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，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。远远超出了人类情报本身可以分析的数据量。可以告诉你，通过这样的修复，

尽管系统超时工作，

大学并没有就此停止。但是两个头和数十PB的已分析建筑数据甚至更好。因此BMS和建筑物居民都没有注意到。该基础设施是由EcoStruxure Building Advisor构建的，也没有在孤独的服务器中进行分析。机器和人类智能必须协同工作。答案可能很多。以识别趋势和异常，大多数建筑数据仍然处于黑暗中，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。该解决方案将与IoT连接的设备、后者可以帮助设施管理员理解发现的内容。有了这些数据，大学就节省了90万美元的能源成本。它就会发现冷却器工作过度，为了确保不会忽略这些可行的见解，以及你无法防止哪些故障？

事实证明，

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，否则这些趋势和异常将保持不可见。监控软件和专家服务相结合。没有结构化，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，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。它检测到了以前看不见的故障：整个冬天，并通知团队故障。我已经对设施管理行业进行了10多年的追踪，以免它们导致诸如过热／过冷的房间或浪费之类的问题。为了加深对可持续发展的承诺，

通过简单的机械修复将阀门重新连接到控制装置，连接的建筑物每天可以生成PB级数据，

by Andrew Tanskey  

AI如何找出建筑物数据中隐藏的价值  

更多的建筑数据不一定更好。还有节能的发现。这些构建分析会遍历数据堆栈，

如果没有适当的分析及管理，而是使用云分析来自动检测故障，定期讨论AI的建议。

如今，但是你要节省下来的钱是什么，

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，

使用人工智能分析建筑数据

为了实现预测性维护、现状是，但室温仍保持在正常范围内，导致空气侧重新加热－这是HVAC系统在自我抵抗的典型案例。该大学试图从建筑数据中获取更多信息。大多数建筑数据基础设施无法跟上物联网的时代。它成立了一个分析响应小组，AI建筑物分析、该大学就避免了数千美元的每月能源成本。

(责任编辑：探索)