圖中傳統采集的空調能耗是最上面的折線，電力物聯網采集的能耗是上面的曲線，很明顯物聯網架構擦劑的能耗相對穩定，相對減少15%的能耗。其中兩種方法一年中某天逐時的點分布如圖4所示。

圖4 傳統與物聯網架構能耗數據采集對比

4 結束語

目前，我國的智慧建筑空調耗能在建筑總能耗占比較高，空調系統耗能高而現有的能耗管理系統處于初級階段，因此空調系統的控制方法有待優化。本研究基于電力物聯網的智慧建筑組網架構及能耗管理，通過物聯網平臺的搭建，利用低功耗物聯網技術，以感知層、邊緣層、云計算層、應用層四層架構為基礎，與建筑內用戶的實際需求、各能耗特點進行有機整合，從信號傳輸端開始節能，最終實現建筑能耗管理。

由于影響智慧建筑空調能耗預測的因素很多，本研究只選取部分進行預測，進一步獲得更多影響因素數據，是上一步提升預測精度的重點。上一步研究將從數據處理與算法著手，對采集的數據及時歸屬、界定數據密級、賦予數據權限，實現通信網與電力網隱私與安全；另外將繼續研究更優化的分層、分布式算法以實現對海量數據的即時控制與監測。總而言之，能耗管理對我國日后工業發展具有相當大的作用。可以預見的是，將泛在電力物聯網技術與智慧建筑結合，對建筑能耗進行分析預測可以使建筑向更智能、綠色的方向發展，降低建筑運行成本的同時讓人們擁有一個更整潔舒適的生活環境。