首页 
  >  新闻中心  >  基层动态
运用机器学习进步修建动力功率
来源:完美竞技平台 作者:完美电竞 时间:2021-06-10 18:57:26

  在没有人为干涉的状况下,怎么处理杂乱的修建问题,例如动力功率?怎么更好地了解修建物能耗形式,并取得处理低功率所需的洞察力?机器学习或许是答案。

  机器学习(ML)剖析技能在商业修建行业正逐渐占有一席之地,这是由于它具有发现形式、生成精确猜测并主动呼应这些猜测的顶级才能。依据美国动力部的说法,“经过更有效地运用现有控件和布置高档控件,能够消除多达30%的修建能耗”,而经过运用机器学习能够大大进步这一点。

  将智能剖析渠道与先进的机器学习功用集成在一起,能够帮助您发现本来就不显着的节能时机,一起最大极限地削减了对人工干涉的依靠(以辨认和处理运营问题)。

  运用机器学习来进步修建能效始于数据剖析。机器学习算法不断整合和剖析来自各种来历(例如设备、传感器和设备)的数据,以完善可发掘趋势和辨认反常的内部模型。跟着时刻推移,它使剖析体系能够了解修建物的运转方法并检测过度的动力运用,辨认运营开销(OPEX)节省时机,并为杂乱问题引荐处理方案。

  跟着剖析体系对修建物的深化了解,高档算法能够履行越来越杂乱的学习进程,并运用数据形式主动调整运转设定值、发动运转并对修建体系和设备行为进行更改。并且取得有关体系或设备的数据越多,您的体系就越好。

  在一个由修建设备和主动化体系组成的杂乱网络中,机器学习关于改进运营至关重要。特别是,它能够成为削减动力运用和改进全体动力管理的有力东西。

  机器学习的首要运用之一是能耗猜测。机器学习剖析能够运用修建物的前史能耗数据来提示趋势并猜测未来的能耗。当实践能耗高于预期时,或许标明功率低下。

  修建物中的设备、传感器会生成很多数据,并会在设备产生毛病时触发警报告诉。高档剖析会对这些数据进行安排、剖析和优先排序,以产生有意义的见地并阻隔缝隙和毛病点。值得注意的是,机器学习能够逾越传统的毛病检测,并经过符号前期和与前史趋势相关的误差来提早提示体系和设备毛病,以防产生毛病。这关于避免灾难性毛病、避免动力糟蹋和最大极限地削减停机时刻至关重要。

  猜测剖析关于高耗费方针特别有价值,如暖通空调设备,其约占美国商业设备能耗的40%。传统的模型和依据规矩的战略一般不会供给先下手为强的干涉时机,这或许会在毛病被辨认之前形成很多的动力糟蹋。

  居住者的需求和最佳修建条件一年到头都在改变,这为季节性低效敞开了大门。季节性建模触及将设定值与季节性条件相关联以适配这些改变。具有机器学习功用的接连剖析能够保证无需人工干涉的长时刻功率。

  机器学习能够依据前史暖通空谐和温度传感器数据(考虑到气候和占用状况)创立修建物的预制冷却或预加热模型。运用此模型,能够设置主动操作操控并主动调整,以便依据猜测的近期条件预先加热或冷却您的修建。例如,设备能够在预期的热浪到来之前主动预制冷,或依据行将到来的入住人数改变进行预加热。

  机器学习驱动的剖析体系从一组设备搜集数据的时刻越长,有关该设备怎么、何时以及为何运转的前史数据就越多,然后能够做出更精确的猜测和更好的调整。

  经过布置像onPoint Analytics这样的剖析渠道,您能够运用机器学习的力气来完成动力功率方针。onPoint是一个智能剖析渠道,将机器学习与深沉的范畴常识相结合,能够供给有意义的见地,并能够为日常修建运营创立有用的功率战略。凭借最先进的剖析功用,onPoint能够主动简化运营并削减整个组织的动力耗费。

  每日头条、业界资讯、热门资讯、八卦爆料,全天盯梢微博播报。各种爆料、内情、花边、资讯一扫而光。百万互联网粉丝互动参加,TechWeb官方微博等待您的重视。



上一篇:泰昂动力数据中心供配电体系有用提 下一篇:金融支撑低碳动力开展国开行树立5
Produced By 完美竞技平台_完美电竞官网