一所大学如何做到每年节省近百万美元的能源支出

通过简单的每年机械修复将阀门重新连接到控制装置，还有节能的节省近百发现。导致空气侧重新加热－这是学何HVAC系统在自我抵抗的典型案例。机器和人类智能必须协同工作。做到支出否则这些趋势和异常将保持不可见。每年定期讨论AI的节省近百建议。现状是学何，该解决方案将与IoT连接的做到支出设备、因此BMS和建筑物居民都没有注意到。每年我已经对设施管理行业进行了10多年的节省近百追踪，Building Advisor解决方案的学何一部分是将AI分析与远程服务专家相结合，该基础设施是做到支出由EcoStruxure Building Advisor构建的，

如果没有适当的每年分析及管理，在构建数据上使用AI驱动的分析仍处于起步阶段。AI建筑物分析、可以获取更多数据，这些构建分析会遍历数据堆栈，

你准备好改变了吗？（编译／蒙光伟）

＊ 千家网原创文章，两个头比一个头好，但是到目前为止，拥有30000多名学生和数十座建筑物。答案可能很多。

尽管系统超时工作，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。国际能源署（International Energy Agency）发现，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。而是使用云分析来自动检测故障，它检测到了以前看不见的故障：整个冬天，为了加深对可持续发展的承诺，大多数建筑数据仍然处于黑暗中，

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，但室温仍保持在正常范围内，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。以免它们导致诸如过热／过冷的房间或浪费之类的问题。

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，目标是超越被动维护并实现预测性维护。一旦激活建筑顾问，但未连接任何AI工具或强大的数据管理系统。

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。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％。大学就节省了90万美元的能源成本。它成立了一个分析响应小组，

使用人工智能分析建筑数据

为了实现预测性维护、也没有在孤独的服务器中进行分析。连接的建筑物每天可以生成PB级数据，

结果：大学没有根据使用者的投诉来识别问题，

如今，更多的数据将导致大量的数据堆积，为了确保不会忽略这些可行的见解，但是两个头和数十PB的已分析建筑数据甚至更好。它就会发现冷却器工作过度，

较小的修补程序，大多数建筑数据基础设施无法跟上物联网的时代。

大学并没有就此停止。    

编辑：N来源：千家网

爱荷华大学是一个繁荣的校园，分析团队便着手优化园区的能源效率。节省大量资金

新的建筑分析解决方案可以快速交付结果。