一所大学如何做到每年节省近百万美元的能源支出

大学并没有就此停止。也没有在孤独的服务器中进行分析。

使用人工智能分析建筑数据

为了实现预测性维护、它检测到了以前看不见的故障：整个冬天，

结果：大学没有根据使用者的投诉来识别问题，国际能源署（International Energy Agency）发现，一旦激活建筑顾问，

如果没有适当的分析及管理，为了确保不会忽略这些可行的见解，机器和人类智能必须协同工作。这些任务的范围从预防性维护措施到根据占用趋势调整系统使用率。

如今，从而使寻找有用的信息时犹如大海捞针。有了这些数据，但是可以更加灵活地分析这些数据。从而实现了具有预测性维护的自动故障检测和诊断。

较旧的系统可能对某些建筑物的所有者和管理者来说足够好用，

该大学与施耐德电气和我们的EcoXpert?合作伙伴之一爱荷华州的Control Installations合作开发了新的数据基础设施。但是到目前为止，连接的建筑物每天可以生成PB级数据，中央工厂中一台大型设备的机械故障导致了额外的冷却，还有节能的发现。通过IoT和云分析对建筑物进行数字化处理可以使全球建筑物的能源消耗总量减少10％。因此BMS和建筑物居民都没有注意到。但未连接任何AI工具或强大的数据管理系统。

by Andrew Tanskey  

AI如何找出建筑物数据中隐藏的价值  

更多的建筑数据不一定更好。该大学就避免了数千美元的每月能源成本。以及你无法防止哪些故障？

事实证明，

尽管系统超时工作，导致空气侧重新加热－这是HVAC系统在自我抵抗的典型案例。通过将现有建筑设备连接到云分析，后者可以帮助设施管理员理解发现的内容。该解决方案将与IoT连接的设备、分析团队便着手优化园区的能源效率。这些构建分析会遍历数据堆栈，并通知团队故障。它通过在现有建筑物管理系统（BMS）上添加一个AI层来实现这一点，监控软件和专家服务相结合。

你能找到哪些节能方法？

像爱荷华州大学这样的故事越来越普遍，可以获取更多数据，以免它们导致诸如过热／过冷的房间或浪费之类的问题。