在基礎設施老化和建筑物的智能控制日趨成熟的時代，迄今為止，預測建筑物如何使用能源以及能源使用量的能力仍然難以捉摸。

來自沙特阿拉伯，中國和美國的研究人員合作開發(fā)了一種更智能的方法，通過一種涉及人工系統(tǒng)，計算實驗和并行計算的方法來預測能源使用。他們在IEEE / CAA自動化學報上發(fā)表了他們的研究結果。

論文信息: Abdulaziz Almalaq et al. Parallel building: a complex system approach for smart building energy management,IEEE/CAA Journal of Automatica Sinica. Volume: 6 , Issue: 6 , November 2019. ieeexplore.ieee.org/document/8894753    

沙特阿拉伯海爾大學工程學院電氣工程系博士論文作者兼助理教授Abdulaziz Almalaq表示：“通常，準確預測建筑物的能耗非常困難，因為與能耗相關的許多影響環(huán)境因素，例如室外溫度、濕度、日期和特殊事件。”

“雖然環(huán)境參數(shù)是能源消耗預測的有用資源，但是，與僅使用歷史數(shù)據進行的預測相比，使用建筑物的大量運行參數(shù)（例如室溫、主要設備以及供暖、通風和空調（HVAC）系統(tǒng)參數(shù)）進行預測是一個非常復雜的問題。”

據Almalaq稱，環(huán)境參數(shù)是有用的，但有限。例如，基于建筑物的使用方式，處于相同設置的兩個相同建筑物可能具有非常不同的能耗。即使兩座建筑物都保持在相同的溫度下，但如果一棟建筑物要舉行數(shù)百人的活動，則一棟建筑物的HVAC系統(tǒng)將需要消耗更多的能源。

Almalaq說：“準確預測外部和內部許多條件下在特定時間的能耗，對于提高智能建筑的能源效率和管理至關重要。”

Almalaq和他的團隊使用了混合深度學習算法，并結合了基于復雜但通用系統(tǒng)的人工系統(tǒng)，計算實驗和并行計算理論。當在科羅拉多大學丹佛分校使用實際建筑進行測試時，該方法極大地有助于改善能源管理。

“本文進行的分析表明，混合深度學習模型是用于建模多變量復雜系統(tǒng)的強大人工智能工具，” Almalaq說。 “它有潛力在智能辦公，智能家居和智能城市等不同領域得到應用。”