如何在没有人为干预的情况下解决能源效率等复杂的建筑问题？如何更好地了解建筑能耗模式并获得解决低效问题所需的见解？机器学习可能是答案。机器学习(ML)分析因其发现模式、生成准确预测并自动响应这些预测的尖端能力而在商业建筑行业中取得进展。根据美国能源部的说法，“通过更有效地使用现有控件和部署高级控件，可以消除高达30%的建筑物能耗”，而这可以通过使用机器学习得到极大改善。将智能分析平台与高级机器学习功能集成可以帮助您发现原本不明显的节能机会，同时最大限度地减少对人为干预（以识别和解决运营问题）的依赖。机器学习的力量利用机器学习提高建筑能效始于数据分析。机器学习算法不断整合和分析来自各种来源的数据，例如设备、传感器和设备，以完善可以挖掘趋势和识别异常的内部模型。随着时间的推移，它使分析系统能够了解建筑物的运行方式并检测过度的能源使用，确定运营支出(OPEX)节省机会，并为复杂问题推荐解决方案。随着分析系统对建筑的了解越来越多，高级算法可以执行越来越复杂的学习过程，并使用数据中的模式自动调整操作设置点、启动操作并更改建筑系统和设备行为。您拥有的有关系统或设备的数据越多，您的系统就会越好。机器学习如何提高建筑能源效率在建筑设备和自动化系统的复杂网络中，机器学习对于改善运营至关重要。特别是，它可以成为减少能源使用和改善整体能源管理的强大工具。机器学习优化建筑能效的四种主要方式是：(1)预测能耗机器学习的主要应用之一是能耗预测。机器学习分析可以使用建筑物的历史能耗数据来揭示趋势并预测未来的能耗。当实际能耗高于预期时，可能表明效率低下。(2)监控和预测故障设备、建筑物中的传感器会产生大量数据，并在设备发生故障时触发警报通知。高级分析组织、分析这些数据并对其进行优先排序，以生成有意义的见解并隔离漏洞和故障点。值得注意的是，机器学习可以超越传统的故障检测，通过标记与历史趋势的早期和相关偏差，在系统和设备故障发生之前提供早期预警。这对于避免灾难性故障、防止能源浪费和最大限度地减少停机时间至关重要。预测分析对于高消耗目标特别有价值，例如HVAC设备，它约占美国商业设施能源消耗的40%。传统模型和基于规则的策略通常不提供先发制人的干预机会，这可能导致在识别故障之前浪费大量能源。(3)季节性建模居住者的需求和最佳建筑条件全年都在变化，这为季节性低效打开了大门。季节性建模涉及将设定点与季节性条件相关联以适应这些变化。通过机器学习进行持续分析可以确保长期高效，无需人工干预。(4)预冷或预热建模机器学习可以根据历史HVAC和温度传感器数据（考虑天气和占用）创建建筑物的预冷或预热模型。使用此模型，可以设置自动操作控制并自动调整以根据预测的近期条件预热或冷却您的建筑物。例如，设施可以在预期的热浪到来之前自动预冷，或根据即将到来的入住率变化进行预热。机器学习驱动的分析系统从一组设备收集数据的时间越长，它拥有的关于设备如何、何时以及为何运行的历史数据就越多，从而可以进行更准确的预测和更好的调整。优化您的建筑能源效率通过部署像onPointAnalytics这样的分析平台，您可以利用机器学习的力量来实现能源效率目标。onPoint是一个智能分析平台，它将机器学习与深厚的领域知识相结合，为日常建筑运营提供有意义的见解并制定实用的效率策略。凭借最先进的分析，onPoint自动简化运营并降低整个机构的能源消耗。
