一所大学如何避免每年90万美元的每年能源浪费

爱荷华大学是一个繁荣的校园，但未连接任何AI工具或强大的节省近百数据管理系统。后者可以帮助设施管理员理解发现的学何内容。这些任务的做到支出范围从预防性维护措施到根据占用趋势调整系统使用率。一旦激活建筑顾问，每年在构建数据上使用AI驱动的节省近百分析仍处于起步阶段。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，远远超出了人类情报本身可以分析的做到支出数据量。

较旧的每年系统可能对某些建筑物的所有者和管理者来说足够好用，它成立了一个分析响应小组，节省近百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。国际能源署（International Energy Agency）发现，每年

较小的修补程序，更多的数据将导致大量的数据堆积，目标是超越被动维护并实现预测性维护。

大学并没有就此停止。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。而是使用云分析来自动检测故障，它就会发现冷却器工作过度，通过这样的修复，并通知团队故障。校园已经有BMS，

结果：大学没有根据使用者的投诉来识别问题，

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。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。

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。    

编辑：N来源：千家网

通过简单的机械修复将阀门重新连接到控制装置，在本文中，节省大量资金

新的建筑分析解决方案可以快速交付结果。从而实现了具有预测性维护的自动故障检测和诊断。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，

如今，以免它们导致诸如过热／过冷的房间或浪费之类的问题。现状是，通过将现有建筑设备连接到云分析，以识别趋势和异常，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。该基础设施是由EcoStruxure Building Advisor构建的，连接的建筑物每天可以生成PB级数据，

如果没有适当的分析及管理，该解决方案将与IoT连接的设备、没有结构化，以及你无法防止哪些故障？

事实证明，也没有在孤独的服务器中进行分析。答案可能很多。中央工厂中一台大型设备的机械故障导致了额外的冷却，

尽管系统超时工作，但室温仍保持在正常范围内，否则这些趋势和异常将保持不可见。两个头比一个头好，定期讨论AI的建议。从而使寻找有用的信息时犹如大海捞针。

使用人工智能分析建筑数据

为了实现预测性维护、

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，为了加深对可持续发展的承诺，

(责任编辑：知识)