透過Big Data 搭起智慧綠建築應用最後一哩
DIGITIMES企劃
所謂智慧綠建築,亦是整個智慧應用大傘下的支脈之一,而智慧應用內含物聯網、智慧終端,以及雲端運算等三大元素,尤其是箇中的雲端運算資源,更是賦予創新應用元素的關鍵一環。
事實上,若深入檢視此處所指的雲端運算,其重點並非僅止於運算或儲存等技術項目,更值得關注的內涵,乃在於巨量資料分析。針對智慧應用場域,之所以形成巨量資料,其實是從不計其數的Small Data彙集而成,而這些Small Data的來源,便是物聯網或感測網路。
當Small Data一波波上傳至雲端資料中心,職掌智慧應用的管理者、規劃師,或是所謂的資料科學家,即可利用雲端運算資源,進行數據的統整、過濾、正規化及分析,繼而藉由巨量資料分析技術,深度剖析使用者的行為數據,以迥異於傳統數據統計的方式抽絲剝繭,終至萃取出足以開創智慧應用的線索。
Big Data加感知運算 催生優質智慧應用
學者認為,環顧整個智慧應用的演進脈絡,並非到了雲端運算、巨量資料分析這個階段,就能夠臻至淋漓盡致的境地,其實尚有下一步精進優化的空間,主要是透過巨量資料分析技術的「進階版」,也就是感知運算,旨在將巨量資料分析成果,轉化對使用者進行環境估測與預測,據此提供更高附加價值;展望未來數年,預期感知運算可望逐漸普及,透過各種智慧終端裝置,一步步實現於人們日常生活之中,當然也包含了智慧綠建築應用。
曾有專家指出,儘管巨量資料以愈趨飛快的速度增生,也有愈來愈多人視此為巨大商機,但單就巨量資料本身而論,不過是儲存在資料庫裡頭的一堆數據,其實還不算是巨量價值(Big Value),必須歷經分析與探勘,才能讓這些似不起眼的璞玉,真正綻放耀眼光澤。
如同智慧綠建築當中的節能議題,倚靠智慧電表及各式感測器,隨時不斷蒐集用電資訊,倘若只做到這一步,不過就是彙集巨量資料,讓使用者大致了解其用電情況,如此而已,距離Big Value層次尚遠,也還無法真正達到節能減碳目標,然而一旦結合巨量資料的分析與探勘,其應用價值便大不相同。
以資策會研發的智慧綠建築中控管理解決方案(Intelligent Building Management System;iBMS)為例,便是一套蘊含巨量資料分析與探勘機能的智慧綠建築系統。
綜觀該解決方案架構,箇中有一個價值驅動模型,可以根據業主或使用者所期望獲得的目標,包括低碳排、高效率、高安全、低成本或大舒適等等,接著綜整各項建築子系統對於這些營運目標的影響,制定最適化的營運模式,也就是最佳的設定或排程,後續將持續分析來自建築中各個感測器的資訊,包含空調、插座或照明等設施的即時分區用電量,溫度、濕度或二氣化碳資訊,接著預測建築狀態的變化趨勢,再利用即時調整控制的模式,藉以實現預設的多個營運目標。
而在調控過程中,理所當然不會時時一帆風順,也不排除可能有異常現象產生;然而借助巨量資料分析與探勘技術,就能提前理出頭緒,窺知潛在異常狀態的癥候,進而由系統自動執行原本設定的處理流程,例如主動關閉異常設施,或是發布告警訊息予相關管理人員,以利儘早介入處理,如此一來,將有助於大幅提升異常處理效率,確使用電異常之際可做到即時應變卸載,或是當室內二氧化碳濃度增高時可適時加以調控,除此之外,業主或管理者也能輕易隨時掌握異常處理進度。
除了上述所提及的異常處理外,業主或管理者若欲進行歷史用電資料的標竿比較,或針對營運目標推算關鍵指標的達成率,亦可借助此智慧系統而一目瞭然。
歷經分析探勘 方能孕育巨量價值
在海外,結合感測器、機器對機器(M2M)通訊技術、巨量資料分析所實現的能源管理應用之例,亦可謂屢見不鮮,例如在歐美或日本,都已有業者提供家用能源管理系統家用能源管理系統(Home Energy Management System;HEMS)服務,標榜使用者只要安裝智慧插座或感測器,即可探知建築物當中各項用電設備的能耗,因而將原本猶如黑盒子一般的能源資訊轉為可視化,順勢執行用電控制與管理。
不可諱言,各方對於HEMS的解讀角度,有時並非相當一致,但都認為箇中的智慧軟體分析機制,乃是最易彰顯價值的重要一環,如同有些業者,透過電廠及用戶端智慧電表的結合,藉以蒐集用戶的用電資料,再搭配非侵入式偵測的智慧化分析,藉由整體帳單數據內容,佐以鄰里朋友的用電資訊,幫助使用者分析節能模型,繼而給予最佳節能建議,此即為富含附加價值的顯著案例。
美國的OPOWER,便是提供個人化節能建議方案的典型服務供應商。用戶向OPOWER申請服務時,必須提供郵遞區號、住家型態、房屋坪數、調設備類型等細部資訊,再搭配電廠所提供的用電時間與用電量等資料,進行分析工作,接著與鄰里間相近類型家庭的住戶用電情況加以比較,終至做出較為省電的具體措施建議;讓人津津樂道的,OPOWER亦與社群媒體結合,期望將使用者與其同好聚在一起,藉此發動饒富趣味的節能競賽,俾使用戶真正能夠身體力行。
綜觀此類偏重家戶型態的用電管理情境,通常都倚靠智慧座或其他感測器蒐集關鍵資訊,其內容除了用電時間或用電量等基礎資料外,亦含括部分用電設備的廠商、型號、使用年數等等特徵值數據,甚至連同電器可能產生的電壓、電流、頻率、功率因素等一干數值,都可一併納入資料蒐集範圍;而這些數據,堪稱是彌足珍貴的巨量資料分析來源。
專家指出,藉由前述巨量資料,可以歸納出諸多極為實用的分析模型,例如一旦結合天候環境資料,即可產生環境與用電關聯模型,結合電器設備資料可產生電器用電比較分析模型,結合使用者行為狀態資料可產生行為診斷模型,結合電器特徵值資料可產生電器診斷模型。
有了這些模型,繼而搭配人為操作、電氣設備屬性等變數,運用巨量資料分析技術執行探勘,據此理解家電耗能情況、個人用電習性的事實真相,並找出兩者之間的彼此關聯性,即可產出最佳節能建議,方便使用者據此改善用電行為,儘可能減少不必要的能源消耗。
總而言之,智慧綠建築的初衷,即是能夠同時提供安全、健康、節能、舒適、方便、環保等多重功能,對內可以與住戶即時互動,對外亦可與指定互動的對象溝通,其間必須藉由智慧應用服務來穿針引線,而巨量資料分析技術,無疑正是催化整個智慧應用活水的重要觸媒。