每周能源AI运用案例：用3座商业大厦4年的IoT数据，降低制冷成本30％

建筑行业是最大的能源消耗实体之一，占全球能源消耗的40%。令人沮丧的是，到2050年，建筑能源消耗预计将增加50%，这相当于今天俄罗斯和印度的能源消耗总和。

全球环境可持续发展的压力，再加上多个国家的电价上涨，正促使企业积极减少建筑运行所产生的能源消耗。供暖、通风和空调系统占建筑总耗电量的40%至70%，国际能源机构预计，在2010年至20502年间，空间冷却的需求将增加三倍。

一个国际研究团队合作开发了一种新的数据驱动方法来操作一个建筑的供热通风与空气调节（HVAC）系统。具体地说，团队的机器学习技术数据来自于位于中国香港市区的3座大型商业大厦4年以来的IoT传感器数据。

团队试图准确地预测HVAC制冷机的能源效率，这项指标通常被称为性能系数(COP)。使用这些COP预测来驱动HVAC冷水机操作，可以将与冷却建筑物相关的电力消耗的成本平均降低30%。这项结果在2018年6月在德国举行的未来能源系统国际会议(ACM e-Energy)上公布，这一研究引起了人们的重大兴趣，并对改善商业楼宇的环境可持续性的具有潜在影响。

该研究团队还开发了一种新的数据驱动的预冷方法，以减少商业建筑中与HVAC有关的峰值需求、能耗和电费。在物联网传感器数据和机器学习技术的支持下，团队建立了一个热模型，计入了天气和占用率的影响，来预测建筑物内部的温度变化，在预期的占用增加(即预冷却)之前，能够降低30%的冷却能量和成本。

令人惊讶的是，将这些技术应用到建筑或城市中并不需要任何重大的资本支出，因为许多物联网传感器数据可以从任何现代建筑管理系统中轻易获得。真实世界的部署将是简单而直接的，这些解决方案不仅在降低建筑运营成本方面具有良好的商业意义，而且对全球能源的更可持续的发展也至关重要。

联系知能

投稿分享

你在找我们

直接聊聊