Что спасает офисных работников в жаркие летние дни? Правильно, кондиционер. Устройство, которое способно обеспечить температуру в помещении в 20 °C, когда за окном под 40 °C. Но как только оно включается, кто-то лезет за шерстяным свитером или кофтой.

Помимо проблемы, связанной с индивидуальным восприятием температуры, существует еще один камень преткновения: кондиционер нельзя назвать энергоэффективным прибором. Вопрос снижения затрат на охлаждение зданий пытается решить компания BuildingIQ. Их оружие — машинное обучение (ML).

Как работает новый сервис?

Разработчики BuildingIQ создали облачный сервис, который собирает информацию о здании и использует ее для формирования тепловой модели. Эта модель предсказывает, как много энергии потребуется, чтобы обеспечить комфорт сотрудников и регулировать температуру в соответствии с пожеланиями.

Сервис анализирует множество переменных: температуру и давление в помещении, потребление электричества, цену за 1 кВт, прогноз погоды. На основании этой информации модель адаптирует показатели отопления и кондиционирования воздуха для самого выгодного расхода энергии.

buildingiq

Описание переменных в интерфейсе тепловой модели BuildingIQ

Эта система может максимизировать работу кондиционеров для предварительного охлаждения здания рано утром, когда стоимость электроэнергии наименьшая. Или, например, отталкиваясь от сведений о приближении холодного фронта, ослабить кондиционирование. Программные средства используют машинное обучение, чтобы постоянно обновлять модель.

«Температурная модель системы постоянно обучается», — уверяет Майкл Нарк, президент и CEO компании BuildingIQ. «К примеру, мы моделируем здание со стеклянным фасадом, который находится на южной стороне, поэтому он постоянно нагревается. Спустя полгода по соседству появляется еще одно здание, последние этажи которого перекрывают фасад. Логично, что тепловые характеристики ранее построенной многоэтажки изменились. Машинное обучение как раз и нужно для того, чтобы обновить модель с учетом меняющихся условий».

Перспективы ML и результаты тепловой модели

Машинное обучение может быть использовано практически где угодно. В сервисах Amazon, Spotify и Siri оно применяется довольно давно. Именно благодаря нему, популярный сервис фильмов Netflix делает выводы о предпочитаемых тем или иным пользователем кинолентах. В скором времени и BuildingIQ сможет учитывать человеческие предпочтения. Тем более, если брать в расчет последнее приобретение этой компании.

Изменения в отоплении и кондиционировании помещения связаны именно с человеческим комфортом, границы которого нельзя четко очертить. Разработчики предполагают, что комфорт большинства людей сходится на 20 °C, но некоторым эта температура может показаться слишком низкой или, наоборот, высокой.

Майкл Нарк рассуждает о времени, когда офисные работники смогут использовать свои телефоны, чтобы «сказать» зданию, когда им холодно или жарко. Гаджет не будет работать, как локальный терморегулятор. Скорее всего, эти данные будут включены в тепловую модель. Такая технология применима не только для офисных помещений, но и для любых других коммерческих построек.

Насколько полезной является новая разработка BuildingIQ? В компании уверяют, что система помогает экономить от 10 до 25% энергии, затрачиваемой на отопление и кондиционирование. В свою очередь, отопление, вентиляция и кондиционирование (HVAC) — это порядка 50−60% от общего потребления электроэнергии. К сожалению, только 1 из 10 зданий снабжено оборудованием, чтобы задействовать ресурс системы. Однако компания разработала программный продукт для обслуживания старых построек.

Тепловая модель BuildingIQ помогает сократить углеродное загрязнение за счет сокращения количества расходуемой энергии. Уменьшая счета за электричество и газ, система одновременно обеспечивает комфорт потребителей и понижает зависимость от ископаемых видов топлива. Про другие способы применения анализа данных для сохранения ресурсов планеты можно почитать тут.

Источник

ОСТАВЬТЕ ОТВЕТ