机器学习用在楼宇能源管理，连帝国大厦都服气

By 超神经

场景描述：通过机器学习等技术，纽约一家技术服务公司，成功的解决了楼宇能耗的问题，在节约成本的同时，也为能源可持续发展作出贡献。

关键词：机器学习  能源控制 技术服务

你可能不知道，楼宇的能源消耗量大的惊人。在 2017 年联合国环境署的报告中，建筑耗能占据了总能源使用量的 36% ，而这其中，很大的比重来自于楼宇的消耗。

可以说，一栋现代化的高楼，就像是一个能耗黑洞。要解决这个问题，就必须有合理的能源控制方案。

在纽约有这么一家公司，他们利用数据科学和机器学习算法，辅助大楼管理者优化楼宇的能源使用，每年能为一栋大楼节约几十万美元的费用。

致力于为建筑物降低能耗

这家叫 Cortex 的公司，专注于提供智能服务技术，他们用技术作为武器，致力于降低楼宇的能耗水平。

Cortex 网站主页

对于一座大楼，最有力的减能措施，是针对供热通风与空气调节（缩写为 HVAC ，包含温度、湿度、空气清净度以及空气循环的控制系统）。

比如选准 HVAC 的开启和关闭时间，将大楼的温度调节在合适的范围等等，这些措施都会避免大的能耗。

Cortex 用 AI 技术处理和分析楼宇的能源数据，通过移动应用程序的方式，将信息实时反馈给管理工程师，让工程师能精确地操控日益复杂的 HVAC 系统。

根据他们的服务资料，在已实施的案例中，平均每栋建筑每年可节省 85 万美元，这为能源的可持续发展做出了贡献：将一栋建筑能耗降低 5-10％ ，就相当于每年减少 850 辆汽车的使用。

在纽约市，使用 Cortex 服务的办公楼不在少数，而且有逐渐增多的趋势。 Woolworth Building 和 110 William 分别使用 Cortex 的技术实现了 5％ 和 11％ 的能耗降幅。

帝国大厦也在使用 Cortex 的技术服务

连帝国大厦也从他们的系统受益，报道称每年通过 Cortex 的协助，帝国大厦减少了约  80 万美元的能耗开支。

智能规划能源消耗：电力、温度、新风等

Cortex 通过管理系统的历史数据，结合当前和预测情形，再将天气预报，日期和前一天使用等多项信息综合，用机器学习的方法得出准确的预测。

在一个案例中，Cortex 和一家人工智能工程公司 Maniflod 进行了合作。

他们收集了大厦中传感器的四个指标，温度，静气压，电力需求，蒸汽需求。利用升级的 Canny 边缘探测器算法，对数据进行了准确的边缘提取，这也就是找到了对应项目开启和关闭的时间。

四个指标的数据

接着用机器学习的方法，自动寻找出相关的参数，从而实现对未来情形的预测。

边缘提取的操作示例

最后通过 APP 实时的将收集到的信息，用简单直观的图表，可视化地传达给管理工程师，让他们能够高效无缝地运作物业。

Cortex 手机 APP 的界面展示

当达到每月峰值电力或蒸汽需求的设定值后，工程师也会收到警报，以避免不必要的高峰需求费用。

通过这些建议和指导，管理者能知道，何时关闭冷却器或风扇，何时以最节能的方式做出决策。

技术过硬，背后的服务更是感人

市面上也有其他的技术公司，但 Cortex 靠着自身的实力，在美国实现了全国范围的部署，在纽约，他们服务着占地面积超过 1000 万平方英尺的办公楼。

他们受到青睐的原因，除了过硬的技术，还得益于高标准的服务质量。

 Cortex 的技术服务构架

在服务帝国大厦的案例中，除了通过应用程序提供的实时建议外，Cortex 团队还作为帝国大厦工程师一起，参与每月讨论提升方案，并定期发布数据评估。

此外，Cortex 还花费大量时间与他们面对面，答疑和交流。帝国大厦方的人员说到，「我们可以 24 小时事实访问应用程序，并且每天与 Cortex 团队成员进行沟通。」

而他们最终的能源方案，让实际节省的费用比预估值高出了六倍。 Cortex 通过提供简单可操作但可靠的智能服务，也让更多人愿意选择他们。

帝国大厦管理工程师称赞的用户界面

Cortex 的创始人兼首席执行官 Bryan Bennett 说到，「我们的主要任务是解决楼宇管理工程师面临的具体问题，让他们在能耗问题上得到满意的方案。

我们坚信，技术会带来加持的作用，我们为工程师提供及时可靠的信息，以便他们做出更合理的决策。

我们为此而生，也将继续努力！」

点击阅读原文