今天甘肃亮化工程的小编就来讲讲如何在数据科学的驱动下,三步把“未来楼宇”变为“现实”。
数据科学驱动楼宇从智能到智慧
我假设你对智能楼宇已经有认知,而且已经知道了现在楼宇智能化的范畴正逐渐改变,除了控制系统和能源管理外,对楼宇服务的对象,也就是“人”的各种需要的满足度的要求在迅速提高,有一部分是比较刚性的,容易用既有的技术手段实现的,比如楼宇亮化、消防、安全等5A能实现的等;有一部分是柔性的,比如如何用有限的电梯让高峰期排队的人更少同时.节能;比如室内的温湿度、光照等设备如何根据外部自然条件变化为住户提供柔性的服务,让家有家的温度,办公有办公的调性,而且还能满足个性化的需要等等。在这种背景前提下,物联网、大数据等一系列的新技术的综合应用成为“必然之选”。
但是过去五年的新技术们在智能楼宇中的探索和实践却一直有“不成气候”的感觉,也没有行业规范和标准,行业本身并没有得到实质性的发展,而住户们希望得到的的体验也参次不齐。这里面当然有物联网的技术路径非常多,而业主很难理清楚孰优孰劣的原因,有技术方案或项目方对自己和用户的“体验”提升无法通过技术手段直接认识的原因,也有缺乏有效的工具来聚合各方力量从而实现需求的迭代的原因。
其实抛开对数据科学各种算法、数据清洗等的畏惧,数据科学的应用过程实际上和我们要解决“把大象塞进冰箱里”的问题是一样的,我们这里来分解一下如果数据科学要在刚才这种场景下发挥作用,一共需要多少个步骤。
选择并清洗数据
我们当然假设了各种5A系统、物联网方案其实已经提供了足够多的数据,只是在面对这个主题时我们并不需要所有的数据:过多的数据维度不仅浪费计算资源,更会对数据科学的推演产生反作用力。在该领域..的协助下,我们选择了四个维度的数据:”通过空气处理装置前, 冷却水环中的水温度(下图回路中的chT1)”、“通过空气处理装置后, 冷却水环中的水温度(chT2)”、“冷水循环中的水流量(chFlow)”、“通过冷水机组前冷凝器回路中的水温度(coT1)”,用这四个