Energy-saving decision making framework for HVAC with usage logs

ساختمان های تجاری و مسکونی 40 درصد از کل مصرف انرژی در ایالت متحده را تشکیل می دهند. تلاش های لازم برای مدیریت بهتر انرژی از طریق اجرای سیستم های مدیریت انرژی ساختمان صورت گرفته است. به طور خاص، گرمایش، تهویه و تهویه مطبوع 50 درصد انرژی مورد استفاده در ساختمان ها را مصرف می کند. سیستم تهویه مطبوع سیستم، به صورت جداگانه و همچنین سیستم تهویه مطبوع مرکزی کنترل شده، در سراسر آسیا به طور گسترده ای مورد استفاده قرار می گیرد. به عنوان افزایش هزینه انرژی، مدیران ساختمان اغلب اقدامات صرفه جویی در انرژی را در بر می گیرند، از جمله تعطیل کردن واحد متناوب داخلی و تنظیم واحد ها تا دمای دلخواه. در این مقاله، ما استدلال می کنیم که روش دقیق تر ممکن است. تجزیه و تحلیل مقدار زیادی از داده های جمع آوری شده از واحد های داخلی، ما می بینیم که این واحدها دارای سطوح مختلف مصرف انرژی هستند و ما می توانیم آنهایی را که انرژی بیشتری نسبت به دیگران مصرف می کنند شناسایی کنیم که منجر به اقدامات فردی برای هر یک می شود. ما یک چارچوب هوش تجاری ارائه می دهیم که به ما امکان می دهد که ببینیم که چرا بعضی از اتاق ها از طریق سه متغیر انرژی بیشتری مصرف می کنند، از جمله: ساعتهای روشن شدن، ساعتهای حرارتی و مدت زمان تأمین انرژی. تمام متغیرها تجسم داده می شوند، و مدیران ساختمان را با درک بصری از مصرف انرژی ساختمان خود، به مدیران ارائه می دهند. ما از داده های دنیای واقعی برای اعتبارسنجی چارچوب استفاده کردیم و بازخورد مثبت از متخصصین دامنه دریافت کردیم.