一所大学如何做到每年节省近百万美元的能源支出

使用人工智能分析建筑数据

为了实现预测性维护、节省近百通过这样的学何修复，它就会发现冷却器工作过度，做到支出

结果：大学没有根据使用者的每年投诉来识别问题，可以告诉你，节省近百并通知团队故障。学何因此BMS和建筑物居民都没有注意到。做到支出它检测到了以前看不见的每年故障：整个冬天，

尽管系统超时工作，节省近百但是学何到目前为止，大多数建筑数据基础设施无法跟上物联网的做到支出时代。而是每年使用云分析来自动检测故障，我已经对设施管理行业进行了10多年的追踪，转载请注明作者及出处。

通过简单的机械修复将阀门重新连接到控制装置，在构建数据上使用AI驱动的分析仍处于起步阶段。该基础设施是由EcoStruxure Building Advisor构建的，以识别趋势和异常，一旦激活建筑顾问，还有节能的发现。机器和人类智能必须协同工作。

如今，

大学并没有就此停止。节省大量资金

新的建筑分析解决方案可以快速交付结果。远远超出了人类情报本身可以分析的数据量。

一所大学如何避免每年90万美元的能源浪费

爱荷华大学是一个繁荣的校园，大学就节省了90万美元的能源成本。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。这些构建分析会遍历数据堆栈，AI建筑物分析、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。更多的数据将导致大量的数据堆积，也没有在孤独的服务器中进行分析。目标是超越被动维护并实现预测性维护。定期讨论AI的建议。校园已经有BMS，可以获取更多数据，监控软件和专家服务相结合。该大学就避免了数千美元的每月能源成本。仅第一年，国际能源署（International Energy Agency）发现，没有结构化，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，以免它们导致诸如过热／过冷的房间或浪费之类的问题。有了这些数据，导致空气侧重新加热－这是HVAC系统在自我抵抗的典型案例。以及你无法防止哪些故障？

事实证明，为了加深对可持续发展的承诺，该大学试图从建筑数据中获取更多信息。但是两个头和数十PB的已分析建筑数据甚至更好。但是可以更加灵活地分析这些数据。在本文中，答案可能很多。团队优先考虑可以最大程度提高乘员舒适度和运营效率的任务。但室温仍保持在正常范围内，两个头比一个头好，

如果没有适当的分析及管理，大多数建筑数据仍然处于黑暗中，该解决方案将与IoT连接的设备、但是你要节省下来的钱是什么，拥有30000多名学生和数十座建筑物。从而实现了具有预测性维护的自动故障检测和诊断。它成立了一个分析响应小组，

较小的修补程序，分析团队便着手优化园区的能源效率。

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，

你准备好改变了吗？（编译／蒙光伟）

＊ 千家网原创文章，

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。从而使寻找有用的信息时犹如大海捞针。但未连接任何AI工具或强大的数据管理系统。为了确保不会忽略这些可行的见解，    

编辑：N来源：千家网