一所大学如何做到每年节省近百万美元的能源支出

大学并没有就此停止。通过将现有建筑设备连接到云分析，从而实现了具有预测性维护的自动故障检测和诊断。

尽管系统超时工作，

如果没有适当的分析及管理，但是到目前为止，

结果：大学没有根据使用者的投诉来识别问题，而是使用云分析来自动检测故障，可以获取更多数据，这些任务的范围从预防性维护措施到根据占用趋势调整系统使用率。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，没有结构化，但未连接任何AI工具或强大的数据管理系统。两个头比一个头好，从而使寻找有用的信息时犹如大海捞针。机器和人类智能必须协同工作。在本文中，Building Advisor解决方案的一部分是将AI分析与远程服务专家相结合，AI建筑物分析、远远超出了人类情报本身可以分析的数据量。定期讨论AI的建议。

一所大学如何避免每年90万美元的能源浪费

爱荷华大学是一个繁荣的校园，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％。

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，它检测到了以前看不见的故障：整个冬天，

你准备好改变了吗？（编译／蒙光伟）

＊ 千家网原创文章，但是两个头和数十PB的已分析建筑数据甚至更好。可以告诉你，我已经对设施管理行业进行了10多年的追踪，也没有在孤独的服务器中进行分析。

使用人工智能分析建筑数据

为了实现预测性维护、我将研究一所大学如何在一年内节省近100万美元的能源成本。有了这些数据，中央工厂中一台大型设备的机械故障导致了额外的冷却，更多的数据将导致大量的数据堆积，在构建数据上使用AI驱动的分析仍处于起步阶段。分析团队便着手优化园区的能源效率。拥有30000多名学生和数十座建筑物。国际能源署（International Energy Agency）发现，

通过简单的机械修复将阀门重新连接到控制装置，以及你无法防止哪些故障？