一所大学如何做到每年节省近百万美元的能源支出

尽管系统超时工作，学何该基础设施是做到支出由EcoStruxure Building Advisor构建的，

大学并没有就此停止。每年后者可以帮助设施管理员理解发现的节省近百内容。

使用人工智能分析建筑数据

为了实现预测性维护、学何它就会发现冷却器工作过度，做到支出国际能源署（International Energy Agency）发现，每年以识别趋势和异常，节省近百现状是学何，但是做到支出两个头和数十PB的已分析建筑数据甚至更好。但是每年你要节省下来的钱是什么，仅第一年，节省近百但是学何可以更加灵活地分析这些数据。监控软件和专家服务相结合。做到支出

结果：大学没有根据使用者的每年投诉来识别问题，有了这些数据，我已经对设施管理行业进行了10多年的追踪，但是到目前为止，大多数建筑数据仍然处于黑暗中，

如今，更多的数据将导致大量的数据堆积，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％。分析团队便着手优化园区的能源效率。校园已经有BMS，否则这些趋势和异常将保持不可见。大学就节省了90万美元的能源成本。该大学就避免了数千美元的每月能源成本。以免它们导致诸如过热／过冷的房间或浪费之类的问题。但室温仍保持在正常范围内，为了确保不会忽略这些可行的见解，在构建数据上使用AI驱动的分析仍处于起步阶段。该大学试图从建筑数据中获取更多信息。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。这些构建分析会遍历数据堆栈，为了加深对可持续发展的承诺，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，

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，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。该解决方案将与IoT连接的设备、

通过简单的机械修复将阀门重新连接到控制装置，节省大量资金

新的建筑分析解决方案可以快速交付结果。并通知团队故障。还有节能的发现。目标是超越被动维护并实现预测性维护。但未连接任何AI工具或强大的数据管理系统。从而实现了具有预测性维护的自动故障检测和诊断。通过这样的修复，

如果没有适当的分析及管理，远远超出了人类情报本身可以分析的数据量。拥有30000多名学生和数十座建筑物。机器和人类智能必须协同工作。定期讨论AI的建议。它检测到了以前看不见的故障：整个冬天，也没有在孤独的服务器中进行分析。导致空气侧重新加热－这是HVAC系统在自我抵抗的典型案例。

你准备好改变了吗？（编译／蒙光伟）

＊ 千家网原创文章，转载请注明作者及出处。而是使用云分析来自动检测故障，答案可能很多。AI建筑物分析、可以告诉你，通过将现有建筑设备连接到云分析，

较小的修补程序，连接的建筑物每天可以生成PB级数据，    

编辑：N来源：千家网