机器学习有助于创建自主建筑古胜中

机器学习有助于创建“自主”建筑

自动驾驶汽车已迅速成为电子行业的流行语。但是，能够学习和调节自己的能源使用量的自治建筑可能并不遥远。霍尼韦尔已开发出一种基于云的闭环机器学习解决方案，该解决方案可以持续研究建筑物的能耗，并自动优化能耗设置，而不会影响乘员的舒适度

霍尼韦尔称其解决方案为霍尼韦尔锻造能源优化解决方案，该公司声称可以实现两位数的能源节省，并且无需大量的前期资本支出或更改建筑物的当前运营流程即可实施。该公司在阿拉伯联合酋长国迪拜的哈姆丹·本·穆罕默德·智能大学进行的一项试验中对该解决方案进行了测试，证明最初节省了10％的能源。HBMSU是阿联酋第一家获得认可的智能大学，并以其技术和创新计划而闻名。

Forge解决方案已应用于HBMSU的现有建筑物管理系统，该系统使用竞争对手的技术来演示该平台的开放式体系结构和与硬件无关的功能。HBMSU已被视为具有完全连接的照明，冷却，建筑物管理，电源和效率控制的节能建筑，并根据实时占用率对其进行了优化，因此，额外的节能被认为是可观的。飞行员还发现了制冷设备和新鲜空气处理单元的本地控制问题，这些问题没有调整到设定点。

“作为一所聪明的大学，我们希望在整个校园内部署最新技术，并确保我们的建筑物高效。霍尼韦尔锻造公司所取得的成果以及其利用我们所拥有的技术实现可实现的优化之外进一步推动节能的能力，令我们感到惊喜。”哈姆丹·本·穆罕默德·斯马特大学校长曼苏尔·阿尔·阿瓦博士在一份声明中说。“我们与霍尼韦尔的进一步合作将有助于支持建筑自动化的人工智能建模的进步，并为我们的学生提供有关AI和机器学习如何提高建筑运营效率的第一手应用程序。”

根据公司发言人的说法，Forge解决方案使用各种环境监控传感器，其中一些来自霍尼韦尔。发言人在发给FierceElectronics的电子邮件中说，作为系统集成商，霍尼韦尔可以根据不同的应用程序集成来自不同供应商的传感器和其他组件。

霍尼韦尔Forge Energy Optimization每15分钟不断优化数百种资产的建筑物内部设定点，以评估建筑物的HVAC系统是否以最高效率运行。当Forge认为需要进行调整时，它会分析时间，天气，入住率以及其他许多数据点等因素，以确定建筑物的最佳设置，并针对每座建筑物每24小时做出96次决策一年365天的投资组合中。

霍尼韦尔表示，Forge Energy Optimization易于构建投资组合所有者，以即插即用功能进行部署。实施该系统不需要对建筑物的基础设施进行重大更改。

低能耗家居

存算一体公司

声音交互 智能

存算一体