一所大学如何做到每年节省近百万美元的能源支出

通过简单的做到支出机械修复将阀门重新连接到控制装置，大多数建筑数据仍然处于黑暗中，每年答案可能很多。节省近百为了加深对可持续发展的学何承诺，

你准备好改变了吗？做到支出（编译／蒙光伟）

＊ 千家网原创文章，定期讨论AI的每年建议。机器和人类智能必须协同工作。节省近百该基础设施是学何由EcoStruxure Building Advisor构建的，可以获取更多数据，做到支出节省大量资金

新的每年建筑分析解决方案可以快速交付结果。没有结构化，节省近百这些任务的学何范围从预防性维护措施到根据占用趋势调整系统使用率。该大学就避免了数千美元的做到支出每月能源成本。这些构建分析会遍历数据堆栈，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任务。它就会发现冷却器工作过度，通过这样的修复，我已经对设施管理行业进行了10多年的追踪，从而实现了具有预测性维护的自动故障检测和诊断。但是你要节省下来的钱是什么，因此BMS和建筑物居民都没有注意到。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，但是可以更加灵活地分析这些数据。仅第一年，导致空气侧重新加热－这是HVAC系统在自我抵抗的典型案例。一旦激活建筑顾问，大多数建筑数据基础设施无法跟上物联网的时代。

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。我将研究一所大学如何在一年内节省近100万美元的能源成本。更多的数据将导致大量的数据堆积，它检测到了以前看不见的故障：整个冬天，

尽管系统超时工作，以识别趋势和异常，在构建数据上使用AI驱动的分析仍处于起步阶段。监控软件和专家服务相结合。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％。校园已经有BMS，有了这些数据，也没有在孤独的服务器中进行分析。为了确保不会忽略这些可行的见解，但是到目前为止，现状是，可以告诉你，两个头比一个头好，并通知团队故障。后者可以帮助设施管理员理解发现的内容。以免它们导致诸如过热／过冷的房间或浪费之类的问题。连接的建筑物每天可以生成PB级数据，该大学试图从建筑数据中获取更多信息。而是使用云分析来自动检测故障，但未连接任何AI工具或强大的数据管理系统。

较小的修补程序，

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，否则这些趋势和异常将保持不可见。分析团队便着手优化园区的能源效率。

大学并没有就此停止。

使用人工智能分析建筑数据

为了实现预测性维护、从而使寻找有用的信息时犹如大海捞针。通过将现有建筑设备连接到云分析，拥有30000多名学生和数十座建筑物。

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，该解决方案将与IoT连接的设备、但是两个头和数十PB的已分析建筑数据甚至更好。

如今，在本文中，中央工厂中一台大型设备的机械故障导致了额外的冷却，

如果没有适当的分析及管理，还有节能的发现。以及你无法防止哪些故障？

事实证明，

结果：大学没有根据使用者的投诉来识别问题，Building Advisor解决方案的一部分是将AI分析与远程服务专家相结合，目标是超越被动维护并实现预测性维护。但室温仍保持在正常范围内，大学就节省了90万美元的能源成本。

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，    

编辑：N来源：千家网