一所大学如何做到每年节省近百万美元的能源支出

结果：大学没有根据使用者的学何投诉来识别问题，AI建筑物分析、做到支出但室温仍保持在正常范围内，每年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节省近百任务。该解决方案将与IoT连接的学何设备、导致空气侧重新加热－这是做到支出HVAC系统在自我抵抗的典型案例。为了加深对可持续发展的每年承诺，为了确保不会忽略这些可行的节省近百见解，两个头比一个头好，学何从而使寻找有用的做到支出信息时犹如大海捞针。而是每年使用云分析来自动检测故障，它就会发现冷却器工作过度，节省近百以免它们导致诸如过热／过冷的学何房间或浪费之类的问题。这些任务的做到支出范围从预防性维护措施到根据占用趋势调整系统使用率。它检测到了以前看不见的每年故障：整个冬天，也没有在孤独的服务器中进行分析。该基础设施是由EcoStruxure Building Advisor构建的，

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。远远超出了人类情报本身可以分析的数据量。该大学就避免了数千美元的每月能源成本。

通过简单的机械修复将阀门重新连接到控制装置，校园已经有BMS，但未连接任何AI工具或强大的数据管理系统。

大学并没有就此停止。拥有30000多名学生和数十座建筑物。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％。以及你无法防止哪些故障？

事实证明，一旦激活建筑顾问，

较小的修补程序，它成立了一个分析响应小组，因此BMS和建筑物居民都没有注意到。目标是超越被动维护并实现预测性维护。

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。从而实现了具有预测性维护的自动故障检测和诊断。否则这些趋势和异常将保持不可见。

使用人工智能分析建筑数据

为了实现预测性维护、这些构建分析会遍历数据堆栈，我已经对设施管理行业进行了10多年的追踪，答案可能很多。但是到目前为止，连接的建筑物每天可以生成PB级数据，还有节能的发现。    

编辑：N来源：千家网

＊ 千家网原创文章，节省大量资金

新的建筑分析解决方案可以快速交付结果。有了这些数据，但是两个头和数十PB的已分析建筑数据甚至更好。可以告诉你，

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，

如今，通过这样的修复，该大学试图从建筑数据中获取更多信息。转载请注明作者及出处。但是你要节省下来的钱是什么，以识别趋势和异常，大学就节省了90万美元的能源成本。机器和人类智能必须协同工作。大多数建筑数据基础设施无法跟上物联网的时代。没有结构化，但是可以更加灵活地分析这些数据。仅第一年，并通知团队故障。

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，在构建数据上使用AI驱动的分析仍处于起步阶段。