en

Стаття

Архітектура сталого майбутнього: розумна будівля як синтез технології та природи

Руслан Мінченков
Анотація

Метою цього дослідження було провести всебічний аналіз технологій розумних будівель та їх інтеграцію в стале, енергоефективне та інтелектуальне урбаністичне середовище. Розумні будівлі розглядалися як системи, що поєднували автоматизовані рішення для опалення, вентиляції, кондиціонування повітря, освітлення, затемнення, безпеки та управління інженерною інфраструктурою, координовані через системи управління будівлею і реалізовані за допомогою технологій IoT, датчиків та актуаторів. Такі системи збирали дані в реальному часі, що дало змогу використовувати прогнозну аналітику, адаптивне управління та енергетичну оптимізацію. Проаналізовано методи машинного навчання, зокрема навчання з учителем, без учителя, підкріплення, нечітку логіку та стохастичну оптимізацію, для прогнозування енергоспоживання, управління відновлювальними джерелами енергії, інтелектуального контролю та діагностики несправностей. Досліджено системи контролю, орієнтовані на мешканців, які враховували наявність людини, її уподобання та комфорт, дозволяючи динамічно коригувати режими роботи будівлі та використання енергії. Була проаналізована інтеграція розумних будівель з розумними мережами на основі вдосконалених систем управління енергоспоживанням будівель, що дозволяли брати участь у програмах реагування на попит, регулюванні напруги та управлінні розподіленими відновлюваними джерелами енергії. Досліджено інтегровані фотоелектричні системи розумних будівель і підходи, засновані на даних, для прогнозування енергогенерації та споживання в реальному часі. Цифрові технології, такі як моделювання інформації про будівлю, цифрові двійники, робототехніка, дрони, обчислення на краю та хмарні платформи, підвищували ефективність процесів проєктування, будівництва, моніторингу, експлуатації та обслуговування. Незважаючи на переваги, залишилися проблеми, пов’язані з високими витратами на впровадження, ризики кібербезпеки, питання сумісності систем та необхідність удосконаленої інфраструктури управління даними. Практична цінність цього дослідження полягає в застосуванні результатів на різних етапах архітектурної практики, включаючи проєктування нових будівель, реконструкцію та модернізацію наявних споруд, а також постійну оптимізацію операцій та управління будівлею

Ключові слова

машинне навчання; цифрові двійники; контроль мешканців; управління енергією; розумна мережа; оптимізація даних; сталий розвиток

Завантажити статтю

Отримано 29.09.2025, Доопрацьовано 30.12.2025, Прийнято 24.02.2026 Опубліковано 26.03.2026

Взято з Том 12, № 1, 2026

ЦИТУВАТИ

Minchenkov, R. (2026). Architecture of a sustainable future: Smart building as a synthesis of technology and nature. Architectural Studies, 12(1), 42-54. https://doi.org/10.56318/as/1.2026.42

https://doi.org/10.56318/as/1.2026.42

Сторінки 42-54

Використані джерела

  1. Abo-Elazm, F.M., & Ali, S.M. (2017). The concept of “local smart architecture”: An approach to appropriate local sustainable buildings. International Journal of Cultural Heritage, 2, 1-12.
  2. Adhikari, S., Nguyen, T.D., & Silverman, E. (2025). A review of smart building energy management systems (BEMS) to enhance building sustainability. In W. Collins, A.J. Perrenoud & J. Posillico (Eds.), Proceedings of Associated Schools of Construction 61st annual international conference (Vol. 6; pp. 342-351). Zurich: Easy Chair. doi: 10.29007/sgfr.
  3. Almadani, M., Atalla, S., Himeur, Y., Gawanmeh, A., Alkhazaleh, H., & Mansoor, W. (2025). Uncertainty-aware gradient boosting for smart building energy forecasting. In 8th international conference on signal processing and information security (ICSPIS) (pp. 1-5). Dubai: IEEE. doi: 10.1109/ICSPIS67605.2025.11318368.
  4. Apanaviciene, R., Vanagas, A., & Fokaides, P.A. (2020). Smart Building Integration into a Smart City (SBISC): Development of a new evaluation framework. Energies, 13(9), article number 2190. doi: 10.3390/en13092190.
  5. Behzadi, A., Goudarzi, N., Ploskic, A., Thorin, E., & Sadrizadeh, S. (2026). Advancing an already high-performance smart building with model predictive control: Multi-layer optimization under forecast uncertainty in a real building case. Applied Energy, 402, article number 126999. doi: 10.1016/j.apenergy.2025.126999.
  6. BREEAM. (n.d.). Retrieved from https://www.breeam.com.
  7. Casini, M. (2022). Extended reality for smart building operation and maintenance: A review. Energies, 15(10), article number 3785. doi: 10.3390/en15103785.
  8. Degha, H.E., Laallam, F.Z., & Said, B. (2019). Intelligent context-awareness system for energy efficiency in smart building based on ontology. Sustainable Computing: Informatics and Systems, 21, 212-233. doi: 10.1016/j.suscom.2019.01.013.
  9. Dong, B., Prakash, V., Feng, F., & O’Neill, Z. (2019). A review of smart building sensing system for better indoor environment control. Energy and Buildings, 199, 29-46. doi: 10.1016/j.enbuild.2019.06.025.
  10. El-Afifi, M.I., Sedhom, B.E., Eladl, A.A., Elgamal, M., & Siano, P. (2024). Demand side management strategy for smart building using multi-objective hybrid optimization technique. Results in Engineering, 22, article number 102265. doi: 10.1016/j.rineng.2024.102265.
  11. Eneyew, D.D., Capretz, M.A.M., & Bitsuamlak, G.T. (2022). Toward smart-building digital twins: BIM and IoT data integration. IEEE Access, 10, 130487-130506. doi: 10.1109/ACCESS.2022.3229370.
  12. European Commission. (2010). Smart hoMes for All (SM4All). Retrieved from https://cordis.europa.eu/project/id/611560.
  13. Feng, M., & Wu, H. (2025). Construction of a BIM smart building collaborative design model combining the Internet of Things. Nonlinear Engineering, 14(1), article number 20240063. doi: 10.1515/nleng-2024-0063.
  14. Frighi, V. (2022). Smart architecture – a sustainable approach for transparent building components design. Cham: Springer. doi: 10.1007/978-3-030-77606-0.
  15. German Sustainable Building Council. (n.d.). Retrieved from https://www.dgnb.de.
  16. Ghayvat, H., Mukhopadhyay, S., Gui, X., & Suryadevara, N. (2015). WSN- and IOT-based smart homes and their extension to smart buildings. Sensors, 15(5), 10350-10379. doi: 10.3390/s150510350.
  17. Hernández, J.L., de Miguel, I., Vélez, F., & Vasallo, A. (2024). Challenges and opportunities in European smart buildings energy management: A critical review. Renewable and Sustainable Energy Reviews, 199, article number 114472. doi: 10.1016/j.rser.2024.114472.
  18. Hu, X., Zhou, Y., Vanhullebusch, S., Mestdagh, R., Cui, Z., & Li, J. (2022). Smart building demolition and waste management frame with image-to-BIM. Journal of Building Engineering, 49, article number 104058. doi: 10.1016/j.jobe.2022.104058.
  19. Hurtado, L.A., Nguyen, P.H., & Kling, W.L. (2015). Smart grid and smart building inter-operation using agent-based particle swarm optimization. Sustainable Energy, Grids and Networks, 2, 32-40. doi: 10.1016/j.segan.2015.03.003.
  20. John, G., Clements-Croome, D., & Jeronimidis, G. (2005). Sustainable building solutions: A review of lessons from the natural world. Building and Environment, 40(3), 319-328. doi: 10.1016/j.buildenv.2004.05.011.
  21. King, J., & Perry, C. (2017). Smart buildings: Using smart technology to save energy in existing buildings. American Council for an Energy-Efficient Economy. Report A1701. Retrieved from https://www.aceee.org/research-report/a1701.
  22. Kumar, A., Sharma, S., Goyal, N., Singh, A., Cheng, X., & Singh, P. (2021). Secure and energy-efficient smart building architecture with emerging technology IoT. Computer Communications, 176, 207-217. doi: 10.1016/j.comcom.2021.06.003.
  23. Kumaresan, S.S., & Jeyaraj, P.R. (2025). Smart building transferable energy scheduling employing reward shaping deep reinforcement learning with demand side energy management. Journal of Building Engineering, 104, article number 112316. doi: 10.1016/j.jobe.2025.112316.
  24. Linder, L., Vionnet, D., Bacher, J.-P., & Hennebert, J. (2017). Big Building Data – a Big Data platform for smart buildings. Energy Procedia, 122, 589-594. doi: 10.1016/j.egypro.2017.07.354.
  25. Liu, Z., Guo, Z., Chen, Q., Song, C., Shang, W., Yuan, M., & Zhang, H. (2023). A review of data-driven smart building-integrated photovoltaic systems: Challenges and objectives. Energy, 263, article number 126082. doi: 10.1016/j.energy.2022.126082.
  26. Lokshina, L.V., Greguš, M., & Thomas, W.L. (2019). Application of integrated building information modeling, IoT and Blockchain technologies in system design of a smart building. Procedia Computer Science, 160, 497-502. doi: 10.1016/j.procs.2019.11.058.
  27. Padmanaban, S., Azimi Nasab, M., Hatami, M., Zand, M., Dashtaki, M.A., & Azimi Nasab, M. (2025). Internet of Things in smart building management system. In O.V.G. Swathika & K. Karthikeyan (Eds.), Resilient community microgrids. Hoboken: John Wiley & Sons. doi: 10.1002/9781394272549.ch15.
  28. Pardamean, B., Muljo, H.H., Cenggoro, T.W., Chandra, D.J., & Rahutomo, R. (2019). Using transfer learning for smart building management system. Journal of Big Data, 6, article number 110. doi: 10.1186/s40537-019-0272-6.
  29. Pinto, G., Wang, Z., Roy, A., Hong, T., & Capozzoli, A. (2022). Transfer learning for smart buildings: A critical review of algorithms, applications, and future perspectives. Advances in Applied Energy, 5, article number 100084. doi: 10.1016/j.adapen.2022.100084.
  30. Qiu, L. (2025). Reinforcement learning approaches for intelligent control of smart building energy systems with real-time adaptation to occupant behavior and weather conditions. Journal of Computing and Electronic Information Management, 18(2), 32-37. doi: 10.54097/hr81cg02.
  31. Qolomany, B., Al-Fuqaha, A., Gupta, A., Benhaddou, D., Alwajidi, S., Qadir, J., & Fong, A.C. (2019). Leveraging Machine Learning and Big Data for smart buildings: A comprehensive survey. IEEE Access, 7, 90316-90356. doi: 10.1109/ACCESS.2019.2926642.
  32. Rescorla, E., & Modadugu, N. (2012). Datagram Transport Layer Security Version 1.2. Internet Engineering Task Force (IETF). Retrieved from https://www.rfc-editor.org/rfc/pdfrfc/rfc6347.txt.pdf.
  33. Shah, S.F.A., Iqbal, M., Aziz, Z., Rana, T.A., Khalid, A., Cheah, Y.-N., & Arif, M. (2022). The role of machine learning and the Internet of Things in smart buildings for energy efficiency. Applied Sciences, 12(15), article number 7882. doi: 10.3390/app12157882.
  34. Shahrabani, M.M.N., & Apanaviciene, R. (2025). Evaluation of smart building integration into a smart city by applying Machine Learning techniques. Buildings, 15(12), article number 2031. doi: 10.3390/buildings15122031.
  35. Shelby, Z., Hartke, K., & Bormann, C. (2014). The Constrained Application Protocol (CoAP). Internet Engineering Task Force (IETF). Retrieved from https://www.rfc-editor.org/rfc/pdfrfc/rfc7252.txt.pdf.
  36. Smart Living Lab. (n.d.). Retrieved from https://www.smartlivinglab.ch.
  37. Teixeira, H., Moret, A.R., Aelenei, D., & Gomes, M.G. (2025). Literature review of solar control smart building glazing: Technologies, performance, and research insights. Building and Environment, 274, article number 112784. doi: 10.1016/j.buildenv.2025.112784.
  38. U.S. Green Building Council. (n.d.). Retrieved from https://www.usgbc.org/leed.
  39. Vattano, S. (2014). Smart buildings for a sustainable development. Economics World, 2(5), 310-324.
  40. Wang, G., Fang, J., Yan, C., Huang, D., Hu, K., & Zhou, K. (2024). Advancements in smart building envelopes: A comprehensive review. Energy and Buildings, 312, article number 114190. doi: 10.1016/j.enbuild.2024.114190.
  41. Zhuang, H., Zhang, J., Sivaparthipan, C.B., & Muthu, B.A. (2020). Sustainable smart city building construction methods. Sustainability, 12(12), article number 4947. doi: 10.3390/su12124947.
ISSN 2411-801X e-ISSN 2786-7374  УДК 71;72
DOI: 10.56318/as