大數據在建筑智慧運維系統中的應用

賀洪煜房霆宸朱 贇吳聯定

1. 上海建工集團股份有限公司 上海 200080；2. 同濟大學土木工程學院 上海 200092；

3. 上海市安裝工程集團有限公司 上海 200085；4. 上海超高層建筑智能建造工程技術研究中心 上海 200080

建筑行業產生的數據與大數據在特征上基本重合：數據總量大、數據增長快、數據種類多、數據價值密度低、數據真實。建筑行業采用大數據技術仍是一種新事物。建筑運維系統在建筑全生命周期（BLM，building lifecycle management，建筑信息模型）的運維階段的初始時期，會接收來自規劃、設計、施工、驗收等前期各階段產生的靜態數據。與此同時，占據建筑全生命周期80%時間的建筑運維階段會產生諸如空調、水務、能源、監控、維保等大量的動態數據[1]。上述2種類型的數據在建筑運維系統中可被稱為“建筑運維大數據”，在建筑的運維活動中始終貫穿了對這些大數據的產生、整理、清洗、轉換、挖掘等數據處理行為。傳統建筑運維模式會被時代淘汰的重要原因是其系統無法與實時產生的數據進行有效利用，造成了物業服務效率低、能源消耗量大、設備資產浪費嚴重等諸多問題。

為了解決上述傳統建筑運維模式所產生的問題，亟需對建筑運維模式進行數字化轉型，在研發建筑運維系統的同時，使用大數據相關技術對蘊含巨大價值的運維數據進行挖掘與利用，并結合BIM、數字孿生、物聯網等技術，實現運維系統自我感知、自我優化、智能決策等智慧運維能力。

1 建筑智慧運維中的大數據

1.1數字建筑與BIM模型

建筑智慧運維的對象是建筑本身，智慧運維的基礎是擁有數字建筑，數字建筑是利用BIM和云計算等先進的數字技術，結合進度、成本、質量、安全等建筑管理各要素和人、機、料、法、環等生產要素，貫穿建筑全生命周期，打通建筑產業鏈上下游各方，目的是實現建筑的全數字化、智能化，并建立數字建筑平臺和生態[2]。

BIM是幾何模型對建筑設施的物理特性和功能特性講述的一種技術[3]。BIM貫穿了建筑規劃、設計、施工、運營各階段，是數字建筑中最核心的技術之一。BIM模型的數據也是建筑智慧運維系統中可獲取到的最早的大數據。一個精準的BIM模型可以在建筑全生命周期各階段不斷積累各維度的數據，包括建筑物的三維幾何信息、設備信息、工程文檔、報表、圖像等。

BIM模型具有動態數據存儲的特點，可以將建筑運維系統獲取的交付階段BIM模型的幾何信息作為空間區域劃分的基礎數據。此外，還可以利用射頻識別技術將BIM模型與現實環境中的設備設施進行綁定，構建運維系統中的設備資產信息。

BIM模型還具備可視化的特點，這也是區別于傳統建筑運維系統的特征之一。BIM模型可通過三維可視化方式展現包括空調、排水、通風、消防等設備的分布位置、設備信息、維保信息，通過三維場景高度仿真，可完善表達設備實景及實時運維狀況。通過在三維模型上直觀顯示核心數據指標，便于運維管理者對整個運維系統的整體把控。

1.2數字孿生

在建筑物交付時，業主僅得到1套所謂完整的BIM模型對于建設智慧運維系統來說是遠遠不夠的。其原因是交付的BIM模型僅僅為建筑后期的運維提供了條件和基礎，卻無法繼續提供建筑在運營期間實時產生的數據，而缺乏的這些數據主要是由物聯網設備提供，這些鮮活的數據結合上述的BIM模型就是建筑的數字孿生。數字孿生（digital twin）這一概念最早由Grieves教授提出，數字孿生可以理解為一個或多個重要的、彼此依賴的裝備系統的數字映射系統，可廣泛應用于工業制造、運維保養、智慧城市等多個領域[4]。Grieves教授強調通過數字化來實現可視化這一點是很有意義的，但這不是數字孿生的全部。數字孿生技術在建筑運維中的應用主要體現在以下2個方面：

1.2.1 實現建筑動態數據整合與共享

在過去幾年中，BIM模型在物聯網中的集成研究受到越來越多的關注。一方面，BIM為建筑運維系統提供了高可靠性的幾何形狀、定位以及準確可識別的建筑組件數據集，BIM提供了建筑物全部信息的模型，是完整的建筑信息庫[5]。另一方面，物聯網（IoT）是傳感器和驅動設備的互聯，可理解為建筑及其內部物質之間相連的網絡，提供了統一的跨平臺架構，可實現數據的共享。IoT設備提供了傳感技術、軟件和云平臺、定位技術功能。一般來說，BIM模型和IoT設備兩者互補，共同彌補彼此技術上的不足。最關鍵的是兩者的融合實現了建筑在運維期間的動態數據整合與共享。

1.2.2 BIM模型與IoT設備精準映射

“數字孿生建筑”[6]是將數字孿生使能技術應用于建筑科技，簡單講就是利用物理建筑模型，使用各種傳感器全方位獲取數據的仿真過程，在虛擬空間完成映射，以反映相對應的實體建筑的全生命周期過程[7]。目前主要使用RFID技術對BIM模型和IoT設備進行融合，從BIM模型構件中選取具有實體檢測數據價值的設備ID綁定RFID標簽，同時對監測該設備的IoT設備也綁定相同的RFID標簽。從實際的數據監測需求出發，BIM模型與IoT設備的映射關系可設置為1∶1或N∶1。通過在BIM模型中建立相應的映射關系，可以將BIM模型與IoT設備相關聯（圖1）。以某用于監測室內空氣質量的IoT設備為例，一旦PM2.5濃度超出預設的警戒值，就會在BIM運維模型中收到警告消息，并從BIM模型中定位異常設備的位置及其監控的房間位置。

圖1 數字孿生建筑概念示意

1.3人工智能與數據挖掘

傳統的建筑運維系統服務效率低、能耗高、環境舒適度差、建筑資產浪費大[8]。智慧運維系統引入了AI（artificial intelligence，人工智能），挖掘數字建筑孿生體系中所產生的動態大數據并解決上述問題。人工智能通過對海量數據的處理與分析，使建筑系統具備“學習”的能力，通過源源不斷的數據對建筑系統的復雜演化機理、知識經驗進行持續學習，使建筑系統具備自我感知、自我預測、自我調整的能力，賦予了建筑智能化，實現了建筑綠色、智慧、安全的可持續發展。例如，AI分析了一定周期內室內溫度與季節、耗電量、人群密集度的關系，可根據不同場景預設空調的運行策略，既能滿足人體舒適度需求，又能達到節能減排目的。

建筑運維的數據來源并不僅限于竣工圖紙、配套資料影像等項目竣工時交付的海量碎片化資料，由于建筑是全生命周期的產物，建筑運維的大數據存在參與方眾多、數據互補流通、各階段數據無法串聯等問題。因此，必須引入大數據深度挖掘技術，將多元異構數據在整個建筑涵蓋的產業鏈上下游互聯互通，才能真正在建筑智慧運維系統打破數據孤島，實現數據賦能，為建筑管理人員提供分析與決策的依據。

2 大數據技術在智慧運維中的典型運用場景

2.1建筑設施運維管理

建筑設施的種類十分復雜，例如消防系統、供水系統、中央空調、強弱電、照明、門禁、電梯等。這類設備在家庭使用中十分常見，但由于建筑運維涉及的設備設施數量和使用頻率比家用高好幾個數量級，且管理人員不足，必須引入各類傳感器對設備設施進行監控。各類監測的數據對于設備的運維起到的作用微乎其微，更重要的是要把監測的結果與運維的業務邏輯進行映射。例如，將中央空調的日常保養記錄與設備的保修記錄、設備能耗、制冷量、室外溫度進行關聯，某臺設備在某周期內保修增多、能耗升高、制冷量下降，最后得出設備缺乏保養、內部零件亟需更換的結論。而在智慧運維管理系統中，這些看似無關的數據都會取得多維關聯，不僅能讓設備進行“主動保養”，還能讓設備進行自我檢測并能智慧化切換運行策略，提升室內的環境舒適度。大數據技術還可以充分發揮空間定位和數據記錄的優勢，合理制定維護計劃，分配專人專項維護工作，以降低建筑物在使用過程中出現突發狀況的概率[9]。

2.2建筑節能減排

節能減排是建筑運維的重要內容，在中共中央對碳排放制訂的“碳中和”和“碳達峰”戰略目標中，建筑業中特別是建筑運維環節設計和指定建筑節能減排策略就首當其沖。按照以往傳統運維模式，最簡單粗暴的節能策略就是定時限電拉電，這種行為不僅妨礙正常生產秩序，還會對社會民生造成不良影響。因此，作為建筑智慧運維系統中重要應用之一的智慧節能策略，必須做到以人為本，將人與建筑進行融合，深挖機電風機系統的運行數據，探尋建筑與環境、人員流動、各生產要素之間的微妙邏輯關系。利用能源大數據讓設備自主調控還處于探索階段，但目前仍然可針對某一特定場景進行應用。

例如，醫院大樓的智慧運維場景中，在同一季節，晝夜空調的耗電量較普通商務樓宇更趨于穩定，但由于醫院較普通商務樓的人流量峰值/谷值比例更大，為此，醫院24 h開啟的空調機組若能以人流量來自動調控空調溫度，不僅可以有效提升人員舒適度，還能節約能源，降低碳排放。具體做法是：在醫院大樓逐層安裝具備高精度頭肩檢測算法的攝像頭，統計門診日每個時段的人流量以及密集區域，利用這些監控大數據進行深度挖掘后，可得出某時段某樓層甚至某科室的人流量和密集程度。運維人員通過這些數據制訂各種智能化調節策略，通過執行這些智能化策略的風機系統所節約的用電量將十分明顯，同時也能滿足醫護及病人家屬的人體舒適度。

2.3應急風險管理

公共建筑是城市公共安全事件發生的敏感區域，除了臺風、地震、海嘯等自然災害，還有人為引發的火災、踩踏事件甚至是恐怖襲擊，嚴重危害公共安全。因此建筑樓宇應對災害和公共安全事件的應急風險管理功能應結合運維大數據，制定相應的防災減災預案和公共安全處置預案。在建筑智慧運維系統中以消防模塊為基礎，根據人員大數據信息制訂日常逃生線路和應急臨時逃生線路。同時通過建筑安裝的攝像頭及人體感應裝置快速判斷受傷人員以及非法闖入人員位置，為人員的救治以及罪犯的抓捕提供最新信息。此外，還應通過智慧運維系統的公共安全信息平臺聯動政府、醫院、媒體，及時發布求救信息和救治情況，實現統一管理，分工協作，確保應急救援的快速高效和有序。

3 應用案例

虹橋商務區智慧能源項目系上海虹橋商務區智慧城市建設的重要組成部分。項目由2個能源站組成，包括150萬 m2的國家會展中心項目及約550萬 m2的全部公共建筑的冷熱空調和賓館酒店生活熱水的需求。項目主要采用天然氣分布式能源，輔以光伏、風電等可再生能源，結合新型儲能技術及裝置，全面展現冷熱電三聯供、多能互補、多點儲能及微電網等全要素的智慧能源網的示范應用[10]。

虹橋商務區能源中心的主要設備包含：發電機組、溴化鋰供冷機組、冷水機組、鍋爐機組以及相關的水泵機組，其每年的主要設備運營模式如表1所示。

表1 設備運營模式

虹橋商務區能源中心在前6年的運營過程中，雖然積累了大量的運營數據，但各系統之間存在數據孤島，無法充分利用已有數據實現輔助運營的目的，并且整個運營過程中很大程度上依賴工作人員的經驗，造成了大量的能源浪費，同時也增加了工作人員的工作強度。

近年來，以節能增效為目的，以提高企業經濟效益與社會效益為目標，虹橋商務區能源中心充分挖掘其各系統之間的數據聯系，分析其在每年不同的運營模式下各設備的使用情況，同時分析供能區域內各建筑在不同時間段的用能需求。該項目以大數據分析、人工智能和新型安全為技術支撐，以滿足用戶端需求為服務導向，實現多能高效生產、動態調配輸送、主動適應需求的智慧能源網目標，實現對數據的清洗、合并、轉換，從而建立相關數據模型，實現對整個運營周期的輔助決策功能。

虹橋商務區能源中心通過使用“大數據挖掘”這項技術手段，有效預測了其供能區域內各建筑在不同時間段的用能需求，同時結合能源中心的供能情況，實現用能需求預測與動態調整，科學指導其在各運營模式下各類設備運行的數量，并使設備長期處于高效運行區間，不但提高了供能效率，也減少了能源消耗，降低了工作人員的工作強度，實現了能源中心的精細化管理與高效穩定運營的目標。

4 結語

綜上所述，一個優秀的建筑智慧運維系統離不開建筑全生命周期所積累下來的大數據，更離不開對這些大數據的深度挖掘和應用。對于尚處于數字化應用初期的建筑行業來說，建筑數據、結構數據、場地數據、設備數據、電氣數據、給排水數據以及暖通數據的獲取與挖掘的難度遠大于互聯網行業。

建筑智慧運維是行業發展的必然方向，因此對于建筑行業大數據的應用任重而道遠，建筑行業必須針對大數據的“5V”特性，以建立建筑的數字孿生為基礎，應用人工智能和數據挖掘技術，讓建筑大數據鮮活起來，成為建筑在運行周期的內部動力。