在智能建筑中的分区系统的第1部分中，我们研究了如何在智能建筑中控制暖通空调(HVAC)系统，以及分区系统在提高效率和舒适度方面的作用。现在，让我们看看如何在实践中实施这种分区，以及人工智能(AI)在实现这一目标中的作用，SiliconLabs智能建筑部门经理AsemElshimi说。
正如我们在第1部分中所讨论的，分区系统是一套新兴的智能建筑技术，它使HVAC系统能够以更精细的方式进行控制：逐个房间，甚至可以匹配单个居住者的偏好。这可以包括控制温度、湿度、通风等。
这种精细化的控制水平是如何做到的？为了具有成本效益，它显然需要自动化，暖通空调系统对传感器捕获的数据做出响应。这就是人工智能的用武之地，它根据可用信息做出正确的决定。
智能建筑的边缘智能
传统上，人工智能系统已经处理了某种中央计算机系统所需的处理。在过去的几年里，这通常意味着云：从建筑物或工厂车间的传感器捕获的数据被发送到基于云的系统，在那里人工智能算法做出决策，然后发送回HVAC系统以采取行动.
依赖云确实有缺点：发送数据和等待响应存在延迟或延迟，数据传输涉及成本，并且系统依赖于永不中断的通信链路。对于智能建筑，如果在您按下开关后一两秒钟内灯没有亮起，可能会很烦人，而且您不希望供暖因互联网连接问题而失败。
除了云AI，另一种方法是“边缘智能”，其中处理和AI算法在“边缘”运行，更靠近传感器和执行器。这可以克服使用云的限制。事实上，智能建筑分区系统是边缘智能的完美应用，因为它们靠近感知环境。
然而，准确定义边缘的含义可能很棘手。
“边缘在哪里？如果你问不同的人，你会得到非常不同的回答。电信公司高管会告诉您，边缘技术存在于他们位于蜂窝塔底部或本地中央办公室的数据中心中。工厂运营人员会引用工厂内部的网关。像我这样的人会将手机甚至传感器视为网络的实际边缘。”Stacey在12月12日的IoT时事通
SiliconLabs同意Stacey的观点，即网络的边缘处于传感器级别的处理中；边缘位于感知的现象旁边。但这只是一个特征，我认为将AI计算从云端转移到更远的地方会有很大的好处。
正如我之前提到的，在边缘运行AI有两个主要优势：更快的去中心化决策和减少数据流量。为了在智能建筑中实现这一目标，我们可以使用边缘智能无线微控制器(MCU)作为我们的处理器。这些是无线片上系统(SoC)，能够以优化的功耗和可接受的速度运行AI模型。
为什么我们要在无线SoC上运行AI应用程序？对于工业和智能建筑用例，制造商在使用无线和智能技术升级其产品时正在寻求最低的成本增加。HVAC系统中的处理器已经在严格的安全限制下忙于运行HVAC设备应用程序，因此我们需要另一个设备来处理AI。因此，由AI加速器驱动的无线SoC提供边缘AI的所有优势，同时保持低成本。
边缘AI：无线MCU的优势
为了更好地理解这些好处，我们需要看看边缘AI相对于常规MCU可以提供的改进。与MCU相比，AI加速器可以帮助应用程序根据特定数据集更快地做出决策。它还可以以更高的信心做到这一点，同时使用更少的功率。
这里的关键词是置信度，这意味着人工智能应用程序可以检测到环境中的异常或扰动，并将其准确分类到预设的类别中。借助配备AI加速器的SoC，AI应用程序可以在边缘做出更可靠、更高效的决策，而无需将任何信息中继到云端。
在分区系统中，这意味着在无线MCU上运行的AI驱动的应用程序可以根据HVAC条件的干扰和占用率的变化做出自发的决策，这显着缩短了优化周期响应时间，因此占用者不必忍受延迟,并最大限度地减少能源浪费。
此外，这意味着系统可以在不将数据发送到云端的情况下运行一阶优化，从而增强数据隐私和安全性。这种本地化决策还降低了构建后端因任何原因而脱机和断开网络连接的任何可能风险。
由于人工智能驱动的应用程序可以对处理后的数据做出可靠的判断，因此它们可以减少甚至消除静态数据到云端的传输。为了体会这种好处，我们需要了解，如果没有边缘人工智能，基于云的HVAC系统会将所有感测数据(包括备用数据)转发到云端以进行集中决策。即使什么都没发生，传感器也会继续向云端传输。
这些传输速率对于传感器数量较少的传统HVAC系统是可以容忍的，因此云AI是一种可接受的方法。但是随着分区系统的集成，现在有数百个传感器在线，消除静态数据的传输是必要的。如果我们不在本地运行算法，那么来自允许数百万个传感器每隔几毫秒接触云的数据流将迅速使网络过载。
人工智能加速器可以减少这种数据流量问题。它们可以提供应用程序所需的处理能力，以过滤掉传感器生成的所有静态数据，并可靠地判断是否发生了变化，然后仅将事件驱动的数据发送到云端。这种过滤优化了网络流量并卸载了云资源。建筑运营商特别受益于这一改进，因为更少的云处理意味着云运营商的费用更少，从而显着降低了运营费用。
结论
在智能建筑中，分区技术将对居住者的舒适度产生重大影响，并有助于尽可能降低能源成本。在十年左右的时间里，我们将见证这些技术的大规模采用，并像我们对智能灯一样习惯于看到智能通风口。为了使这一切成为可能，并处理来自数百个新传感器的数据，在边缘运行AI算法提供了一个强大、经济高效的解决方案。
作者是SiliconLabs的智能建筑部门管理人员AsemElshimi。
转载请注明：http://www.0431gb208.com/sjszlff/2881.html
