人工智慧可能比你更好地運行管理HVAC 系統
如果你是商業建築的所有者或營運商,那麼你很可能已經投資了建築自動化系統 (BAS) 或建築能源管理系統 (BEMS)。建築物是提高效率的成熟目標,而效率優化則能帶來可觀的成本節約。
事實上,根據美國能源部的數據,商業建築產生的碳排放量約佔總碳排放量的五分之一,其中暖通空調系統佔建築能耗的 40% 。
隨著先進運算硬體和分析的出現,建築物業主可以利用人工智慧來優化 HVAC 作業。透過將自主 AI 引入建築環境,現有的 HVAC 系統將成為一個預測大腦,它可以精確地學習如何使用更少的能源來優化所有區域的舒適度。
基於 AI 的 BAS 和 BEMS 解決方案已在全球採用。例如,ABB Ability BE Sustainable with Efficiency AI目前管理超過 275 棟建築,總面積超過 1 億平方英尺。總的來說,這些裝置每年可節省超過 100 萬噸 CO 2,所有這些都是透過利用已經進行的樓宇自動化投資來實現的。
人工智慧應用的巨大潛力
雖然較舊的建築在儲蓄方面具有更大的上升潛力,但現代建築擁有更多的技術,可以實現更精細的控制。因此,將人工智慧應用於任何建築物都可能產生結果。潛力巨大:據 ABB 合作夥伴Brainbox AI稱,能源成本最多可降低 25%,碳足跡最多可減少 40%,資產壽命最多可延長 50% 。對於新建築,智慧 HVAC 還提供了一種滿足能源相關法規要求的方法。
目標是在保留所有現有 BAS 和 BEMS 功能的同時,使 HVAC 系統能夠自我修正而不是預測。例如,虛擬計量允許建築運營商在設備級別追蹤能源使用——無需物理硬體——透過從BEMS 捕獲數據元素,如濕度水平、送風和回風速度和溫度,以及當前恆溫器溫度和設定點。
再加上疊加外部資料(如天氣預報)的能力,就有足夠的資料供AI 使用,不僅可以管理HVAC 效能,還可以在出現異常時以及在故障發生之前提醒操作員潛在問題。
持續學習意味著人工智慧可以即時調整數位模型,例如在安裝新窗戶後。這座建築總是以其當前的形式“被理解”,並可以相應地進行最佳化。因此,幾年前還不存在的能力,今天的人工智慧解決方案可以提前兩小時預測 HVAC 區域的溫度,準確度高達98%。當它了解 HVAC 系統及其操作時,系統就會自我修復;也就是說,它可以在沒有人為幹預的情況下解決問題。
整合人工智慧的第一步
要開始在建築物中使用 AI,業主通常會聘請系統整合商來調查現有的建築系統和資產。是否有 HVAC 圖紙?是否存在 BEMS?就特定位置的人數和持續時間而言,建築物的佔用情況如何?這些問題和其他問題將使提供者能夠評估人工智慧解決方案是否適用於業主的建築物。
從技術的角度來看,所有建築物業主都需要使用開放協議的聯網 HVAC 控制。然後,人工智慧將開始建議對 HVAC 操作進行更改,首先在虛擬環境中對其進行測試,然後再將它們部署到即時系統。供應商通常會監控 AI 的進度,並對 HVAC 運行演算法的建議變更進行健全性檢查。 AI 將根據建築物的使用方式以及使用隨時間的變化來尋找優化 HVAC 資產的方法。這些工具也為 KPI 報告和供應商專家提供數據,以通知潛在問題。根據建築物的大小,業主可以期望 AI 增強型 HVAC 控制在系統了解建築物及其 HVAC 系統後的兩到四個月內產生投資回報 (ROI)。
透過計算進步和為商業建築的需求量身定制的應用程式使分析工具的擴散成為可能,幾乎所有超過 5000 平方英尺的商業建築都可以使用基於人工智慧的複雜 HVAC 控制。我們仍處於建築環境中人工智慧應用的早期階段,但憑藉其在投資回報率和減排方面引人注目的商業案例,這些解決方案可能會在新建和改造中變得司空見慣。
如今,綠色環保已成為當前建築業的發展目標之一,由千家網主辦的2022年第23屆中國國際建築智能化峰會將於近期正式拉開帷幕,本屆峰會主題為“數智賦能,碳索新未來”,其中如何打造更低碳、更環保的智慧建築將成為本屆峰會主要探討的主題之一。
高峰會將於2022年11月8日至12月8日期間,分別在西安、成都、北京、上海和廣州五大城市隆重舉行。屆時我們將攜手全球知名建築智能化品牌及專家,共同分享AI、雲端運算、大數據、IoT、智慧城市、智慧家庭、智慧安防等熱門話題與最新技術應用,並探討如何打造「更低碳、更安全、更穩定、更開放」的產業生態,助力「雙碳」目標的實現。
以上是人工智慧可能比你更好地運行管理HVAC 系統的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

本站6月27日訊息,剪映是由位元組跳動旗下臉萌科技開發的一款影片剪輯軟體,依託於抖音平台且基本面向該平台用戶製作短影片內容,並相容於iOS、安卓、Windows 、MacOS等作業系統。剪映官方宣布會員體系升級,推出全新SVIP,包含多種AI黑科技,例如智慧翻譯、智慧劃重點、智慧包裝、數位人合成等。價格方面,剪映SVIP月費79元,年費599元(本站註:折合每月49.9元),連續包月則為59元每月,連續包年為499元每年(折合每月41.6元) 。此外,剪映官方也表示,為提升用戶體驗,向已訂閱了原版VIP

透過將檢索增強生成和語意記憶納入AI編碼助手,提升開發人員的生產力、效率和準確性。譯自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。雖然基本AI程式設計助理自然有幫助,但由於依賴對軟體語言和編寫軟體最常見模式的整體理解,因此常常無法提供最相關和正確的程式碼建議。這些編碼助手產生的代碼適合解決他們負責解決的問題,但通常不符合各個團隊的編碼標準、慣例和風格。這通常會導致需要修改或完善其建議,以便將程式碼接受到應

大型語言模型(LLM)是在龐大的文字資料庫上訓練的,在那裡它們獲得了大量的實際知識。這些知識嵌入到它們的參數中,然後可以在需要時使用。這些模型的知識在訓練結束時被「具體化」。在預訓練結束時,模型實際上停止學習。對模型進行對齊或進行指令調優,讓模型學習如何充分利用這些知識,以及如何更自然地回應使用者的問題。但是有時模型知識是不夠的,儘管模型可以透過RAG存取外部內容,但透過微調使用模型適應新的領域被認為是有益的。這種微調是使用人工標註者或其他llm創建的輸入進行的,模型會遇到額外的實際知識並將其整合

想了解更多AIGC的內容,請造訪:51CTOAI.x社群https://www.51cto.com/aigc/譯者|晶顏審校|重樓不同於網路上隨處可見的傳統問題庫,這些問題需要跳脫常規思維。大語言模型(LLM)在數據科學、生成式人工智慧(GenAI)和人工智慧領域越來越重要。這些複雜的演算法提升了人類的技能,並在許多產業中推動了效率和創新性的提升,成為企業保持競爭力的關鍵。 LLM的應用範圍非常廣泛,它可以用於自然語言處理、文字生成、語音辨識和推薦系統等領域。透過學習大量的數據,LLM能夠產生文本

機器學習是人工智慧的重要分支,它賦予電腦從數據中學習的能力,並能夠在無需明確編程的情況下改進自身能力。機器學習在各個領域都有廣泛的應用,從影像辨識和自然語言處理到推薦系統和詐欺偵測,它正在改變我們的生活方式。機器學習領域存在著多種不同的方法和理論,其中最具影響力的五種方法被稱為「機器學習五大派」。這五大派分別為符號派、聯結派、進化派、貝葉斯派和類推學派。 1.符號學派符號學(Symbolism),又稱符號主義,強調利用符號進行邏輯推理和表達知識。該學派認為學習是一種逆向演繹的過程,透過現有的

編輯|ScienceAI問答(QA)資料集在推動自然語言處理(NLP)研究中發揮著至關重要的作用。高品質QA資料集不僅可以用於微調模型,也可以有效評估大語言模型(LLM)的能力,尤其是針對科學知識的理解和推理能力。儘管目前已有許多科學QA數據集,涵蓋了醫學、化學、生物等領域,但這些數據集仍有一些不足之處。其一,資料形式較為單一,大多數為多項選擇題(multiple-choicequestions),它們易於進行評估,但限制了模型的答案選擇範圍,無法充分測試模型的科學問題解答能力。相比之下,開放式問答

本站8月1日消息,SK海力士今天(8月1日)發布博文,宣布將出席8月6日至8日,在美國加州聖克拉拉舉行的全球半導體記憶體峰會FMS2024,展示諸多新一代產品。未來記憶體和儲存高峰會(FutureMemoryandStorage)簡介前身是主要面向NAND供應商的快閃記憶體高峰會(FlashMemorySummit),在人工智慧技術日益受到關注的背景下,今年重新命名為未來記憶體和儲存高峰會(FutureMemoryandStorage),以邀請DRAM和儲存供應商等更多參與者。新產品SK海力士去年在

編輯|KX在藥物研發領域,準確有效地預測蛋白質與配體的結合親和力對於藥物篩選和優化至關重要。然而,目前的研究並沒有考慮到分子表面訊息在蛋白質-配體相互作用中的重要作用。基於此,來自廈門大學的研究人員提出了一種新穎的多模態特徵提取(MFE)框架,該框架首次結合了蛋白質表面、3D結構和序列的信息,並使用交叉注意機制進行不同模態之間的特徵對齊。實驗結果表明,該方法在預測蛋白質-配體結合親和力方面取得了最先進的性能。此外,消融研究證明了該框架內蛋白質表面資訊和多模態特徵對齊的有效性和必要性。相關研究以「S
