基于LoRaWan电力物联网的智慧建筑架构设计和能耗管理

范 磊

（上海电力大学 电子与信息工程学院，上海200090）

引言

随着时代的发展和人类需求的改变，建筑逐渐向智能化进展，智慧建筑中的空调能耗预测也成为国内外学者研究的热点[1-3]。在万物互联和万物智能的时代，人工智能将以前所未有的速度融入并且影响着我们的生活，且无所不在。智慧建筑是智能建筑技术和新兴信息技术相结合的产物。

智慧建筑能耗数据如:时间、室外温湿度、逐时冷热负荷、新风热负荷、房间温度、房间湿度、总辐射、散射辐射、直射辐射和空调能耗实施准确采集及分析，可以为研究人员提供可靠的建筑数据，对于提高智慧建筑能源使用效率、降低建筑污染物排放量、确保建筑能源环境的可持续发展具有重要作用[4-5]。由于电力物联网技术具有较高的数据传送效率、更高的数据通讯带宽以及数据监测功能等优势，通过架构新的物联网平台可以降低智慧建筑能耗数据采集过程中的能耗。针对传统建筑的气象及建筑参数采集存在采集周期长和数据丢包率高等弊端。因此，本文首先介绍了什么是电力物联网与智慧建筑，研究了物联网的架构设计以及数据采集流程，进而介绍实验环境和数据采集统计，最后通过数据分析得出可以实现节能。

1 电力物联网与智慧建筑

1.1 电力物联网

电力物联网是物联网在智能电网中的应用，是信息通信技术发展到一定阶段的结果，其将有效整合通信基础设施资源和电力系统基础设施资源，提高电力系统信息化水平，改善电力系统现有基础设施对智慧建筑能耗方面的利用效率[6-8]。

随着电力物联网不断深化应用，以及人们对智慧建筑的节能意识越来越高，本文提出了基于电力物联网的智慧建筑组网架构。智慧建筑通过传感器采集各种各样的数据，经通过云端进行能耗管理的数据分析，从而到达节能的目的。智慧建筑能耗采集数据的过程中对物联网的网络层有了更高的要求。而LoRaWan的使用，可以达到最优能耗的数据采集[9]。

1.2 智慧建筑

智慧建筑由大楼自动化系统、办公自动化系统、通讯自动化系统和安全自动化系统四大系统组成。它是一个具有高度的信息处理功能和要将电力、空调、防灾、防盗、运输设备等构成综合系统[10-12]，同时要实现统一的控制。通过与通信技术、人工智能技术以及电力物联网技术等相结合，实现建筑内的设备互联互通，充分提高通讯效率，通过能耗管理系统提高能源利用率。

2 架构设计及采集流程

智慧建筑中电力物联网架构可以划分成感知层、边缘层、云计算层、应用层。其中，感知层主要作用是信息感知与采集，主要包括RFID标签、温度感应器、声音感应器、湿度感应器等，是智慧建筑系统的末端部分。网络层的作用是将协调器汇集的能耗数据通过网络上传至应用层，通常采用有线的Ethernet或移动通讯网络传递措施传输数据[13]。应用层主要由服务器实现能耗数据的远程存储，信息输出层将能耗信息通过网页的方式呈现出来，使得数据直观显示，并采用云计算层的节能改进算法产生有效的节能。LoRa[14-15]的出现，提供物联网在智慧绿色建筑更大的使用平台。本实验室组建传感器采集数据，通过LoRa传输数据，利用云端进行数据处理和分析，架构如图1所示。

图1 智慧建筑中电力物联网架构

2.1 架构设计

感知层主要包括建筑终端设备的各种温湿度传感器、接入网关及智能设备等。感知层的各类设备通过移动通讯网络、互联网、Ethernet等通信方式实现与边缘层的连接，或直接与云平台层连接。云平台可以为智慧建筑提供强大计算能力，通过云数据、云计算与人工智能相结合，实现电力流、信息流与数据流显性隐性价值挖掘，确保建筑内部电力通信系统的稳定运行和持续使用[16-17]。

数据采集器中的采集模块是RS485采集电路，通过拥有隔离性能的RS485收发器ADM2483完成数据的采集。数据采集器运行时需要先配置信息，配置数据采集器的IP地址、数据中心服务器的IP地址以及建筑ID等信息。通过移动4G信号和LoRa网关将数据发送到平台，通过边缘网关连接至广域网络[18-20]。

2.2 采集流程

本节提出一种基于物联网架构设计的采集数据流程。该流程采用最近的LoRa模块和电力物联网技术，流程示意图如图2所示，包括测试点采集建模阶段和在数据分析阶段。

图2 数据采集流程

3 实验

3.1 实验环境

本文是以上海电力大学电子与信息工程学院电计楼一层的基本数据建立的建筑物理模型。每一层共有5个实验室，每一层长80m、宽30m、高4.5m，总面积约为1080m2，如图3所示。在整个实验环境的区域包括车辆、障碍物，干扰复杂，因此这个环境上的数据比较有代表性。

图3 智慧建筑模型

实验设备采用了LoRa装置，且各装置上均装LoRa SX1280芯片，其LoRa数据采集装备。整个实验区域共选择了X个测试点，通过LoRa网关进行数据传输。指纹点在这块区域中均匀分布，相邻测试点间距3m，且在每个测试点均可以保证接收到3个锚点装置的测试值。测试数据采集阶段，在1天内的不同时段进行测试点特征的采集，在每个测试点上采集100次作为1组，每次采集间隔1小时。

3.2 数据采集

实验设备采用了LoRa装置进行数据的传输，通过温度、湿度等传感器模块采集影响建筑能耗的各种特征量。通过采集不同时间、室外温湿度、逐时冷热负荷、新风热负荷、房间温度、房间湿度、总辐射、散射辐射、直射辐射十一个因素作为特征量。在1天中早上8点开始采集数据，晚上10点结束；在每一个实验室的房间放置一组传感器设备，每1个小时采集一次数据，通过云端进行数据统计与分析。每天采集共计13200个数据。

采集的连续5小时数据如表1所示，通过分析可以得出数据稳定可靠，空调刚开启的第一个小时能耗最高，后面4个小时的逐时能耗变化差距不大，因为此时房间过冷或过热需要空调额外的能耗均衡温度。

表1 某天采集数据

3.3 数据分析

空调能耗逐时管理可以通过两种采集方法得出的空调能耗对比进行分析。为了更加直观地观察结果，将传统建筑能耗数据采集与电力物联网的数据采集的空调能耗值通过折线图来表现出来，图中传统采集的空调能耗是最上面的折线，电力物联网采集的能耗是上面的曲线，很明显物联网架构擦剂的能耗相对稳定，相对减少15%的能耗。其中两种方法一年中某天逐时的点分布如图4所示。

图4 传统与物联网架构能耗数据采集对比

4 结束语

目前，我国的智慧建筑空调耗能在建筑总能耗占比较高，空调系统耗能高而现有的能耗管理系统处于初级阶段，因此空调系统的控制方法有待优化。本研究基于电力物联网的智慧建筑组网架构及能耗管理，通过物联网平台的搭建，利用低功耗物联网技术，以感知层、边缘层、云计算层、应用层四层架构为基础，与建筑内用户的实际需求、各能耗特点进行有机整合，从信号传输端开始节能，最终实现建筑能耗管理。

由于影响智慧建筑空调能耗预测的因素很多，本研究只选取部分进行预测，进一步获得更多影响因素数据，是上一步提升预测精度的重点。上一步研究将从数据处理与算法着手，对采集的数据及时归属、界定数据密级、赋予数据权限，实现通信网与电力网隐私与安全；另外将继续研究更优化的分层、分布式算法以实现对海量数据的即时控制与监测。总而言之，能耗管理对我国日后工业发展具有相当大的作用。可以预见的是，将泛在电力物联网技术与智慧建筑结合，对建筑能耗进行分析预测可以使建筑向更智能、绿色的方向发展，降低建筑运行成本的同时让人们拥有一个更整洁舒适的生活环境。