ระบบบริหารจัดการอาคารแบบดั้งเดิม หรือ Building Management System (BMS) มีลักษณะการทำงานที่เน้นการตอบสนองต่อสถานการณ์ที่เกิดขึ้นแล้ว (Reactive) กล่าวคือ ระบบจะตรวจสอบสภาวะปัจจุบัน และปรับการควบคุมตามตารางเวลาที่กำหนดไว้ล่วงหน้า หรือเมื่อค่าต่าง ๆ ถึงจุดที่กำหนด (Threshold)

แม้ว่าการควบคุมในลักษณะ Reactive จะช่วยรักษาเสถียรภาพพื้นฐานของอาคารได้ แต่ในหลายกรณีอาจไม่สามารถป้องกันการเพิ่มขึ้นอย่างรวดเร็วของการใช้พลังงาน หรือปรับประสิทธิภาพการทำงานของระบบได้ล่วงหน้าก่อนที่จะเกิดความไม่มีประสิทธิภาพขึ้น

เพื่อก้าวข้ามข้อจำกัดของการตรวจสอบและควบคุมแบบเดิม ผู้ดูแลอาคารยุคใหม่จึงเริ่มให้ความสนใจกับการนำ Digital Twin Technology มาทำงานร่วมกับระบบขั้นสูง เช่น Azbil savic-net™ G5

ด้วยการสร้างแบบจำลองเสมือนจริงที่เชื่อมโยงกับข้อมูลของอาคารและระบบจริง ผู้ดูแลอาคารสามารถพัฒนาจากการบำรุงรักษาและการจัดการแบบ Reactive ไปสู่ การจัดการพลังงานเชิงคาดการณ์ (Predictive Energy Management) ซึ่งช่วยสนับสนุนการตัดสินใจและเป้าหมายด้านความยั่งยืนในระยะยาว

Digital Twin ในการบริหารจัดการอาคารคืออะไร?

Digital Twin คือแบบจำลองเสมือนจริงของอาคารและระบบต่าง ๆ ซึ่งขับเคลื่อนด้วยข้อมูลจากสินทรัพย์จริง เช่น ระบบ HVAC, วงจรน้ำเย็น และระบบเครื่องกลภายในอาคาร

Digital Twin สำหรับ BMS แตกต่างจากแบบจำลอง 3D BIM แบบทั่วไป เนื่องจากสามารถเชื่อมโยงกับข้อมูลการทำงานจริงจาก IoT Sensors และ Power Meters และในอนาคตอาจสามารถนำข้อมูลสภาพอากาศเข้ามาประกอบ เพื่อสนับสนุนการวิเคราะห์ การคาดการณ์ การศึกษาสถานการณ์จำลอง (Scenario Study) และการประเมินแนวทางการพัฒนาระบบ Predictive ในอนาคต

การเชื่อมโยงข้อมูลการทำงานจริงเหล่านี้ช่วยให้ซอฟต์แวร์สามารถ:

• ประเมินพฤติกรรมทางความร้อนของอาคาร : ช่วยทำความเข้าใจปัจจัยที่มีผลต่ออุณหภูมิ ความชื้น และความต้องการในการทำความเย็น รวมถึงเตรียมความพร้อมสำหรับความสามารถในการคาดการณ์โหลดในอนาคต ก่อนที่สภาวะการทำงานจะเปลี่ยนแปลง
• เปรียบเทียบสถานการณ์ด้านพลังงาน : ประเมินทางเลือกในการควบคุมแบบ “What-if” ในสภาพแวดล้อมเสมือนจริง ก่อนนำไปใช้กับระบบจริง
• ติดตามการเสื่อมประสิทธิภาพของระบบ : เปรียบเทียบประสิทธิภาพที่คาดหวังกับผลการทำงานจริง เพื่อช่วยระบุสัญญาณของการสูญเสียประสิทธิภาพได้ตั้งแต่ระยะเริ่มต้น

ประโยชน์สำคัญ : จากการตรวจสอบไปสู่การคาดการณ์

เปรียบเทียบการควบคุมแบบ Reactive กับ Predictive

1. การ Pre-Cooling เชิงคาดการณ์และการเลื่อนช่วงเวลาการใช้โหลด

ในสภาพแวดล้อมที่มีอุณหภูมิภายนอกสูง ค่าใช้ไฟฟ้าจากความต้องการใช้ไฟฟ้าสูงสุด (Peak Electrical Demand) อาจส่งผลอย่างมีนัยสำคัญต่อค่าไฟฟ้ารายเดือน

ในฐานะการต่อยอดในอนาคต Digital Twin สามารถนำข้อมูลพยากรณ์อากาศ ประวัติการสะสมและการถ่ายเทความร้อนของอาคาร รวมถึงตารางการใช้งานและจำนวนผู้ใช้อาคาร มาประกอบการวิเคราะห์ เพื่อสนับสนุนการศึกษาแนวทาง Pre-Cooling

โดยการลดอุณหภูมิของอาคารลงเล็กน้อยในช่วงเวลาที่ค่าไฟฟ้าหรือโหลดอยู่ในระดับต่ำ อาจช่วยลดการพึ่งพาการทำงานของ Chiller ที่สูงในช่วง Peak Tariff ทั้งนี้ ผลลัพธ์ที่ได้จะขึ้นอยู่กับลักษณะของอาคาร ความแม่นยำของแบบจำลอง และข้อจำกัดในการปฏิบัติงานจริง

2. Virtual Commissioning และการทดสอบกลยุทธ์การควบคุม

การนำลำดับการควบคุมเพื่อประหยัดพลังงานรูปแบบใหม่ไปใช้งานโดยตรงกับระบบจริง อาจมีความเสี่ยงต่อการทำงานของอาคาร

เมื่อ Digital Twin ทำงานร่วมกับ Energy Management System (EMS) ทีมผู้ดูแลอาคารสามารถนำการเปลี่ยนแปลงของ Sequence เช่น

• การปรับค่า Chilled Water Temperature แบบ Dynamic
• การปรับอัตราการไหลของน้ำแบบ Variable Flow
• กลยุทธ์การควบคุมระบบ HVAC รูปแบบต่าง ๆ

มาศึกษาและจำลองในสภาพแวดล้อมเสมือนจริงก่อนที่จะนำไปใช้งานกับระบบจริง

แนวทางนี้ช่วยให้สามารถประเมินผลกระทบและเปรียบเทียบทางเลือกต่าง ๆ ได้ก่อนการเปลี่ยนแปลงระบบจริง

3. การบริหาร Chiller Plant ที่คำนึงถึงปัจจัยโดยรอบมากขึ้น

ระบบ Chiller Plant Management System (CPMS) แบบทั่วไปสามารถบริหารประสิทธิภาพของอุปกรณ์ได้ แต่ Digital Twin สามารถช่วยเพิ่มมุมมองด้านบริบทของระบบโดยรวม

ในอนาคต Digital Twin อาจช่วยให้การจัดลำดับการทำงานของ Chiller ไม่ได้พิจารณาเฉพาะความต้องการทำความเย็นในขณะนั้น แต่ยังสามารถนำสภาวะการทำงานที่คาดการณ์ไว้ในอนาคต ข้อมูลการทำงานที่มีอยู่ และปัจจัยต่าง ๆ ที่มีผลต่อ Cooling Demand ในอีกหลายชั่วโมงข้างหน้า มาประกอบการวิเคราะห์ได้

savic-net™ G5 สามารถสนับสนุนอนาคตของการบริหารจัดการอาคารด้วยข้อมูลได้อย่างไร

Azbil savic-net™ G5 สามารถทำหน้าที่เป็นพื้นฐานด้านข้อมูลที่สำคัญสำหรับการเชื่อมต่อและต่อยอดไปสู่ Digital Twin ในอนาคต

คำถามที่พบบ่อย (FAQ)

Q1: 3D BIM Model แตกต่างจาก Digital Twin อย่างไร?

ANS: 3D BIM Model แบบทั่วไปเปรียบเสมือนแบบจำลองสามมิติที่แสดงโครงสร้างและองค์ประกอบของอาคาร ในขณะที่ Digital Twin คือแบบจำลองดิจิทัลที่เชื่อมโยงกับข้อมูลการทำงานจริงของอาคาร และในอนาคตอาจสามารถนำข้อมูลพยากรณ์อากาศ ตารางการใช้งานอาคาร และข้อมูลการใช้พื้นที่หรือจำนวนผู้ใช้อาคาร มาประกอบ เพื่อช่วยประเมินสภาวะการทำงานในอนาคตและเปรียบเทียบทางเลือกในการประหยัดพลังงาน

Q2: จำเป็นต้องเปลี่ยนอุปกรณ์ HVAC เดิมเพื่อใช้งาน Digital Twin หรือไม่?

ANS: ในหลายกรณีอาจไม่จำเป็นต้องเปลี่ยนอุปกรณ์เดิม ระบบอย่าง Azbil savic-net™ G5 สามารถใช้มาตรฐานแบบเปิด เช่น BACnet® ซึ่งอาจช่วยให้ซอฟต์แวร์ Digital Twin สามารถเชื่อมต่อกับอุปกรณ์เดิม เช่น Chiller, Air Handling Unit และ Power Meter ได้ ทั้งนี้ต้องตรวจสอบสภาพหน้างานและข้อกำหนดด้านการสื่อสารของระบบแต่ละแห่งก่อนดำเนินการ

Q3: อาคารสามารถประหยัดพลังงานได้มากเท่าไรจาก Predictive Control?

ANS: ปริมาณการประหยัดพลังงานขึ้นอยู่กับหลายปัจจัย เช่น ขนาดและอายุของอาคาร รูปแบบการใช้งาน สภาพของอุปกรณ์ และข้อจำกัดของระบบควบคุม การทำ Predictive Pre-Cooling อาจช่วยลด Peak Power Demand และการใช้พลังงานของระบบ HVAC ได้ แต่ผลลัพธ์ที่คาดว่าจะได้รับควรประเมินจากข้อมูลจริงของแต่ละอาคาร หรือผ่านการทำ Pilot Validation ก่อน

Q4: การ Pre-Cooling จะทำให้ผู้ใช้อาคารรู้สึกไม่สบายหรือไม่?

ANS: ไม่จำเป็นเสมอไป สำหรับการประเมินแนวทาง Pre-Cooling ในอนาคต ระบบสามารถใช้ข้อมูลที่มีอยู่เพื่อศึกษาระดับการทำความเย็นที่เหมาะสมล่วงหน้า โดยมีแนวคิดในการลดอุณหภูมิของอาคารอย่างค่อยเป็นค่อยไปในช่วง Off-Peak ซึ่งเป็นช่วงที่ต้นทุนไฟฟ้าอาจต่ำกว่า ขณะเดียวกันยังช่วยรักษาระดับความสบายของผู้ใช้อาคาร และลดภาระการทำงานของอุปกรณ์ในช่วงที่มีค่าไฟฟ้าสูง