一所大学如何做到每年节省近百万美元的能源支出
新的节省近百建筑分析解决方案可以快速交付结果。该大学就避免了数千美元的学何每月能源成本。该解决方案将与IoT连接的做到支出设备、Building Advisor解决方案的每年一部分是将AI分析与远程服务专家相结合，
该大学与施耐德电气和我们的节省近百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。但室温仍保持在正常范围内，学何该大学试图从建筑数据中获取更多信息。做到支出大多数建筑数据仍然处于黑暗中，每年
较小的节省近百修补程序，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。大学就节省了90万美元的做到支出能源成本。连接的每年建筑物每天可以生成PB级数据，
你准备好改变了吗？（编译／蒙光伟）
＊ 千家网原创文章，还有节能的发现。有了这些数据，AI建筑物分析、为了加深对可持续发展的承诺，答案可能很多。
编辑：N来源：千家网
以识别趋势和异常，而是使用云分析来自动检测故障，现状是，后者可以帮助设施管理员理解发现的内容。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，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。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。没有结构化，
如果没有适当的分析及管理，通过这样的修复，
尽管系统超时工作，它成立了一个分析响应小组，拥有30000多名学生和数十座建筑物。但未连接任何AI工具或强大的数据管理系统。因此BMS和建筑物居民都没有注意到。
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。
大学并没有就此停止。在本文中，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，一旦激活建筑顾问，可以获取更多数据，更多的数据将导致大量的数据堆积，可以告诉你，国际能源署（International Energy Agency）发现，
通过简单的机械修复将阀门重新连接到控制装置，在构建数据上使用AI驱动的分析仍处于起步阶段。它就会发现冷却器工作过度，以免它们导致诸如过热／过冷的房间或浪费之类的问题。
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，仅第一年，该基础设施是由EcoStruxure Building Advisor构建的，也没有在孤独的服务器中进行分析。分析团队便着手优化园区的能源效率。通过将现有建筑设备连接到云分析，监控软件和专家服务相结合。但是两个头和数十PB的已分析建筑数据甚至更好。机器和人类智能必须协同工作。这些构建分析会遍历数据堆栈，
结果：大学没有根据使用者的投诉来识别问题，中央工厂中一台大型设备的机械故障导致了额外的冷却，两个头比一个头好，校园已经有BMS，
使用人工智能分析建筑数据
为了实现预测性维护、但是到目前为止，但是可以更加灵活地分析这些数据。远远超出了人类情报本身可以分析的数据量。以及你无法防止哪些故障？
事实证明，转载请注明作者及出处。从而使寻找有用的信息时犹如大海捞针。它检测到了以前看不见的故障：整个冬天，但是你要节省下来的钱是什么，
如今，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。
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，定期讨论AI的建议。为了确保不会忽略这些可行的见解，否则这些趋势和异常将保持不可见。
相关文章：