Почему большие данные и построение аналитики никуда не денутся:часть 1

В 2014 году компании по всему миру в совокупности произвели колоссальные 8,4 зеттабайт (или 8,4 триллиона гигабайт) цифрового контента по сравнению с 2,7 зеттабайт в 2012 году. Это большой объем информации для анализа - отсюда термин «большие данные», который описывает тенденцию обработки больших объемов и разнообразной информации для формирования современных идей и оптимизации результатов. Интерпретация этой горы больших данных для целей строительства или ремонта более качественных коммерческих и жилых зданий требует новых способов мышления, таких как строительная аналитика.

Строительная аналитика является частью растущей тенденции к более полной автоматизации строительных систем, рынок которой, как ожидается, достигнет 100 миллиардов долларов (87,5 миллиардов евро) в следующие четыре года. Эти системы были интегрированы в более крупные схемы устойчивого строительства, соблюдения нормативных требований и управления ресурсами. По словам Кевина Бернса, президента Bob Jenson Air Conditioning , функции HVAC играют важную роль в том, как эти аналитические данные открывают путь для более эффективного использования систем и оптимизации управления процессами. .

Неэффективность стоит больших денег

Системы отопления и охлаждения потребляют от 25 до 30% годового общего потребления энергии в жилых зданиях и от 40 до 60% в коммерческих зданиях. Например, холодильная установка потребляет около трети всех потребностей в энергии, связанных с HVAC (или примерно одну пятую от общей потребности здания в энергии).

Использование данных счетчика для выявления недостатков может быть сложной задачей, поскольку потери энергии часто являются инкрементными (и / или нелинейными) и будут скрыты на более широком фоне статистики потерь. Вместо этого эти привлекательные и дорогостоящие цифры можно сократить почти вдвое с помощью надлежащего обслуживания системы и анализа данных.

Большие данные могут создавать тысячи гигабайт информации о жилых и коммерческих системах HVAC для создания крупномасштабных записей, которые могут найти исторические тенденции, проанализировать причинно-следственные закономерности, оценить производительность HVAC и вычислить любое другое число реальных затрат. -метрики эффективности.

Такой тип управления может ежегодно снижать затраты на электроэнергию при нормальной эксплуатации до 20% по мере того, как здание достигает своей оптимальной эффективности, а также снижает затраты на простой на 35-45%. Средняя рентабельность инвестиций в аналитические решения составляет более 13 долларов (11,3 евро) на каждый потраченный доллар.

Видимость вверху

Дизайн многих зданий и их систем HVAC часто по своей природе неэффективен из-за различных компонентов (например, змеевиков, вентиляторов, клапанов), которые не моделируются отдельно из-за связанной динамики. Огромное количество заданных значений, уровней и сигналов обратной связи в любой системе вентиляции делает видимость сверху вниз наивысшим приоритетом.

Последние достижения в области алгоритмического обучения

Аналитика зданий с помощью алгоритмов машинного обучения позволяет снижать энергопотребление, учитывать изменяющиеся погодные условия, определять загруженность и уровень комфорта, а также обрабатывать распределение пиковой нагрузки систем отопления, вентиляции и кондиционирования воздуха.

Самые последние алгоритмы машинного обучения, известные как глубокие нейронные сети (DNN), используют искусственный интеллект для решения сложных проблем, потребляя необработанные данные и обрабатывая их через множество трансформирующих слоев. DNN были внедрены только недавно для решения проблем с HVAC, но ранние результаты показали, что потенциальная экономия энергии составит 30%.

Автор этого блога - Кевин Бернс, президент компании Bob Jenson Air Conditioning

Об авторе

Кевин Бернс - президент компании Bob Jenson Air Conditioning в Сан-Диего с более чем 29-летним опытом работы в области HVAC. Он работал во всех аспектах отрасли и обучил десятки людей. Он страстно желает делать то, что правильно для каждого дома и каждого клиента, и устанавливает этот стандарт для всей своей команды