概述
人工智能不断调整建筑物的供暖、制冷、照明和通风，以减少能源消耗和成本，同时保持居住者的舒适。由于建筑物消耗了全球约 30-40% 的能源，因此更智能的控制可以大幅减少排放。
建筑能源管理中的人工智能侧重于实际部署：将模型功能转化为可靠的日常工作流程，提供可衡量的价值。
深入探讨
供暖、通风和空调 (HVAC) 是大多数建筑物中最大的能源消耗，传统控制依赖于固定的时间表和简单的恒温器，这些恒温器会在条件变化后做出反应。人工智能驱动的建筑能源管理系统从传感器（温度、湿度、二氧化碳、占用率）、天气预报和公用事业价格信号中学习模式，然后主动预测需求并预先调节空间。强化学习控制器可以发现非显而易见的策略，例如在电力便宜且电网清洁的下午热峰之前对建筑物进行预冷却。 Google 的 DeepMind 使用此类方法将其数据中心的冷却能源减少了约 40%。除了舒适性之外，人工智能还可以检测有故障的设备，优化电池或电动汽车的充电时间，并将灵活的负载转移到更环保、更便宜的时间。
技术洞察
许多系统将建筑物热行为的学习预测模型与模型预测控制 (MPC) 或强化学习相结合，在舒适度约束下选择设定点以最小化成本。输入包括占用传感器、天气和价格预测以及建筑物的热质量（其作用类似于热电池）。故障检测层使用传感器流上的异常检测来标记阻尼器卡住、冷却器故障或传感器偏离校准。
掌握建筑能源管理中的人工智能
人工智能不断调整建筑物的供暖、制冷、照明和通风，以减少能源消耗和成本，同时保持居住者的舒适。由于建筑物消耗了全球约 30-40% 的能源，因此更智能的控制可以大幅减少排放。建筑能源管理中的人工智能侧重于实际部署：将模型功能转化为可靠的日常工作流程，提供可衡量的价值。为了建立深入的理解，请将建筑能源管理中的人工智能视为一种操作模型，而不是单一功能：定义期望的结果，澄清假设，并将系统可以可靠地完成的任务与仍需要专家判断的任务分开。
在实践中，在建筑能源管理中使用人工智能的强大团队专注于工作流程结果，而不是模型演示，并尽早定义人工检查点。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
应用级设计决定了人工智能是否能改善实际结果。与此同时，将损坏的流程自动化可能会加剧现有的问题。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
应用级设计决定了人工智能是否能改善实际结果。
应用级设计决定了人工智能是否能改善实际结果。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
良好的工作流程集成可以创造用户值得信赖的生产力收益。
良好的工作流程集成可以创造用户值得信赖的生产力收益。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
范围明确的用例可以减少变更疲劳和实施风险。
范围明确的用例可以减少变更疲劳和实施风险。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
在炎热的下午之前对办公楼进行预冷，此时电网电力更便宜、更清洁
在浪费能源之前，根据异常传感器模式检测 HVAC 阻尼器卡住或冷水机故障
通过 CO2 和运动传感器检测到无人区域，调暗或关闭照明和通风
当屋顶太阳能产生剩余电力时，将电池充电和电动汽车充电转移到几个小时
实施模式
人工智能在建筑能源管理中的实践
在炎热的下午之前对办公楼进行预冷，此时电网电力更便宜、更清洁。
在炎热的下午之前，当电网电力更便宜、更清洁时，对办公楼进行预冷却 当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力提升和错误成本时，通常会获得更好的结果。
人工智能在建筑能源管理中的实践
在浪费能源之前，根据异常传感器模式检测 HVAC 阻尼器卡住或冷水机故障。
在浪费能源之前，通过异常传感器模式检测卡住的 HVAC 阻尼器或发生故障的冷水机 当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会获得更好的结果。
人工智能在建筑能源管理中的实践
通过 CO2 和运动传感器检测到无人区域，调暗或关闭照明和通风。
通过 CO2 和运动传感器检测到无人居住的区域调暗或关闭照明和通风 团队在预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会获得更好的结果。
人工智能在建筑能源管理中的实践
当屋顶太阳能产生剩余电力时，将电池充电和电动汽车充电转移到几个小时。
当屋顶太阳能产生剩余电力时，将电池充电和电动汽车充电时间改为几个小时当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力提升和错误成本时，通常会获得更好的结果。
风险与防护栏
将损坏的流程自动化可能会加剧现有问题。
团队可能会过度自动化并消除所需的人工判断。
如果不持续评估输出，质量可能会出现偏差。
实施路线图
绘制当前工作流程并确定摩擦最大的步骤。
绘制当前工作流程并确定摩擦最大的步骤。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在完全自动化之前定义人工检查点。
在完全自动化之前定义人工检查点。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
对用户进行提示、升级路径和质量标准方面的培训。
对用户进行提示、升级路径和质量标准方面的培训。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
跟踪任务级结果以确认持续价值。
跟踪任务级结果以确认持续价值。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。