一个基于楼宇自控的智能建筑通常拥有三层的能源管理结构：现场层、网络层、管理层。现场层包括各种现场设备，有传感器、执行器和各种智能仪表，智能仪表有水表、电表、气表等。现场层的通信采用现场总线标准，较为常用的有RS485、M-BUS等。网络层是管理层和现场层之间相互通信的桥梁，将现场层采集到的数据信息上传给管理层，同时将管理层发出的动作指令发送到现场层，让现场设备执行相应的指令操作。管理层是对现场设备进行统一的监视、控制和管理，同时将现场设备运行产生的数据存储到服务器中，用以记录设备的日常运行日志和打印故障设备的报警信息等。

　　物联网与建筑能源管理系统的融合

　　智能建筑能源管理系统的三层结构具备了与物联网融合的条件，也为应用物联网技术创造了必要性。现场层可以增加采用物联网技术的各种智能设备，网络层可以改造成有线和无线网络进行数据之间的通信，实现建筑能耗设备的远程监控和管理。管理层可以采用物联网的云计算技术进行海量数据的处理，因此，智能建筑能源管理系统已经具备了物联网的结构形态。

　　设备控制节能

　　通过深度数据挖掘分析，建立用能设备运行全景数据分析，再依托人工智能技术，在运行空调、除湿机、风机等其它用能设备期间，保证环境温湿度、水位在标准范围内，避免设备过度运行能耗浪费情景，结合人工智能技术优化设备运行策略，降低能耗，同时延长设备寿命。

　　预测性维护

　　许多设施都采用预防性维护来确保设备正常运行。这通常涉及例行检查以及对设备状态及其使用频率的假设。互联传感器技术通过对维护智能建筑的技术(包括设备温度，功率和声音)提供更细致的洞察，从而将这一概念提升到一个新的水平。

　　这方面的一个例子是监测通风风扇电机，这些电机通常在商业建筑中每天24小时运行。不同的机械谐波随着它们的老化而被识别，并且，通过使用基于LoRa的传感器和调制解调器，电机的健康状况及其生命周期位置可以确定问题出现的时间，以便在出现更大问题之前，在最方便的时间安排维护。

　　故障诊断预测与健康管理

　　通过现场采集来的实时数据，可对复杂建筑设备的全生命周期进行故障诊断、预测、健康状态评估和健康管理。可采用的AI算法模型有：神经网络(分类)、强化学习、贝叶斯(分类)、K-均值(聚类)、马尔科夫(预测)、专家系统，基于这些算法模型可研制故障树检索系统、故障预测系统、健康管理系统。

　　能耗预测

　　在建筑能源系统中，如果历史数据有效且数据量足够，可利用机器学习/深度学习等技术，建立建筑能耗预测算法模型，根据建筑历史用能数据，预测建筑未来一段时间的能源负荷需求，为能源管理者制定能源需求计划、节能考核等提供可靠的数据支持。

　　管理侧节能

　　基于大数据支撑，通过能耗三级计量系统，从各个区域用能上进行大数据分析管理，并对各区域用能情况实时监测，异常状态的分级报警，在减少人员巡查的工作量的同时，保障设备供电安全。进而实现管理层面节能目标。

　　根据以上几种应用场景，人工智能与物联网技术将继续为智能建筑的节能管理提供新的机会。借助连接的设备和强大的分析功能，我们可以实施更多可提高效率的解决方案，并为可持续性和节约提供新的机会。