Mở đầu – Dữ liệu đầu vào và thách thức

Dữ liệu chính gồm nhiệt độ, nồng độ CO₂, cảm biến hiện diện và áp suất gió từ hệ thống AHU, chiller cũ. Hệ thống BMS truyền thống vận hành theo quy tắc cố định, dẫn đến tiêu hao điện năng cao. Mục tiêu là sử dụng dữ liệu thời gian thực để van gió, chiller và AHU tự điều chỉnh linh hoạt, hướng tới giảm 30% chi phí điện trong 12 tháng.

Công thức 1: Mô hình LSTM dự báo tải nhiệt theo số lượng người

Dữ liệu đầu vào:
– 15 cảm biến hiện diện, nhiệt độ và CO₂ (tần suất 1 phút/lần)
– Dữ liệu lịch sử 12 tháng từ BMS

Phương pháp:
Sử dụng LSTM hai lớp 64 đơn vị, dropout 0,2 để dự báo mật độ người trong 30–60 phút tiếp theo. Dữ liệu được chuẩn hóa Min-Max và tạo chuỗi thời gian 24 bước. Khi dự báo mật độ người vượt 65% nhưng nhiệt độ vẫn trên 26 °C, hệ thống kích hoạt làm mát trước.

Tín hiệu từ mô hình được gửi đến BAS để giảm điểm đặt nhiệt AHU 0,8 °C và tăng lượng gió tươi 12%.

Độ khó: Trung cấp (yêu cầu BACnet gateway và MQTT broker)
Thời gian triển khai: 6–8 tuần cho tầng thí điểm

Công thức 2: Mô hình Prophet dự báo nhu cầu làm mát theo giờ

Dữ liệu đầu vào:
– Nhiệt độ ngoài trời, bức xạ và mật độ người trung bình theo giờ
– Dữ liệu điện năng chiller trong một năm

Phương pháp:
Áp dụng Prophet với tính thời vụ hàng ngày và hàng tuần, bổ sung biến sự kiện công ty. Mô hình dự báo tải nhiệt 24 giờ tới với khoảng tin cậy 80%. Khi tải dưới 40% công suất thiết kế vào khung giờ 22:00–06:00, BAS chuyển chiller sang chế độ tải thấp.

Độ khó: Dễ (chỉ cần xuất CSV từ BMS)
Thời gian triển khai: 3–4 tuần

Công thức 3: Mô hình Isolation Forest phát hiện bất thường chiller

Dữ liệu đầu vào:
– Áp suất gió, nhiệt độ nước vào/ra, dòng điện và rung động (tần suất 5 giây/lần)

Phương pháp:
Huấn luyện Isolation Forest với tỷ lệ nhiễm bẩn 0,03 trên dữ liệu bình thường ba tháng. Khi điểm bất thường vượt ngưỡng −0,15, hệ thống cảnh báo và tự động mở van bypass 8%, giảm tần số bơm để tránh lãng phí.

Độ khó: Cao (yêu cầu pipeline streaming Kafka và edge gateway)
Thời gian triển khai: 10–12 tuần

Công thức 4: Điều khiển van gió thời gian thực

Dữ liệu đầu vào:
– Cảm biến CO₂, chênh lệch áp suất gió và mật độ người thời gian thực

Phương pháp:
Kết hợp đầu ra LSTM và Prophet đưa vào bộ điều khiển PID nâng cấp. Khi CO₂ vượt 850 ppm và mật độ người tăng đột biến, van gió tươi mở theo hàm tuyến tính đồng thời giảm tốc độ quạt AHU 15%. Ngược lại, nếu CO₂ dưới 650 ppm, van gió được đóng bớt để tiết kiệm năng lượng.

Độ khó: Trung cấp–cao
Thời gian triển khai: 8–10 tuần

Kết luận – Đánh giá kết quả và lưu ý

Sau 12 tháng vận hành, tòa nhà đạt mức giảm 27–31% điện năng tùy thuộc độ chính xác dữ liệu hiện diện. Hiệu quả cao nhất khi bốn giải pháp phối hợp nhịp nhàng. Khi dữ liệu nhiễu hoặc giao thức không đồng bộ, có thể thêm bộ lọc Kalman, sử dụng gateway OPC-UA hoặc giảm độ phức tạp thuật toán.