Що AI може змінити у VRF, DX і системі чилер–фанкойл — без обіцянок універсальної економії

Розклади, групове керування, обмеження уставок і частина енергоощадних функцій можуть бути доступні у штатній автоматиці без окремого AI. Такі можливості, наприклад, описані в документації контролерів Daikin.

Тому правильне питання — не «як зробити кондиціонер розумним», а яких даних і рішень не вистачає всьому об’єкту, щоб установлене обладнання працювало узгоджено?

Для різних систем потрібні різні рішення

У VRF ми б починали із зон: які приміщення обслуговує кожен блок, коли змінюються навантаження, що вимірюють датчики та які команди реально доступні.

Для канального DX важливий зв’язок холодильного агрегату з повітряною мережею. Не варто оптимізувати час запуску, поки не зрозуміло, чи доходить потрібна витрата до приміщень.

Для чилер–фанкойл головне — взаємодія джерела холоду, водяних контурів і кінцевих споживачів. У кожному випадку склад даних визначається задачею, а не бажанням зібрати якнайбільше тегів.

Приклад корисного прогнозу

Припустімо, офіс відкривається о 9:00. Базовий розклад запускає кондиціювання о 7:00 незалежно від погоди та стану будівлі.

Модель може оцінювати, коли потрібно почати підготовку конкретного дня. Але перевіряти слід не лише скорочений час роботи: чи досягнутий комфорт до відкриття, чи не виник більший пік потужності та чи не зросло споживання пізніше.

Саме робота з динамікою будівлі, прогнозом і обмеженнями відрізняє предиктивне керування від простого перенесення таймера. Польові дослідження MPC також показують важливість якості даних та інженерної роботи при впровадженні. ²

Де AI поки не потрібен

У серверній із трьома кондиціонерами ротація робочої пари та автоматичне підключення резерву можуть реалізовуватися звичайною керувальною логікою. Ми б не називали саму ротацію штучним інтелектом.

Наступне завдання — аналізувати зміну реакції температурних зон у зіставних умовах. Це може допомогти визначати, який агрегат потребує уваги. Але без додаткових вимірювань не слід видавати таке спостереження за точний вимір холодопродуктивності або COP.

Проста логіка не є слабким рішенням. Слабке рішення — ускладнювати систему без зрозумілої користі.

Що має передувати автоматичним командам

Наш підхід — спочатку перевірити дані та спостерігати, потім сформувати рекомендації, і лише після погодження переходити до дозволених автоматичних змін.

Для кожного проєкту потрібно визначити межі уставок, швидкість їх зміни, пріоритет локальної автоматики та поведінку при втраті зв’язку. Зовнішня аналітика не повинна обходити заводські захисти або створювати єдину точку відмови для критичного охолодження.

У цій моделі AII Systems — технологічна основа AI Engineering, а не однакова готова відповідь для всіх будівель.

Як показати цінність

Спочатку визначаємо показник: енергія, вартість, години виходу температури за погоджені межі, пікова потужність або кількість ручних втручань.

Розрахунковий сценарій демонструє механізм і очікуваний ефект. Експлуатаційна перевірка показує, як він реалізується на об’єкті. При перенесенні навантаження на дешевший тариф потрібно окремо показувати гроші й кВт·год: це різні результати. Дослідження LBNL також наголошують, що доцільність і витрати впровадження MPC залежать від масштабу та особливостей системи. ³

Цінність AI — не в його присутності на схемі. Вона в кращому рішенні для конкретного обладнання, з пояснюваною причиною та перевірюваним результатом.