Как показало тематическое исследование, BrainBox AI и технология WattTime также сокращают выбросы углекислого газа на 15% в периоды сокращения использования возобновляемых источников энергии.

Loyola University mixed-use building cuts HVAC costs and emissions 10% with AI-driven algorithm

Партнерство между BrainBox Ai, WattTime и Университетом Лойолы в Центре Шрайбера при Школе бизнеса Квинлана в Чикаго привело к постоянному сокращению на 10% затрат на электроэнергию, связанных с системой кондиционирования воздуха, и выбросов углекислого газа в эквиваленте ежегодно. Получено из Школы бизнеса Квинлан при Университете Лойолы в Чикаго 13 мая 2024 г.

Краткое описание:

  • Университет Лойолы внедрил технологию кондиционирования воздуха, основанную на искусственном интеллекте, наряду с автоматизированным алгоритмом сокращения выбросов, в 10-этажном здании смешанного типа Schreiber Center.используйте здание площадью 150 000 квадратных футов, используемое бизнес-школой Квинлана в Чикаго. Эта система является частью годичного проекта по проверке концепции, направленного на дальнейшую декарбонизацию здания.
  • Университет интегрировал систему BrainBox AI с существующими системами управления системой кондиционирования воздуха и использовал данные некоммерческой организации WattTime, занимающейся экологическими технологиями, о предельных выбросах в атмосферу в качестве сигнала для понимания воздействия использования электроэнергии на окружающую среду в разное время, говорится в тематическом исследовании BrainBox AI. Эти усилия привели к постоянному ежегодному сокращению на 10% затрат на электроэнергию, связанных с системой кондиционирования воздуха, и выбросов углекислого газа в эквиваленте. Согласно результатам тематического исследования, опубликованного в пресс-релизе от 8 мая, это также привело к сокращению выбросов углекислого газа на 15% во время мероприятий с минимальными выбросами, включая периоды сокращения использования возобновляемых источников энергии в энергосистеме, при использовании алгоритмов WattTime.
  • “ новое применение автономного искусственного интеллекта в системах управления ОВКВ в промышленной среде является захватывающим, учитывая его масштабируемость, низкие первоначальные затраты и эффективность в плане обезуглероживания”, — сказал в интервью генеральный директор BrainBox AI Сэм Рамадори. “Что еще более интересно в этом тематическом исследовании, так это то, что мы можем использовать автономный искусственный интеллект для изменения поведения систем ОВКВ таким образом, чтобы они потребляли электроэнергию в то время суток, когда она вырабатывается в большей степени за счет возобновляемых источников энергии, чем за счет ископаемого топлива”. 

Подробное описание:

Поскольку возобновляемые источники энергии становятся все большей частью общего объема электроснабжения в США, эффективное управление распределением и потреблением энергии становится все более важным для предотвращения растраты ресурсов возобновляемой энергии, говорится в отчете BrainBox AI от 8 мая. пресс-релиз. По словам BrainBox AI, сигнальная технология WattTime с предельным уровнем эксплуатационных выбросов детально анализирует электросети, прогнозируя периоды, когда возникает избыток возобновляемой энергии. В периоды перегрузки энергосистемы передача избыточной энергии из возобновляемых источников сокращается или приостанавливается — практика, известная как ограничение, которая усиливает опасения по поводу энергоснабжения, а также экологических и финансовых проблем, возникающих из-за растраты возобновляемой энергии впустую, сообщает BrainBox AI.  По словам BrainBox AI, в ходе рандомизированного контролируемого исследования сравнивались три режима работы системы управления зданием. В дополнение к результатам работы алгоритма AER в сочетании с алгоритмами оптимизации искусственного интеллекта BrainBox AI для HVAC, исследование показало, что само здание может накапливать дополнительную энергию во время отключения возобновляемых источников энергии в сети и в последующие четырехчасовые периоды после отключения, говорится в пресс-релизе. 

Выявляя моменты низких предельных выбросов с помощью эмпирически обоснованной модели предельных выбросов WattTime, потребление электроэнергии зданием может быть “стратегически перенесено” на периоды, когда возобновляемые источники энергии имеются в изобилии, но используются не полностью из-за сокращения, говорится в тематическом исследовании. 

В исследовании отмечается, что во время этих мероприятий с низким уровнем выбросов заданное значение температуры в помещении было немного снижено, что привело к эффективному предварительному охлаждению здания перед возвращением заданного значения к нормальному. Это позволило зданию действовать как тепловой аккумулятор, накапливая энергию в виде “прохлады”, которая может быть использована позже, что приводит к снижению энергопотребления в “более грязные периоды, когда энергия используется преимущественно на угле и газе”, говорится в тематическом исследовании. По словам представителя BrainBox AI, это первый проект, который стал результатом партнерства BrainBox AI с WattTime.

В прошлом году результаты этого проекта были отмечены американским центром искусственной среды, а также в руководстве ASHRAE о роли сетевого взаимодействия в обезуглероживании, сообщает BrainBox AI.

Рекомендуемое чтение

  • KPF разрабатывает первые в Нью-Йорке все-здание электрической научно-исследовательской лаборатории Колумбийского университета

    Loyola University mixed-use building cuts HVAC costs and emissions 10% with AI-driven algorithm

    Оборудование для погружений

  • Высшие учебные заведения переходят к СРП, другим усилиям по достижению целей сокращения выбросов углерода

    Loyola University mixed-use building cuts HVAC costs and emissions 10% with AI-driven algorithm

    Погружение на объектах

  • Schneider Electric, партнер Mainspring Energy по микросетям и другим технологиям для повышения отказоустойчивости зданий и энергетической гибкости

    Loyola University mixed-use building cuts HVAC costs and emissions 10% with AI-driven algorithm

    Оборудование для погружений