SM SYSTEMS · HVAC INTELLIGENCE

Як AI керує HVAC

Дані → модель системи → прогноз → оптимізація → команда → реакція об’єкта.

HVAC Intelligence аналізує фактичний стан будівлі, прогнозує навантаження та розраховує оптимальний режим роботи обладнання.

Рішення передаються в BMS або контролери, а фактична реакція системи повертається назад у модель.

Система не просто бачить, що відбувається. Вона розраховує, що потрібно зробити далі.

Напрям HVAC Intelligence та AI-керування HVAC від SM Systems працює по всій Європі: дані, інтеграція BMS, інтелектуальне керування й оптимізація кліматичних систем.

Подивитися систему в роботіОбговорити в HVAC Chat

Замкнений контур керування

Від вимірювання до фізичної зміни режиму
01HVACОбладнанняБудівля та інженерні системи створюють фактичне навантаження.02DATAВимірюванняТемператури, витрати, потужність і статуси отримують часові мітки та перевірку якості.03MODELЗв’язки системиМодель пов’язує обладнання, контури, зони та обмеження.04FORECASTМайбутній станРозраховується реакція будівлі на погоду, завантаження та можливі команди.05OPTIMIZATIONВибір режимуПорівнюються допустимі режими за енергією, комфортом і навантаженням.06CONTROLКоманда BMS / PLCПогоджені уставки передаються в автоматику, яка виконує команди.07HVACРеакція об’єктаНові вимірювання підтверджують результат або вказують на відхилення.
RESULT → DATAФактичний результат повертається у наступний розрахунок.

01. Система бачить реальний стан HVAC

Окремий датчик нічого не пояснює. HVAC Intelligence працює з усією системою одночасно.

HVAC / PLC

Обладнання

  • Температури та тиски
  • Витрати теплоносія й повітря
  • Частоти насосів та вентиляторів
  • Положення клапанів
  • Робочі уставки та статуси

METERING

Енергія

  • Енергоспоживання
  • Теплова та холодильна потужність
  • COP / EER
  • Історія роботи

BUILDING / WEATHER

Будівля та середовище

  • Температура зовнішнього повітря
  • Прогноз погоди
  • CO₂
  • Завантаження будівлі
Єдиний стан системи
  • Часові мітки
  • Одиниці вимірювання
  • Достовірність даних

Склад точок залежить від обладнання й доступного обліку. COP / EER розраховуються за достатніх вимірювань потужності, а не визначаються лише за температурою.

02. Дані перетворюються на цифрову модель системи

Температури або потужності недостатньо. Модель описує, що встановлено, як з’єднані контури і як будівля реагує на зміну режиму.

01

Джерела тепла та холоду

  • Чилери
  • Теплові насоси
02

Передача та накопичення

  • Насоси
  • Гідравлічні контури
  • Буферні ємності
  • Клапани
  • Теплообмінники
03

Розподіл у будівлі

  • AHU
  • Опалення
  • Охолодження
  • Вентиляція
04

Об’єкт керування

  • Будівля
  • Зони
  • Теплова інерція

Спільні обмеження: потужність, мінімальні витрати, допустимі температури, час між пусками.

AI працює не з набором датчиків. Він працює з моделлю інженерної системи.

03. Система прогнозує, що станеться далі

Predictive HVAC control враховує майбутнє навантаження: режим можна змінити до того, як температура вийде за погоджені межі.

Thermal Load

Потреба в теплі

Скільки тепла потрібно будівлі.

Cooling Load

Потреба в холоді

Яке охолодження знадобиться зонам.

Indoor Temperature

Температура приміщень

Як зміниться клімат у часі.

Energy Demand

Електричне навантаження

Яка потужність буде потрібна обладнанню.

Weather Impact

Вплив погоди

Зовнішня температура та сонячні надходження.

Building Inertia

Теплова інерція

Як довго збережеться накопичене тепло або холод.

Прогноз змінює момент прийняття рішення
Потреба в холодіВимірюванняПрогноз
Умовний прогноз потреби будівлі в холоді: спад навантаження через 40 хвилин.
ВимірюванняЗараз+40 хв+80 хв

Ілюстрація принципу, не телеметрія об’єкта.

BMS / PLCЗбирає дані, виконує локальні алгоритми, графіки й захисти.

HVAC IntelligenceПорівнює майбутню реакцію всієї системи на різні команди та перераховує режим.

Прогнозне керування доповнює BMS, а не скасовує її функції. Можливості конкретної BMS залежать від установленого програмного забезпечення.

04. AI порівнює можливі режими і обирає оптимальний

Розглянемо два однакові чилери з окремими насосами. Рішення залежить не від одного відсотка завантаження, а від майбутньої потреби та сумарного споживання контуру.

CHILLER OPTIMIZATION · ПРИКЛАД ЛОГІКИ

  • Зовнішня температура знижується.
  • Через 40 хвилин очікується менша потреба в холоді.
  • Для цього прикладу карта ефективності показує кращий EER одного чилера при 80%.
  • Робота двох насосів теж входить у розрахунок.

Поточне навантаження

Потреба у холоді 110%

Чилер 1

У роботі

55%
55%
Насос 1У роботі

Чилер 2

У роботі

55%
55%
Насос 2У роботі

2 чилери + 2 насоси. Поточна потреба дорівнює 110% номінальної потужності одного чилера.

Через 40 хв · за прогнозом

Потреба у холоді 80%

Чилер 1

У роботі

40%
40%
Насос 1У роботі

Чилер 2

У роботі

40%
40%
Насос 2У роботі

2 чилери по 40% + 2 насоси. Варіант для порівняння при меншій потребі в холоді.

Через 40 хв · за прогнозом

Потреба у холоді 80%

Чилер 1

У роботі

80%
80%
Насос 1У роботі

Чилер 2

Резерв

0%
0%
Насос 2Резерв

1 чилер на 80% + 1 насос. Ту саму прогнозну потребу покриває один агрегат, якщо це дозволяють обмеження.

  • Вимкнути другий чилер після підтвердження зниження навантаження.
  • Перевести перший на 80% та скоригувати насосну групу.
  • Узгодити температуру подачі з потребами зон.
  • Зберегти клімат і перевірити фактичний результат.

Змінюється не окремий агрегат, а режим усієї системи.

55% + 55% і 80% відповідають різним моментам та різній потребі. Енергію порівнюють для однакового навантаження: тут 40% + 40% проти 80% + резерв. Це не розрахунок економії; потрібні карти обладнання, облік і перевірка обмежень.

Та сама логіка. Різні інженерні контури.

Приклади допустимих стратегій. Конкретний склад керування визначається підключенням і налаштуваннями об’єкта.

HEAT PUMP OPTIMIZATION

Підготувати систему до нічного похолодання

Прогноз погоди + стан буфера + теплова інерція.

  • Завчасно підвищити температуру буфера в допустимих межах.
  • Використати інерцію будівлі та змінити температурний графік.
  • Зменшити потребу в піковому резервному електронагріві.
  1. Прогноз похолодання
  2. Накопичення тепла
  3. Нічне навантаження

Попереднє накопичення має сенс, якщо виграш перевищує додаткові тепловтрати й витрати на нагрів.

AIR HANDLING UNIT

Змінити подачу повітря за фактичним завантаженням

Завантаження зон + CO₂ + мінімальні витрати повітря.

  • Скоригувати продуктивність вентилятора.
  • Узгодити нагрівання або охолодження припливу зі зменшеною витратою.
  • Контролювати CO₂ та зберегти мінімальний потрібний повітрообмін.
  1. Менше людей
  2. Менша витрата
  3. Контроль CO₂

Зниження витрати не повинно порушувати санітарні вимоги, повітряний баланс або технологічні витяжки.

WHOLE BUILDING

Узгодити HVAC із доступною електричною потужністю

HVAC + сонячна генерація + акумулятор + ліміт потужності.

  • Спрогнозувати одночасне навантаження.
  • Перенести частину теплової роботи на період доступної енергії.
  • Координувати теплове накопичення та акумулятор через доступну автоматику.
  1. Прогноз навантаження
  2. Координація енергії
  3. Обмеження піка

Координація акумулятора можлива лише за наявності відповідної інтеграції, дозволів і погоджених меж.

05. AI змінює реальні параметри HVAC

Через погоджені точки BMS / PLC. Набір доступних команд залежить від протоколів, прав доступу та штатної автоматики.

Temperatures

Температури

  • Температура подачі води
  • Температура припливу
  • Кімнатні уставки

Equipment Load

Завантаження обладнання

  • Завантаження компресора
  • Ступені чилерів
  • Ступені теплових насосів

Flow

Витрати

  • Швидкість насосів
  • Швидкість вентиляторів
  • Витрата VAV

Schedule

Розклад

  • Запуск і зупинка
  • Попередній прогрів
  • Попереднє охолодження

Energy

Енергія

  • Обмеження піка
  • Теплове накопичення
  • Координація акумулятора

Operating Strategy

Стратегія роботи

  • Вибір джерела тепла / холоду
  • Перемикання каскадів
  • Пріоритет обладнання

AI не просто показує рекомендацію інженеру. Він може змінювати допустимі уставки та режими автоматично.

06. Кожне рішення перевіряється реакцією системи

Після зміни режиму система бачить, як реально відреагувала будівля. Якщо реакція відрізняється від розрахункової, модель уточнюється.

Система поступово краще розуміє конкретний об’єкт.

Що отримує власник будівлі

Енергоспоживання

Менше зайвої роботи обладнання.

Пікова потужність

Менше одночасних пікових навантажень.

Ефективність

Робота ближче до ефективних режимів.

Стабільність

Менше різких перемикань і конфліктів систем.

Менше ручних коригувань. Прозора історія рішень. Накопичені дані для наступних оптимізацій.

Ми оптимізуємо не окремий агрегат. Ми оптимізуємо всю систему.

Чилер + насосКращий режим чилера може збільшити споживання насосної групи.

Уставка + комфортЗміна температури подачі впливає на клімат і навантаження інших контурів.

Вимкнення + резервЗупинка агрегату може перенести навантаження на інше обладнання.

Загальний результат: енергія + комфорт + навантаження + ресурс обладнання.

Energy optimization оцінюється за вимірюваннями та порівнюваними умовами, а не лише за зміною уставки.

REAL SYSTEM

Як це виглядає в роботі

Ярослав Смолко показує роботу HVAC Intelligence на реальному інженерному контурі: дані, логіку рішень та зміну режимів системи.

Відкрити відео окремо ↗Обговорити подібну систему для вашого об’єкта

ДОСЛІДНИЦЬКИЙ ПРОЄКТ SM SYSTEMS

AI-керування тепловим насосом Mitsubishi Electric Zubadan

  • Прогноз погоди
  • Теплова інерція будинку
  • Фактичні температури
  • Автоматична зміна уставок
Переглянути кейс →

DIGITAL TWIN

Digital Twin дає AI контекст

Щоб керувати складною HVAC-системою, алгоритм повинен знати структуру об’єкта, характеристики обладнання та взаємозв’язки між системами.

HVAC Digital Twin →

Як підключається система

  1. 01

    Data

    Отримуємо дані BMS та обладнання.

  2. 02

    Model

    Створюємо модель керованого контуру.

  3. 03

    Control

    Підключаємо оптимізаційний модуль до BMS / PLC.

  4. 04

    Optimization

    Запускаємо погоджене керування та уточнюємо модель за фактичною роботою.

AI керує. Штатна автоматика захищає.

  • Заводські захисти обладнання залишаються.
  • AI працює тільки в заданих інженерних межах.
  • При втраті AI-рівня автоматика повертається до заздалегідь погодженого штатного режиму.

Сценарій повернення перевіряється під час налаштування інтеграції.

Є HVAC-система, яку можна зробити ефективнішою?

Покажіть нам систему, обладнання та автоматику. Ми визначимо, як побудувати для неї інтелектуальний контур керування.

Обговорити AI HVAC ControlHVAC Chat

HVAC Intelligence перетворює дані будівлі на рішення, а рішення на реальні зміни роботи обладнання.

До огляду HVAC Intelligence →BMS + HVAC AI →

Технічний контекст: модельно-прогнозне керування (MPC): IEA EBC / Berkeley Lab ↗