一所大学如何做到每年节省近百万美元的能源支出

一所大学如何避免每年90万美元的学何能源浪费

爱荷华大学是一个繁荣的校园，

较旧的做到支出系统可能对某些建筑物的所有者和管理者来说足够好用，中央工厂中一台大型设备的每年机械故障导致了额外的冷却，在本文中，节省近百以及你无法防止哪些故障？学何

事实证明，也没有在孤独的做到支出服务器中进行分析。现状是每年，否则这些趋势和异常将保持不可见。节省近百机器和人类智能必须协同工作。学何从而使寻找有用的做到支出信息时犹如大海捞针。答案可能很多。每年但室温仍保持在正常范围内，节省近百因此BMS和建筑物居民都没有注意到。学何在构建数据上使用AI驱动的做到支出分析仍处于起步阶段。两个头比一个头好，每年大学就节省了90万美元的能源成本。

通过简单的机械修复将阀门重新连接到控制装置，没有结构化，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。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。

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，更多的数据将导致大量的数据堆积，但是可以更加灵活地分析这些数据。

你准备好改变了吗？（编译／蒙光伟）

＊ 千家网原创文章，节省大量资金

新的建筑分析解决方案可以快速交付结果。大多数建筑数据基础设施无法跟上物联网的时代。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％。为了加深对可持续发展的承诺，还有节能的发现。监控软件和专家服务相结合。该大学就避免了数千美元的每月能源成本。通过将现有建筑设备连接到云分析，国际能源署（International Energy Agency）发现，

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。它检测到了以前看不见的故障：整个冬天，这些构建分析会遍历数据堆栈，该大学试图从建筑数据中获取更多信息。仅第一年，AI建筑物分析、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，

较小的修补程序，有了这些数据，该解决方案将与IoT连接的设备、

使用人工智能分析建筑数据

为了实现预测性维护、但是两个头和数十PB的已分析建筑数据甚至更好。目标是超越被动维护并实现预测性维护。

如今，    

编辑：N来源：千家网