byggeri ved hjælp af maskinlæring

Sådan omdefinerer "deep learning" bygningsstyringssystemer

Denne virksomhed i Montreal skubber på for, at facility managers skal bruge kunstig intelligens til at optimere en bygnings energiforbrug
Share on facebook
Share on linkedin
Share on twitter
Share on email

En virksomhed i Montreal kom for nylig på Time Magazines liste over de 100 bedste opfindelser ved at være de første i verden, der bruger energi- og komfort-optimeringsteknologi drevet af kunstig intelligens til det byggede miljø.

BrainBox AI, der blev lanceret i maj 2019 af direktør Sam Ramadori og teknologichef Jean-Simon Venne, bruger selvjusterende AI og avanceret deep learning til at forandre den måde, som bygninger bliver opvarmet og afkølet på. Venne mente, inspireret af selvkørende teknologi, der foretager tusindvis af forudsigelser hvert millisekund om den nærmeste fremtid, at de samme principper kunne anvendes til HVAC-automatisering til at kontrollere temperaturen og gøre bygninger autonome.

Bygninger er blandt de største bidragydere til klimaforandringerne, da de står for næsten 40 % af CO2-udledningen i USA og 20 % af drivhusgasudledningen på globalt plan. HVAC-systemer er ansvarlige for en stor bid af disse udledninger.

Ineffektive bygningssystemer er dyre at vedligeholde for ejerne af bygningerne, og der har kun været ganske lidt innovation på det område gennem årene, ifølge Jamie Hahn, salgsdirektør for BrainBox i USA. AI i bygningerne kan vende op og ned på dette.

“Eksisterende bygningsstyringssystemer er meget statiske og baseret på regler og tidsplaner, men bygninger er det modsatte: De er dynamiske og ændrer sig konstant gennem nye brugsmønstre, anvendelsesgrad eller vejret, som alt sammen påvirker driften. Bygninger har brug for en adaptiv løsning,” sagde Hahn.

Gennem kommunikation med skyen i realtid leverer BrainBox’ AI et glimt ind i fremtiden til en bygnings HVAC-system. Når først den lille, sorte boks er installeret – hvilket tager et par timer – begynder den at studere alle zoner i bygningen. Ved hjælp af flere datapunkter fra bygningens adgangskontrolsystemer plus ting som udetemperatur, vejrrapporter og forsyningsinformation, forudsiger BrainBox en bygnings termiske forhold, hvorefter den identificerer og implementerer alle potentielle HVAC-forbedringer. Den bliver ved med at foretage mikrojusteringer hvert femte minut.

“Vi er i stand til proaktivt at optimere omkring energiforbruget, samtidig med at vi forbedrer komforten for bygningens brugere og reducerer CO2-fodaftrykket,” sagde Hahn.

Plug and play

BrainBox kan bruges overalt, hvor der er et centraliseret HVAC-system, der forsyner og kontrollerer en stor procentdel af en bygnings gulvareal, plus et eksisterende bygningsstyringssystem, der understøtter åben kommunikationsprotokol.

“I modsætning til andre løsninger på markedet er vi ikke kommet for at nedrive og udskifte,” sagde Hahn. “Vi komplementerer og forbedrer simpelthen de HVAC- og kontrolsystemer, der allerede er på plads.”

Det tager seks til otte uger for AI at skabe sammenhæng mellem, hvad der sker inde i bygningen og påvirkningen fra vejret udenfor.

Ved hjælp af mere end 25 tilpassede algoritmer, der arbejder i realtid, instruerer BrainBox AI-motoren det eksisterende HVAC-system i at fungere mere intelligent og effektivt. Efterhånden som den indsamler flere data, bliver den bedre til at forudsige, hvordan en bygning vil reagere på fremtidige ændringer, så den kan øge energi- og omkostningseffektiviteten yderligere.

Skiller sig ud fra flokken

Der kommer nye teknologier hver dag, men BrainBox skiller sig ud, fordi den ikke kun indsamler data, men også går fra at lave reaktiv til forebyggende driftsstyring.

“Bygninger genererer en enorm mængde data hver dag,” sagde Hahn, “og der er produkter, der indsamler disse data og kører en form for analyse på dem. Men en eller anden – et menneske – skal gøre noget med denne indsigt for at skabe resultater.”

“Vores system er et lukket kredsløb, der ikke kun observerer og lærer, men også implementerer optimeringsmulighederne i realtid,” tilføjede Hahn.

Når BrainBox har lært en bygning at kende, kan den forudsige den fremtidige temperatur i hver zone i bygningen to til fire timer i forvejen med en ekstremt høj nøjagtighed – normalt mere end 95 %.

“Ved at vide, hvad fremtiden bringer, foretager den forebyggende optimale ændringer af det eksisterende udstyrs strategi og indstillinger, så vi forhindrer eller udligner den uønskede termiske hændelse, før den nogensinde opstår,” sagde Hahn.

Beviser sit værd

For skeptikerne lyder et system, der kan generere betydelige energi- og omkostningsbesparelser inden for tre måneder, lidt som noget trylleri. Det er en af de udfordringer, BrainBox står over for, når de skal få bygge- og facilitetsstyringsbranchen til at implementere teknologien.

“AI er ret nyt for ejendomsbranchen, så der kræves lidt opsøgende arbejde og vidensdeling over for vores kunder,” sagde Hahn.

“Det er som en selvkørende bil: Den første dag, man fjerner hænderne fra rattet, kan være skræmmende. Men med det, vi gør, mister ejendomsadministratoren eller facility manageren ikke kontrollen over vores system. De kan gribe rattet og få styringen tilbage når som helst, ”tilføjede han.


MERE OM IMPLEMENTERING AF TEKNOLOGI:


De fleste løsninger til energioptimering af bygninger kræver også store forhåndsinvesteringer plus lange tidsfrister for at udrulle teknologien. Men fordi BrainBox hurtigt kan installeres, er det en meget skalerbar teknologi, og dens abonnementsbaserede prismodel betyder, at den kan udrulles med få eller ingen forhåndsinvesteringer.

Installationsgebyret løber op i nogle få øre per kvadratmeter, afhængigt af bygningens størrelse. Derefter er de faste gebyrer baseret på bygningens areal og energiforbrug, sagde Hahn.

”Typisk ser vi et nettooverskud for vores kunder inden for de første par måneder. Når vi begynder at optimere bygningen, leverer vi generelt besparelser, der opvejer vores abonnementsomkostninger, inden for de første to til tre måneder,” sagde han.

Fremtiden ser lys ud

Da store markedsinvestorer planlægger kun at frigøre og anvende kapital til aktiver med lav eller neutral kulstofudledning, og da flere større byer har vedtaget regler og love om dekarbonisering, kræver lejerne bygninger med lav CO2-udledning fra udlejerne.

“Med de store straffe og bøder, der er på vej, ser jeg et tektonisk skift i ejendomsbranchen henimod virkelig at kigge på at reducere kulstofudledningen af deres nuværende aktiver,” sagde Hahn.

BrainBox-teknologien findes på mere end 11 millioner kvadratmeter bygningsareal – herunder hoteller, kontorbygninger, supermarkeder, lufthavne og indkøbscentre – i 17 lande på fem kontinenter. Målet: at reducere bygningernes kulstofaftryk med op til 40 %.

Dane Ellerton, ejendomsadministrator i en 15-etagers kontorbygning i Montreal, Quebec, hørte om BrainBox gennem en arbejdskollega og blev fascineret nok til at få systemet installeret kort tid efter, at virksomheden blev lanceret i 2019.

“Vi ønskede at reducere vores energiforbrug, samtidig med at vi fandt en bedre måde at øge komforten i bygningen for vores lejere,” sagde Ellerton.

”Installationsprocessen var let: Vi åbnede bogstaveligt talt døren til IT-kontrolrummet i kælderen, og så tog BrainBox AI-teamet den derfra. Vi sparer cirka 15 % i energiomkostninger pr. måned. En af de mest positive ting, der er kommet ud af denne proces, er den enorme nedgang i klager fra lejerne: Vi plejede at få ti klager relateret til HVAC-problemer hver uge. Nu er vi nede på en eller to.”

Se mere om, hvordan ledelsen kan hjælpe deres virksomheder med at tage godt imod udviklende teknologi inden for byggeriet.