欢迎光临
我们一直在努力
您的位置:首页>资讯 >

用机器学习来解决二氧化碳排放的最大单一来源之一

仅在美国,就有近600万栋建筑物,几乎每60名美国人就有一栋。它们共同产生了该国40%的总排放量,其中大部分来自日常照明,采暖,制冷和家电操作-使其成为美国最大的单一污染因素之一。

“这意味着无论是在经济上还是在环境上,这都是一个巨大的奖项,有待开发。” Carbon Lighthouse工程与技术执行副总裁Matt Ganser说。“这就是我们建造Carbon Lighthouse的目的-结合技术,设备和机器学习来阻止气候变化。”

开发Carbon Carbon Lighthouse业务模型和获得专利的AI平台是通过帮助现有建筑物减少能源消耗和总体碳排放量来应对气候变化挑战。

用机器学习来解决二氧化碳排放的最大单一来源之一

但是,这是一项重大任务。改善建筑物的能源系统是一项复杂而动态的追求。建筑物本质上是一个混乱的空间,混合了控制系统,互操作性,数据标准和设备配置,而事实上,当今大多数建筑物都位于冷战结束之前。这是Carbon Lighthouse使机器学习(ML)发挥作用的地方。他们可以分析,优化和监视每个系统(灯光,空调,HVAC和通风系统),以最大程度地提高效率。

“由于多年来我们在扩展模型,功能和数据范围方面所做的工作,我们已经从减少几辆汽车的排放当量变为减少了12个发电厂的排放当量,”甘瑟说。

通过机器学习提高建筑效率

为了使建筑物更高效,Carbon Lighthouse需要了解如何在多个占用和天气变量下使用每个空间,包括工作日与周末,典型工作日与假日,或冬季早晨6:00 AM与夏季高峰在4:00 PM。该公司需要了解建筑系统如何应对这些动态条件。解决方案的很大一部分是数据。

他们以两种方式解决该问题:直接进入建筑物管理系统,并创建自己的传感器网络以测量照明水平,温度,相对湿度和空气流量。然后,他们可以提取这些海量数据流,并将它们整合到其获得专利的基于AI的平台CLUES®中,该平台可对整个建筑物中消耗的能源进行建模,以找到可优化能源使用的区域。CLUES不断从其从所服务的每座建筑物中提取的大量实际建筑物数据中不断学习。然后,将这些知识传递给公司的数据科学家,他们可以使用该信息构建算法来进一步减少未来的排放量。

“我们意识到关于能源负荷的基本假设是错误的,人们在确定设备尺寸时所使用的经验法则还不存在,” Ganser说。“数据是分析问题和提高效率的巨大推动力。”

他们的平台利用了许多AWS技术,包括EC2,S3,RDS,Dynamo DB,这些技术提供了所需的大数据构建块,同时消除了管理数据库和担心大规模数据带来的运营挑战。

他们的机器学习算法学会了从建筑物级别到系统级别随时间推移对建筑物的能源使用进行建模。该公司的数据科学家可以进行实验并更改代码中的参数,以了解建筑物如何以不同的方式更有效地运行。

他们现在已经处理了超过1亿平方英尺商业地产的数据,从而为HVAC和照明系统提供了深入的数据分析,从而使该平台能够以前所未有的规模发现和应用效率。该技术不仅发现了显着降低碳排放量的机会,而且还在资产生命周期的任何阶段将建筑物的价值提高了约每平方英尺5至10美元,并保证了运营费用的减少。

“我们可以真正专注于为内部客户构建产品和价值,而不必担心在尝试构建大数据平台时经常会遇到的很多基础架构和数据工程,” Ganser说。

机器学习在绩效管理过程中也至关重要。即使公司实施了建筑物的变更后,他们仍会在实施后继续收集数据流,并持续监视建筑物中的故障或操作变更。然后,他们与客户合作,以​​确保其建筑物管理系统及其组件均按预期运行。

对抗碳排放的未来

甘瑟说:“对与错,资本主义是世界的经济引擎。”“因此,为了在可持续发展领域中真正发挥作用,它必须要有一个财务论点,这对企业至关重要,并在一定时期内对投资者至关重要。而且我们正在帮助弥合这个世界。”

对话最终发生了变化–投资界开始质疑可持续性,因为很明显,从长远来看,更具可持续性的决策往往具有财务持久力。

“由于我们的技术,” Ganser解释说,“我们现在能够进行处理和扩展,以满足对能耗和客户需求的关注。”

免责声明:本网站图片,文字之类版权申明,因为网站可以由注册用户自行上传图片或文字,本网站无法鉴别所上传图片或文字的知识版权,如果侵犯,请及时通知我们,本网站将在第一时间及时删除。