constructionСтроительство и реконструкцияBuilding and Reconstruction2073-7416Орловский государственный университет имени И.С. Тургенева10.33979/2073-7416-2024-115-5-138-148construction-814Research ArticleСТРОИТЕЛЬНЫЕ МАТЕРИАЛЫ И ТЕХНОЛОГИИCONSTRUCTION MATERIALS AND TECHNOLOGIESПрименение искусственного интеллекта для управления инженерным оборудованием зданийThe use of artificial intelligence to control the engineering equipment of buildingsШубинИ. Л.ShubinI. L/

Шубин Игорь Любимович, д-р техн. наук, член-корр. РААСН, директор института

г. Москва

Shubin Igor L., doctor in tech. sc., corr. member of RAACS, director

Moscow

niisf@niisf.ruСтронгинА. С.StronginA. S.

Стронгин Андрей Семенович, канд. техн. наук, c.н.с., заведующий лабораторией «Экологическая безопасность и энергоэффективность инженерного оборудования зданий»

г. Москва

Strongin Andrew S., candidate in tech. sc., senior researcher, head of laboratory «Environmental safety and energy efficiency of buildings engineering equipment»

Moscow

strongin@yandex.ruРазаковМ. А.RazakovM. A.

Разаков Мухаммет Азатович, инженер лаборатории «Экологическая безопасность и энергоэффективность инженерного оборудования зданий»

г. Москва

Razakov Muhammet A., engineer of laboratory «Environmental safety and energy efficiency of buildings engineering equipment»

Moscow

muhammet@nln.ruФГБУ «Научно-Исследовательский Институт Строительной Физики РААСН»Research Institute of Building Physics of Russian Academy of Architecture and Construction Sciences20242411202405138148Copyright © Шубин И.Л., Стронгин А.С., Разаков М.А., 20242024Шубин И.Л., Стронгин А.С., Разаков М.А.Shubin I.L., Strongin A.S., Razakov M.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://construction.elpub.ru/jour/article/view/814

В работе представлен обзор используемых интеллектуальных систем в различных инженерных системах зданий, которые на данный момент активно разрабатываются инженерами в различных странах. Приведены данные истории развития и применения рассматриваемых систем для различных отраслей народного хозяйства. Описаны результаты практического применения и возникшие особенности эксплуатации устройств управления в различных инженерных системах обеспечения микроклимата (отопления, вентиляция, кондиционирования воздуха). Подробно выделены варианты регулирования систем жизнеобеспечения здания с помощью современных контроллеров, а также варианты их интеграции в совместную единую систему. Определены предполагаемые ключевые точки развития систем нейроуправления инженерным оборудованием в зданиях и сооружениях. Описаны возможные варианты внедрения нейроконтроллеров в здание (в т.ч. и многоступенчатое внедрение нейроконтроллера одной системы в глобальную систему нейроконтроллер с несколькими инженерными системами). Результаты исследования представляют интерес для совершенствования систем управления инженерным оборудованием зданий и сооружений различного назначения с использованием элементов искусственного интеллекта.

There is an overview of the intelligent systems use in different engineering systems of buildings which are designing in different countries. It has been presented the history of considered systems development and application for different sectors on national economy. Authors have described the results of practical application and control devices operation features in different engineering systems for providing microclimate (heating, ventilation and air conditioning). It has been detailed highlighted the options for regulating the building life support systems with modern controllers and integration them to joint unified system. Authors have determined the proposed key points of neural control systems development for engineering equipment in building and structures. Researchers have described possible options for introducing neurocontrollers to a building (including multi-stage introduction of single system neurocontroller to a global system neurocontroller with several engineering systems). The results of the research will be interested for the services operating engineering equipment of buildings and structures for different purposes. Also this information could be used by the planning services and developing companies which use modern automated control systems for engineering systems.

инженерные системыавтоматические системы управленияискусственный интеллектнейроуправлениенейроконтроллерengineering systemsautomatic control systemsartificial intelligenceneurocontrolneurocontrollerReferencesИрхин И. А., Булатов В. Г., Воронцов К. В. Аддитивная регуляризация тематических моделей с быстрой векторизацией текста // Компьютерные исследования и моделирование. 2020. Т. 12, № 6. С. 1515-1528. doi:10.20537/2076-7633-2020-12-6-1515-1528.Irkhin I.A., Bulatov V.G., Vorontsov K.V. Additive regularizarion of topic models with fast text vectorizartion. Computer Research and Modeling. 2020. Vol. 12. No. 6. Pp. 1515-1528. (rus).Ирхин И. А., Воронцов К. В. Сходимость алгоритма аддитивной регуляризации тематических моделей // Труды института математики и механики УрО РАН. 2020. Т. 26, № 3. С. 56-68. doi:10.21538/0134-4889 2020-26-3-56-68.Irkhin I.A., Vorontsov K.V. Convergence of the algorithm of additive regularization of topic models. Proceedings of the Steklov Institute of Mathematics (Suppl.). 2021. Vol. 315. Suppl. 1. Pp. S128–S139. (rus).Герасименко Н. А., Чернявский А. С., Никифорова М. А., Никитин М.Д., Воронцов К.В. Инкрементальное обучение тематических моделей для поиска трендовых тем в научных публикациях // Доклады Российской академии наук. Математика, информатика, процессы управления. 2022. Т. 508, № 1. С. 106-108. doi:10.31857/S2686954322070086.Gerasimenko N. A., Chernyavsky A. S., Nikiforova M. A., Nikitin M. D., Vorontsov K. V. Inkremental'noye obucheniye tematicheskikh modeley dlya poiska trendovykh tem v nauchnykh publikatsiyakh [Incremental training of topic models for searching for trending topics in scientific publications]. Doklady Rossijskoj Akademii Nauk. Matematika, Informatika, Processy Upravleniya. 2022. vol. 508, no. 1. pp. 106-108. doi:10.31857/s2686954322070086. (rus).Филиппов В. В. Анализ научно-технических работ по автоматическому управлению теплоэнергетических установок // Современные достижения научно-технического прогресса. 2023. № 3(8). С. 9 11. doi:10.18411/sdntp-05-2023-02.Filippov V. V. Analiz nauchno-tekhnicheskikh rabot po avtomaticheskomu upravleniyu teploenergeticheskikh ustanovok [Analysis of scientific and technical works on automatic control of thermal power plants]. Sovremennyye dostizheniya nauchno-tekhnicheskogo progressa. 2023. Vol. 8. No. 3. Pp. 9-11. doi:10.18411/sdntp-05-2023-02. (rus).Фролов В. Я., Жилиготов Р. И. Разработка системы бездатчикового векторного управления синхронным двигателем с постоянными магнитами в Matlab Simulink //Записки горного института. 2018. Т. 229. – С. 92-97.Frolov V.Y., Zhiliglotov R.I. Development of sensorless vector control system for permanent magnet synchronous motor in Matlab Simulink. Journal of Mining Institute. 2018. Vol. 229. p. 92. DOI: 10.25515/PMI.2018.1.92. (rus).Муртазин Т. Э., Шевченко А. А., Титов В. Г. Система векторного управления автономным электроприводом // Вестник МГТУ. Труды Мурманского государственного технического университета. – 2023. Т. 26. № 4. С. 449-456. doi:10.21443/1560-9278-2023-26-4-449-456.Murtazin T. E., Shevchenko A. A., Titov V. G. Sistema vektornogo upravleniya avtonomnym elektroprivodom [Vector control system for an autonomous electric drive]. Vestnik MGTU. Trudy Murmanskogo Gosudarstvennogo Tekhnicheskogo Universiteta. 2023. Vol. 26. No. 4. Pp. 449-456. doi:10.21443/1560-9278-2023-26 4-449-456. (rus).Костылев А. В., Есаулкова Д. В., Казаков Е. Г. Применение нейроуправления в асинхронном электроприводе со скалярным управлением // Энергетика. Инновационные направления в энергетике. CALS технологии в энергетике. 2014. № 1. С. 207-217.Kostylev A. V., Esaukova D. V., Kazakov E. G. Primeneniye neyroupravleniya v asinkhronnom elektroprivode so skalyarnym upravleniyem [Application of neural control in an asynchronous electric drive with scalar control]. Energetika. Innovatsionnyye napravleniya v energetike. cals-tekhnologii v energetike. 2014. No. 1. Pp. 207-217. (rus).Burmeyster M. V., Bulatov R. V., Berdyshev I. I. Development of a Method for Optimizing the Voltage Mode Based on Fuzzy Logic // IEEE. С. 9782944. doi:10.1109/Inforino53888.2022.9782944.Burmeyster M. V., Bulatov R. V., Berdyshev I. I. Development of a Method for Optimizing the Voltage Mode Based on Fuzzy Logic. IEEE. Pp. 9782944. doi:10.1109/Inforino53888.2022.9782944.Wu Z., Gao Z., Li D., Chen Y., Liu Y. On transitioning from PID to ADRC in thermal power // Control Theory and Technology. 2021. Т. 19. С. 3-18. plantsWu Z., Gao Z., Li D., Chen Y., Liu Y. On transitioning from PID to ADRC in thermal power Control Theory and Technology. 2021. Vol. 19. Pp. 3-18. plants.Бродач М.М., Шилкин Н.В. Нейронные сети: оптимальное управление отпуском тепловой энергии // АВОК: Вентиляция, отопление, кондиционирование воздуха, теплоснабжение и строительная теплофизика. 2019. №8. С. 52-57.Brodach M.M., Shilkin N.V. Neyronnyye seti: optimal'noye upravleniye otpuskom teplovoy energii [Neural networks: optimal control of thermal energy supply]. AVOK: Ventilyatsiya, Otopleniye, Konditsionirovaniye Vozdukha, Teplosnabzheniye i Stroitel'naya Teplofizika. 2019. no. 8. pp. 52-57. (rus).Блинова К. А., Курналеева А. А., Бурмейстер М. В., Булатов Р. В. Рыночный механизм управления режимами работы генерирующего оборудования электростанций // XXXIII Международная научно-практическая конференция «EUROPEAN RESEARCH»: сборник трудов. Пенза: Наука и Просвещение, 2021. С. 74-78.Blinova K. A., Kurnaleyeva A. A., Burmeyster M. V., Bulatov R. V. Rynochnyy mekhanizm upravleniya rezhimami raboty generiruyushchego oborudovaniya elektrostantsiy [Market mechanism for managing the operating modes of generating equipment of power plants]. XXXIII Mezhdunarodnaya nauchno-prakticheskaya konferentsiya «EUROPEAN RESEARCH» [Proceedings of XXXIII International Scientific and Practical Conference «EUROPEAN RESEARCH»]. Penza: Nauka i Prosveshcheniye, 2021. Pp. 74-78. (rus).Веренцов Л. А., Бурмейстер М. В., Стаценко Д. В., Маленкова Е. А. Оценка эквивалентной инерции в ЭЭС со значительной долей ВИЭ // Наука и бизнес: пути развития. 2023. № 10(148). С. 11-14.Verentsov L. A., Burmeister M. V., Statsenko D. V., Malenkova E. A. Otsenka ekvivalentnoy inertsii v ees so znachitel'noy doley vie [Assessment of equivalent inertia in an eps with a significant share of renewable energy sources]. Nauka i biznes: puti razvitiya. 2023. Vol. 148. No. 10. Pp. 11-14. (rus).Samoilov A. A., Sergeeva, M. M., Burmeyster, M. V., Kislova, E. A., Zaliznyi, S. A. Intelligent engineering of electric energy storage systems in the Russian Federation: Fundamentals // IEEE. 2021. С. 1-5.Samoilov A. A., Sergeeva, M. M., Burmeyster, M. V., Kislova, E. A., Zaliznyi, S. A. Intelligent engineering of electric energy storage systems in the Russian Federation: Fundamentals // IEEE. 2021. Pp. 1-5.Болдырев В.В., Горькавый М.А. Разработка интеллектуального модуля управления автоматизированной автономной системой энергообеспечения // Учен. зап. КнАГТУ. 2021. № 3. C. 9-18.Boldyrev V.V., Gorkavy M.A. Razrabotka intellektual'nogo modulya upravleniya avtomatizirovannoy avtonomnoy sistemoy energoobespecheniya [Development of an intelligent control module for an automated autonomous power supply system]. Uchen. zap. KnaGTU. 2021. No. 3. Pp. 9-18. (rus).Das H. P., Lin Y. W., Agwan U., Spangher L., Devonport A., Yang Y., Drgona J., Chong A., Schiavon S., Spanos C. J. Machine Learning for Smart and Energy-Efficient Buildings // Environmental Data Science. 2024. Т. 3. С. e1. doi:10.1017/eds.2023.43Das H. P., Lin Y. W., Agwan U., Spangher L., Devonport A., Yang Y., Drgona J., Chong A., Schiavon S., Spanos C. J. Machine Learning for Smart and Energy-Efficient Buildings. Environmental Data Science. 2024. Vol. 3. Pp. e1. doi:10.1017/eds.2023.43Alanne K., Sierla S. An overview of machine learning applications for smart buildings //Sustainable Cities and Society. 2022. Т. 76. С. 103445.Alanne K., Sierla S. An overview of machine learning applications for smart buildings. Sustainable Cities and Society. 2022. Vol. 76. Pp. 103445.Burkov V., Titarenko B. Economic mechanisms for environmental risk management // E3S Web of Conferences. 2019. Т. 91. С. 08009.Burkov V., Titarenko B. Economic mechanisms for environmental risk management. E3S Web of Conferences. 2019. Vol. 91. Pp. 08009.Галкина Е. В. Анализ инструментов верификации проектной документации // Научно-технический вестник Поволжья. 2018. № 6. С. 95-97. doi:10.24153/2079-5920-2018-8-6-95-97.Galkina E.V. Analiz instrumentov verifikatsii proyektnoy dokumentatsii [Analysis of design documentation verification tools]. Scientific and Technical Volga Region Bulletin. 2018. No. 6. Pp. 95-97. doi:10.24153/2079-5920-2018-8-6-95-97. (rus).Galkina E., Kuzina O. Building information model verification at the lifecycle stage of construction // IOP Conference Series: Materials Science and Engineering. 2018. T. 365 (5). С. 062031. doi:10.1088/1757 899X/365/6/062031.Galkina E., Kuzina O. Building information model verification at the lifecycle stage of construction. IOP Conference Series: Materials Science and Engineering. 2018. Vol. 365. No. 5. Pp. 062031. doi:10.1088/1757899X/365/6/062031.Burian S. O., Kiselychnyk O., Pushkar M. V., Reshetnik V. S., Zemlianukhina H. Y. Energy-efficient control of pump units based on neural-network parameter observer // Technical Electrodynamics. 2020. № 1. С. 71-77. doi:10.15407/techned2020.01.071.Burian S. O., Kiselychnyk O., Pushkar M. V., Reshetnik V. S., Zemlianukhina H. Y. Energy-efficient control of pump units based on neural-network parameter observer. Technical Electrodynamics. 2020. No. 1. Pp. 71-77. doi:10.15407/techned2020.01.071.Gromov G. N., Primin O. G. Use of genetic algorithms for calibration of hydraulic models of water supply systems // IOP Conference Series: Materials Science and Engineering. 2018. T. 456. C. 012108. doi:10.1088/1757 899X/456/1/012108.Gromov G. N., Primin O. G. Use of genetic algorithms for calibration of hydraulic models of water supply systems. IOP Conference Series: Materials Science and Engineering. 2018. Vol. 456. Pp. 012108. doi:10.1088/1757899X/456/1/012108.Мамедов В. М., Архаров И. А. Перспективы методов регулирования в инженерных системах // Холодильная техника. 2022. № 4. С. 213-220. doi:10.17816/RF321953.Vladislav M.M., Arkharov I.A. Prospects for control methods in engineering systems. Refrigeration Technology. 2022. Vol. 111. No. 4. Pp. 213–220. doi:10.17816/RF321953. (rus).Абдуллин В. В., Шнайдер Д. А., Курзанов С. Ю., Яворовский Ю. В. Использование технологии "интернета вещей" в отоплении зданий: упреждающее управление, распределённый мониторинг, интеллектуальная балансировка // Сантехника, Отопление, Кондиционирование. 2018. № 8(200). С. 54-58.Abdullin V.V., Shnayder D.A., Kurzanov S. Yu., Yavorovsky Yu. V. IoT technology applications to building heating: predictive control, distributed monitoring, smart hydraulic balancing. Plumbing, Heating, Air conditioning. 2018. Vol. 200. No. 8. Pp. 54-58. (rus).Krūmiņš, A., Bogdanovs, N., Beļinskis, R., Mežale, K., Garjāns, M. Increasing Buildings Automation Systems Efficiency with Real-Time Simulation Trough Improved Machine Self-learning Algorithms // Springer Proceedings in Energy. 2019. С. 41-49. doi:10.1007/978-3-030-00662-4_4Krūmiņš, A., Bogdanovs, N., Beļinskis, R., Mežale, K., Garjāns, M. Increasing Buildings Automation Systems Efficiency with Real-Time Simulation Trough Improved Machine Self-learning Algorithms. Springer Proceedings in Energy. 2019. Pp. 41-49. doi:10.1007/978-3-030-00662-4_4Su B., Wang S., Li W. Impacts of uncertain information delays on distributed real-time optimal controls for building HVAC systems deployed on IoT-enabled field control networks // Applied Energy. 2021. Т. 300. С. 117383.Su B., Wang S., Li W. Impacts of uncertain information delays on distributed real-time optimal controls for building HVAC systems deployed on IoT-enabled field control networks. Applied Energy. 2021. Vol. 300. Pp. 117383.Şahin A. Ş. Performance analysis of single-stage refrigeration system with internal heat exchanger using neural network and neuro-fuzzy // Renewable energy. 2011. №. 10 (36). С. 2747-2752.Şahin A. Ş. Performance analysis of single-stage refrigeration system with internal heat exchanger using neural network and neuro-fuzzy. Renewable energy. 2011. Vol. 36. No. 10. Pp. 2747-2752.Pérez-Gomariz M., López-Gómez A., Cerdán-Cartagena F. Artificial neural networks as artificial intelligence technique for energy saving in refrigeration systems — A review // Clean Technologies. 2023. № 1 (5). С. 116-136.Pérez-Gomariz M., López-Gómez A., Cerdán-Cartagena F. Artificial neural networks as artificial intelligence technique for energy saving in refrigeration systems — A review. Clean Technologies. 2023. Vol. 5. No. 1. Pp. 116-136.Zhang Y., Zhou Z., Liu J., Yuan J. Data augmentation for improving heating load prediction of heating substation based on TimeGAN // Energy. 2022. Т. 260. С. 124919.Zhang Y., Zhou Z., Liu J., Yuan J. Data augmentation for improving heating load prediction of heating substation based on TimeGAN. Energy. 2022. Vol. 260. Pp. 124919.Li C., Cui C., Li M. A proactive 2-stage indoor CO2-baswd demand-controlled ventilation method considering control performance and energy efficiency // Applied Energy. 2023. Т. 329. С. 120288.Li C., Cui C., Li M. A proactive 2-stage indoor CO2-baswd demand-controlled ventilation method considering control performance and energy efficiency. Applied Energy. 2023. Vol. 329. Pp. 120288.Zhao Y., Li T., Zhang X., Zhang C. Artificial intelligence-based fault detection and diagnosis methods for building energy systems: Advantages, challenges and the future //Renewable and Sustainable Energy Reviews. 2019. Т. 109. С. 85-101.Zhao Y., Li T., Zhang X., Zhang C. Artificial intelligence-based fault detection and diagnosis methods for building energy systems: Advantages, challenges and the future. Renewable and Sustainable Energy Reviews. 2019. Vol. 109. Pp. 85-101.Taheri S., Ahmadi A., Mohammadi-Ivatloo B., Asadi S. Fault detection diagnostic for HVAC systems via deep learning algorithms // Energy and Buildings. 2021. Т. 250. С. 111275.Taheri S., Ahmadi A., Mohammadi-Ivatloo B., Asadi S. Fault detection diagnostic for HVAC systems via deep learning algorithms. Energy and Buildings. 2021. Vol. 250. Pp. 111275.Yang S., Wan M. P., Ng B. F., Dubey S., Henze G. P., Chen W., Baskaran K. Model predictive control for integrated control of air-conditioning and mechanical ventilation, lighting and shading systems // Applied Energy. 2021. №12 (300). С. 117325.Yang S., Wan M. P., Ng B. F., Dubey S., Henze G. P., Chen W., Baskaran K. Model predictive control for integrated control of air-conditioning and mechanical ventilation, lighting and shading systems. Applied Energy. 2021. Vol. 300. No. 12. Pp. 117325.

The authors declare that there are no conflicts of interest present.