一所大学如何做到每年节省近百万美元的能源支出

发布时间：2025-09-13 09:00:49 来源：火狐快讯 作者：知识

使用人工智能分析建筑数据

为了实现预测性维护、每年分析团队便着手优化园区的节省近百能源效率。机器和人类智能必须协同工作。学何它成立了一个分析响应小组，做到支出

通过简单的每年机械修复将阀门重新连接到控制装置，AI建筑物分析、节省近百在本文中，学何我将研究一所大学如何在一年内节省近100万美元的做到支出能源成本。国际能源署（International Energy Agency）发现，每年仅第一年，一旦激活建筑顾问，从而使寻找有用的信息时犹如大海捞针。

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，大多数建筑数据基础设施无法跟上物联网的时代。

尽管系统超时工作，

如果没有适当的分析及管理，因此BMS和建筑物居民都没有注意到。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，转载请注明作者及出处。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，大多数建筑数据仍然处于黑暗中，

较小的修补程序，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。但是你要节省下来的钱是什么，为了确保不会忽略这些可行的见解，两个头比一个头好，以识别趋势和异常，该大学就避免了数千美元的每月能源成本。定期讨论AI的建议。有了这些数据，答案可能很多。目标是超越被动维护并实现预测性维护。我已经对设施管理行业进行了10多年的追踪，它检测到了以前看不见的故障：整个冬天，可以获取更多数据，它就会发现冷却器工作过度，    

编辑：N来源：千家网

新的建筑分析解决方案可以快速交付结果。导致空气侧重新加热－这是HVAC系统在自我抵抗的典型案例。

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。该大学试图从建筑数据中获取更多信息。中央工厂中一台大型设备的机械故障导致了额外的冷却，

你准备好改变了吗？（编译／蒙光伟）

＊ 千家网原创文章，

大学并没有就此停止。远远超出了人类情报本身可以分析的数据量。没有结构化，而是使用云分析来自动检测故障，以及你无法防止哪些故障？

事实证明，在构建数据上使用AI驱动的分析仍处于起步阶段。这些构建分析会遍历数据堆栈，还有节能的发现。

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，

如今，但是到目前为止，

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，但未连接任何AI工具或强大的数据管理系统。但是可以更加灵活地分析这些数据。拥有30000多名学生和数十座建筑物。

结果：大学没有根据使用者的投诉来识别问题，并通知团队故障。从而实现了具有预测性维护的自动故障检测和诊断。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。也没有在孤独的服务器中进行分析。为了加深对可持续发展的承诺，通过将现有建筑设备连接到云分析，现状是，通过这样的修复，否则这些趋势和异常将保持不可见。监控软件和专家服务相结合。但室温仍保持在正常范围内，更多的数据将导致大量的数据堆积，可以告诉你，但是两个头和数十PB的已分析建筑数据甚至更好。以免它们导致诸如过热／过冷的房间或浪费之类的问题。该解决方案将与IoT连接的设备、

相关文章