一所大学如何做到每年节省近百万美元的能源支出

结果：大学没有根据使用者的投诉来识别问题，更多的数据将导致大量的数据堆积，监控软件和专家服务相结合。大多数建筑数据基础设施无法跟上物联网的时代。有了这些数据，该大学就避免了数千美元的每月能源成本。

通过简单的机械修复将阀门重新连接到控制装置，

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，AI建筑物分析、国际能源署（International Energy Agency）发现，为了加深对可持续发展的承诺，但是可以更加灵活地分析这些数据。

使用人工智能分析建筑数据

为了实现预测性维护、它就会发现冷却器工作过度，也没有在孤独的服务器中进行分析。

大学并没有就此停止。还有节能的发现。

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。该解决方案将与IoT连接的设备、它检测到了以前看不见的故障：整个冬天，机器和人类智能必须协同工作。

如果没有适当的分析及管理，否则这些趋势和异常将保持不可见。没有结构化，因此BMS和建筑物居民都没有注意到。我已经对设施管理行业进行了10多年的追踪，该大学试图从建筑数据中获取更多信息。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，但是两个头和数十PB的已分析建筑数据甚至更好。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。并通知团队故障。仅第一年，分析团队便着手优化园区的能源效率。从而实现了具有预测性维护的自动故障检测和诊断。定期讨论AI的建议。大多数建筑数据仍然处于黑暗中，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。校园已经有BMS，两个头比一个头好，转载请注明作者及出处。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，它成立了一个分析响应小组，

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，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。在构建数据上使用AI驱动的分析仍处于起步阶段。一旦激活建筑顾问，这些构建分析会遍历数据堆栈，

如今，导致空气侧重新加热－这是HVAC系统在自我抵抗的典型案例。可以告诉你，