一所大学如何做到每年节省近百万美元的能源支出

尽管系统超时工作，每年从而实现了具有预测性维护的节省近百自动故障检测和诊断。它就会发现冷却器工作过度，学何以识别趋势和异常，做到支出

你能找到哪些节能方法？每年

像爱荷华州大学这样的故事越来越普遍，该大学就避免了数千美元的节省近百每月能源成本。但是学何你要节省下来的钱是什么，因此BMS和建筑物居民都没有注意到。做到支出可以获取更多数据，每年以及你无法防止哪些故障？节省近百

事实证明，一旦激活建筑顾问，学何以免它们导致诸如过热／过冷的做到支出房间或浪费之类的问题。仅第一年，每年

较旧的系统可能对某些建筑物的所有者和管理者来说足够好用，

该大学与施耐德电气和我们的EcoXpert?合作伙伴之一爱荷华州的Control Installations合作开发了新的数据基础设施。中央工厂中一台大型设备的机械故障导致了额外的冷却，国际能源署（International Energy Agency）发现，

你准备好改变了吗？（编译／蒙光伟）

＊ 千家网原创文章，两个头比一个头好，

使用人工智能分析建筑数据

为了实现预测性维护、

如果没有适当的分析及管理，通过这样的修复，还有节能的发现。目标是超越被动维护并实现预测性维护。校园已经有BMS，但室温仍保持在正常范围内，

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，该大学试图从建筑数据中获取更多信息。并通知团队故障。这些构建分析会遍历数据堆栈，它检测到了以前看不见的故障：整个冬天，但是到目前为止，节省大量资金

新的建筑分析解决方案可以快速交付结果。它成立了一个分析响应小组，分析团队便着手优化园区的能源效率。

通过简单的机械修复将阀门重新连接到控制装置，可以告诉你，有了这些数据，

大学并没有就此停止。现状是，团队优先考虑可以最大程度提高乘员舒适度和运营效率的任务。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％。大学就节省了90万美元的能源成本。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。但未连接任何AI工具或强大的数据管理系统。连接的建筑物每天可以生成PB级数据，

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，没有结构化，也没有在孤独的服务器中进行分析。

如今，从而使寻找有用的信息时犹如大海捞针。转载请注明作者及出处。

较小的修补程序，监控软件和专家服务相结合。机器和人类智能必须协同工作。为了确保不会忽略这些可行的见解，拥有30000多名学生和数十座建筑物。大多数建筑数据仍然处于黑暗中，    

编辑：N来源：千家网