В статье приводится решение задачи по разработке системы, работающей в реальном времени, для минимизации затрат на ОВКВ в больших коммерческих зданиях с помощью прогнозирующей оптимизации. Решением стало использование MATLAB для анализа и визуализации больших наборов данных, реализации сложных алгоритмов оптимизации и их запуска в промышленной облачной среде.

BuildingIQ.png

Офисные здания, больницы и другие большие коммерческие здания потребляют около 30% все мировой электроэнергии. Системы отопления, вентиляции, кондиционирования воздуха (ОВКВ) этих зданий часто неэффективны, т.к. не учитывают изменения погоды, переменные затраты на электроэнергию, а также теплотехнические свойства здания.

BuildingIQ разработала Predictive Energy Optimization™ (PEO), облачную вычислительную платформу для снижения потребления энергии на ОВКВ на 10-25% при штатной эксплуатации. PEO был разработан при поддержке Государственного объединения научных и прикладных исследований (CSIRO), национального научного агентства Австралии. Передовые алгоритмы и методы машинного обучения, реализованные в MATLAB, постоянно оптимизируют работу ОВКВ, ориентируясь на краткосрочные прогнозы погоды и информацию о стоимости электроэнергии.

${message}

${message}