인공지능 기술로 건설현장 탄소배출 저감 가속화

소개

• 11월 29일 McKinsey가 발표한 보고서에 따르면 건물 포트폴리오 소유자는 기계 학습, 인공 지능 및 물리학 기반 모델링을 적용하여 건물 탈탄소화 기회를 더 빠르게 식별할 수 있습니다.
• 위성 데이터, 지리 공간 분석, 규정, 인건비 및 장비 비용을 사용하고 난방 및 냉방 시스템, 단열 수준, 태양열 또는 지열 에너지의 타당성을 평가함으로써 알고리즘은 건물 포트폴리오 구현을 위한 솔루션을 분석하고 제안할 수 있습니다. 순 제로 배출 .
• 이 새로운 접근 방식을 사용하면 규제 환경은 물론 건물의 고유한 특성과 임대 구조를 고려하여 전체 포트폴리오에 대한 재무 최적화 계획을 몇 주 내에 개발할 수 있다고 전문가들은 보고서에서 밝혔습니다.

INSIGHTS

McKinsey 전문가들은 건물이 전 세계 연소 관련 배출량의 40%를 차지한다는 점을 감안할 때 2030년까지 직접 건물 배출량을 50%, 간접 배출량을 60% 줄여야 한다고 말합니다. 2050년까지만 우리가 달성할 수 있는 것은 건물 자재에서 탄소 배출이 순제로 발생합니다. McKinsey는 물리적 에너지 감사 및 건물별 순 제로 전략을 포함한 탈탄소화에 대한 전통적인 접근 방식은 힘들고 비용이 많이 드는 것으로 간주된다고 말했습니다. 더욱이, 중앙 집중화된 재고와 표준화가 부족하여 건물의 탈탄소화는 수익성이 없다는 인식이 생겼습니다.

보고서에 따르면 AI 기반 접근 방식은 기존 에너지 감사 및 순 제로 연구에 비해 탈탄소화 계획의 속도와 규모를 100배 이상 높여 퍼지 건물 프로토타입에 대한 의존도를 제거한다고 나와 있습니다.

이는 미래 증분 규제, 탄소 가격 책정 및 임대료, 부동산 가치 평가에 대한 친환경 프리미엄과 같은 요인이 없다고 가정할 때 부동산 포트폴리오의 중립적이거나 긍정적인 수익을 위한 AI 기반 접근 방식의 잠재력을 강조합니다. 보고서는 포트폴리오 수준에서 재생 가능 에너지 조달을 최적화하는 동시에 각 건물에 대한 에너지 효율성 및 전기화 조치를 구현함으로써 건물 소유자와 거주자가 에너지 절약을 달성하고 자본 비용을 최적화하며 규제 처벌을 피함으로써 투자를 회수할 수 있음을 강조합니다.

최고의 건물 탈탄소화 계획의 특징

McKinsey는 가장 효과적인 건물 탈탄소화 계획을 달성하는 것이 인공 지능 및 기계 학습 방법을 사용하여 최적화할 수 있는 7가지 구성 요소로 구성되어 있음을 강조합니다.

• 효율적인 넷 제로 계획 : 소유자는 배출가스나 기존 규제에 따라 특정 건물을 대상으로 하는 전통적인 탈탄소화 계획과 달리 공동 조달 및 전략적 순서를 통해 전체 포트폴리오에 대해 조정되고 포괄적인 계획을 보장할 수 있습니다.
• 자산별 계획: 비용 효율적인 탈탄소화를 달성하려면 건물 레이아웃, 단열 유형 등의 측면을 고려한 맞춤형 계획이 필요합니다. 각 건물에는 시작점, 지역 조건, 임차인 구성 및 임대 구조와 같은 자산 세부 사항을 고려한 고유한 전략이 필요합니다.
• 순 제로를 향한 완전한 경로: 여기에는 장기적인 결과에 해를 끼치는 계획의 일부를 피하는 것이 포함됩니다. 단기 전략은 비용을 증가시키고 향후 HVAC 요구 사항에 영향을 미치는 단열 조치와 같은 시너지 효과를 무시할 수 있으므로 기업은 포괄적이고 미래 지향적인 결정을 내려야 합니다.
• 통합 범위 1 및 2 계획: 에너지 효율성과 전기화에 대한 분리된 접근 방식이 효율성을 저해하고 있다고 보고서는 말합니다. 상호의존성을 최대한 활용하지 못하면 재생에너지 조달 속도가 느려지고 비용이 더 많이 들 수 있습니다.
• 실행 가능한 단계: 건축 계획은 시설 관리자에게 정확한 지침을 제공하고 공급업체와 시설 관리팀 간의 원활한 의사소통을 지원하여 신속한 실행을 보장해야 합니다.
• 정량화: 계획은 순 제로 목표, 자본 투자 문제, 운영 비용, 잠재적 부채, 소유자와 임차인 간의 비용 및 이익 분배를 포함하여 재무 계획에 대한 자세한 통찰력을 제공할 수 있을 만큼 구체적이어야 합니다. 순 제로 배출을 달성하는 데 드는 비용.
• Net Zero 지향 의사결정: 소유자와 운영자는 프로세스, 인센티브 및 거버넌스 구조를 조정하여 탈탄소화 계획을 운영에 통합할 수 있습니다. 여기에는 자본 계획 업데이트, 저배출 시스템 예산, 탈탄소화 분석을 새로운 자산 인수에 통합하는 것이 포함됩니다.

새로운 수요를 충족하기 위한 공급망 확장, 개조를 위한 숙련된 인력 교육 및 기타 전기화 노력과 관련된 탈탄소화 과제도 업계에 영향을 미칠 것이라고 보고서는 밝혔습니다.

McKinsey는 AI 기반 수명주기 탈탄소화 접근 방식을 채택하면 계획을 단순화하고 프로세스 속도를 높이며 비용을 절감함으로써 건물 관련 배출 문제를 해결하는 데 상당한 진전을 이룰 수 있다고 말했습니다.

위 내용은 인공지능 기술로 건설현장 탄소배출 저감 가속화의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!