國內應用智慧綠建築技術之案例探討

本節將蒐集我國新建及既有建築物、社區等導入智慧綠建築技術之 案例分別進行深入探討，以探索未來可應用於減緩我國建築部門夏季尖 峰用電之相關技術：

一、新建建築物導入智慧綠建築技術之案例探討-富邦福安紀念館¹⁰ 本案例為地下 2 層地上 11 層之鋼骨造辦公廳類建築，基地位於 60 公尺寬林蔭大道的仁愛路四段南側，基地與鄰接的仁愛路綠帶形成一完 整生態系。本案通過綠建築標章之綠化量、基地保水、日常節能、二氧 化碳減量、室內環境、水資源、污水及垃圾改善等 7 項指標，規劃上以 生態設計，儘可能保存基地原有生態環境，並透過新增之香花、誘蝶、

誘鳥植栽重建生態環境。此外，順應基地環境物理環境特性，透過規劃 設計方式，降低建築設備需求；必要之建築設備以低耗能、高效率、智 慧型自動控制以及替代能源（如太陽發電、雨水利用等），利用自然能 源減少人造能源消耗。

本案於日常節能指標方面，採取了下列設計方式：

1、 外殼節能：本建築物座南朝北，因南方的陽光照射較強，故設置遮 光板來減低熱輻射傳入室內，並在靠近頂樓部分設置太陽能板兼具

10 綠建築教育示範基地參訪活動簡介及網路搜尋資料

（http://jeff-tour.blogspot.com/2012/03/blog-post_28.html）

遮陽效果，可將熱能轉換成電能，設計為市電並聯供電型式，可提 供辦公室使用；而北面的牆為了採光及節省耗材使建築輕量化，採 用隔熱性能甚佳的強化 8mm 網點玻璃帷幕，其熱傳導率 U 值為 2.98W/(M²．K)、日射透過率 0.33，較 8mm 清玻璃之 U 值 6.07W/(M²． K)、日射透過率 0.81，可減少一半左右的熱能傳導，兼具有效採 光及阻隔外部太陽輻射熱，進而減少空調熱負荷達到省電效果；至 於東西向除必要之開口外，其餘全採實牆設計，外牆結構體 U 值為 0.9W/(M²．K)，相較一般 RC 牆 U 值約 3.5 隔熱性能更佳，可大幅 提升隔熱效果及降低空調熱負荷。

圖 3-1 富邦福安紀念館之建築外殼

資料來源：綠建築教育示範基地簡介，社團法人台灣綠建築發展協會 2、 再生能源：建築物南向立面之外遮陽板，設計面積 190 ㎡之太陽能

光電板，係採用與外遮陽板建材一體成型之多晶矽光電模組(15%晶 片)，裝置容量約 19.8kWp 之電力，傾斜角度約 65 度，預估全年發 電量約 14,000kWH，本系統並設置蓄電池系統，平時儲存之電力可 於日間尖峰用電時段再提供室內用電，除可達成遮陽效果外，還具 有節省用電量以及降低尖峰用電之效益。

圖 3-2 富邦福安紀念館之太陽光電系統

資料來源：綠建築教育示範基地簡介，社團法人台灣綠建築發展協會 3、 智慧型大樓自動化系統：整合空調、水資源、照明、消防、電力自

動化、環境溫度等軟體、硬體所有配套設施，可自動監測管理電力 設備、用水設備、雨水及中水回收水量、光電系統電力、室內 CO₂ 濃度及溫濕度等。

圖 3-3 富邦福安紀念館之智慧型大樓自動化系統

資料來源：綠建築教育示範基地簡介，社團法人台灣綠建築發展協會

4、 空調節能系統：設計採用變頻儲冰空調系統，利用離峰時段優惠電 價儲冰可節省電費，並可有效降低夏季尖峰時段用電需量，另配合 全熱交換器降低空調外氣負荷，並設有 CO2濃度感測器，可視室內 人員多寡自動調整外氣風門之大小。

圖 3-4 富邦福安紀念館之變頻儲冰空調及全熱交換器系統

資料來源：綠建築教育示範基地簡介，社團法人台灣綠建築發展協會 5、 高效率燈具與晝光利用：利用北向立面採光帷幕牆引入之漫射光，

提供日間整體採光，提高室內照度。當戶外光線明亮，而且又非直 接照射室內時，就會引進自然光，依晝光情形來自動調整燈具輸出，

有效幫助照明節能；但若日射嚴重時，系統則會自動啟動內遮陽板，

透過電腦監控系統精密分析判讀，聰明又有效率。

圖 3-5 富邦福安紀念館之高效率燈具與晝光利用系統

資料來源：綠建築教育示範基地簡介，社團法人台灣綠建築發展協會

二、既有建築物導入智慧綠建築技術之案例探討-台積電中科十五廠辦 公大樓¹¹

本案例係將原廠辦大樓建置之建築自動控制系統 BAS（Building Automation System），導入人工智慧（Artificial Intelligence, AI）技術，

結合歷年來廠區內實際的運轉數據資料進行剖析，利用數據量化經驗法 則與工程師之經驗，使自動控制系統能自我學習不斷優化。應用資通訊 整合與 AI 應用技術，有效提升環境控制系統數據應用廣度，運用 AI 處理“感知”之技術，結合 GPU 高速運算，給予智慧系統處理大量的 感測與營運數據資料的能力，實現智慧建築持續優化建築使用經驗、系 統營運最佳化與節能等目的，同時開發下一世代智慧建築專屬的營運人 工智慧應用服務。

圖 3-6 台積電中科十五廠辦公大樓空調箱系統運轉 AI 化

資料來源：2018 智慧化居住空間創意競賽成果專輯，內政部建築研究所

11

本改善案例之主要內容說明如下：

1、 建立基於智慧建築之虛擬環境模型：

本案例係針對空調系統進行導入智慧化控制，主要的精神是把大樓 視為一個「輸入空調核心參數及外部環境後，會輸出室內溫度」的複雜 反應系統。本模型透過資料學習傳承工程師發現的環境法則，同時挖掘 資料中可能交互影響的因子，從而建立擬似建築物內部環境複雜的交互 響應，使其達到可模擬未來環境的功能，從而快速了解相同條件下不同 控制參數的影響結果。

2、 打造類神經網路控制模型：

透過持續觀察各項環境參數，找出最佳化核心參數控制設定。此控 制器會學習環境模型習得的環境法則與最佳化控制方法，透過與環境互 動後產生新資料的回饋再學習進化，達到一個「自我學習」的自適應學 習控制系統，不僅吸收過去經驗，也持續累積之新經驗並將其納入訓練 資料集，宛如承接人類的終生學習精神，永續的學習智慧控制，隨時把 關室內空調溫度，給使用者擁有一個舒適的室內環境。

3、 系統架構與改善概要：

上述模型之自變數為外氣溫度、外氣濕度、耗電量、新風溫度、新 風濕度、變風量終端風箱資訊(5 台)、小型冰水送風溫度資訊(5 台)、AHU 風車運轉頻率、風管靜壓與理想溫度設定值，應變數為輸出最佳的 AHU 出風溫度設定值。

該模型先使用模擬環境「檢討」過去的設定溫度，比對歷史資料中 每一個時刻各自的外部環境資訊、室內不可控因子，透過模擬環境模組 在歷史資料中每一個時刻的環境狀況下，分別嘗試各種不同的出風溫度 設定值，將所預測的結果與期望的環境相比得到誤差，最後蒐集最小誤 差之出風溫度設定值，將此設定值將記錄為在該環境狀況下最好的設 定，將此資料儲存為最佳控制策略集，成為控制系統的訓練資料。

透過多次訓練與預測，此網路將接收模擬環境對大樓內部環境的理

解，習得如何透過監看大樓的內外環境資訊來提供空調系統設定合適的 出風溫度設定值。再由工程師依據經驗法則來判斷其設定值是否有考量 其著重之自變數進行調整，發現程式可透過此方法學到應用相關自變數 去預測最佳的設定值。

4、 軟硬體改善說明：

在硬體架構上僅增設一台獨立顯卡的桌上型電腦與原環境控制系 統 BAS 資料庫進行溝通，並利用獨立顯卡 GPU 資料計算，進行虛擬環 境模型深度學習，再將新核心參數提供 BAS 系統進行控制。不需再進 行原系統大改造或升級，且能透過每天的資料進行優化，相當簡單與易 於複製。

5、 實機測試結果：

經由人工智慧模型預測的輸出值，能有效管控現場溫度變化並降低 誤差率，平均溫度變化率由原來±1°C 降為 0.5°C，在週遭環境變化前即 進行預測性調控，最特別之處在於其控制手法相似於人為經驗控制模 式，不會如一般控制器因變化率大而採取極端的輸出，且具有持續優化 之現象。

6、 效益分析：

本系統具有輕便且可移植性高之優點，僅需建立與 BAS 系統的資 料交換及一台個人電腦，不需額外增加硬體，即可利用現有的資訊讓大 樓就地智慧化。BAS 系統相似性高，因此相同演算法可以在累積相當經 驗後移植到其他大樓或者其他核心參數(如冰水溫度、濕度控制、水塔 液位)控制的智動化。

另在節能減碳方面，單台空調箱約能減少 10%耗能。以一台 40RT 的空調箱，每日能節省 3RT/hr，約 2.04kw/hr，一個廠辦 20 台空調箱 1 年就能節省約 50 萬元電費，具有低投資高報酬之特色。此外透過 AI 讓 出風溫度對建築做出適應性控制，提高溫度控制穩定度，使人在環境中 感受更舒適，控制更符合人性化。

圖 3-7 台積電中科十五廠辦公大樓空調箱出風溫度 AI 控制趨勢 資料來源：2018 智慧化居住空間創意競賽成果專輯，內政部建築研究所 三、校園導入智慧綠建築技術之案例探討-雲林科技大學智慧雲端管理

系統¹²

本案例係將校園內各種能耗系統予以整合改善，包括智慧電力監控、

水資源管理、冰水主機節能管理、小型冷氣節能管理、隨課供電智慧節 電等系統，管理系統介面如下圖所示。

12 建築與數據應用趨勢與案例，智慧化居住空間網站(http://www.ils.org.tw/ )

圖 3-8 雲林科技大學智慧雲端管理系統介面

資 料 來 源 ： 建 築 與 數 據 應 用 趨 勢 與 案 例 ， 智 慧 化 居 住 空 間 網 站

資 料 來 源 ： 建 築 與 數 據 應 用 趨 勢 與 案 例 ， 智 慧 化 居 住 空 間 網 站