我們的品牌

Impact-Company-Logo-English Black-01-177x54

歡迎造訪施耐德電機全球網站

歡迎訪問我們的網站

機器學習

機器學習(Machine Learning, ML)能夠協助分析大量資料集、辨識模式並進行預測。它也可使預測分析自動化,更快速作出基於資料的決策。機器學習無疑是最有效的減碳策略之一,可協助企業過渡到可再生能源,主要就是透過處理需求/供給方程式中的需求面來實現,即分析多個資料源與偵測低效率,來優化能源使用情況,從而優化可再生能源的運用。

例如,Ecostruxure Microgrid Advisor軟體可連線至您的分散式能源資源。它可自動預測並優化如何以及何時消耗、生產與儲存能源。這項方案也幫助我們的客戶Citycon,多功能城市中心(包括商場、辦公大樓和住宅)擁有者、管理者和開發商 ,在芬蘭的Lippulaiva購物中心更接近淨零排放目標,未來每年將可減少二氧化碳排放量335 Tco2/年(直接節能),廢氣排放系數220 Tco2/MW,成為市場上最智慧、最節能的房地產。 在這個案例中,機器學習演算法可不斷分析來自發電機、電動車充電站、電池、備用發電機、HVAC(Heating, Ventilation, Air-conditioning and Cooling)系統、照明系統、不斷電系統(Uninterruptible Power Supply)、熱電聯產(Combined Heat and Power System, CHPs)和公用事業計量的資料。

深度學習

深度學習(Deep Learning, DL)是機器學習的子集,使用多層神經網路,可從資料中提取複雜特徵。深度學習可應用在各種領域,如需量反應優化、可再生能源預測與能源網管理。這些領域正見證人工智慧大量走向產業。

深度學習可協助優化新建或新改造的建築在起步階段的能源使用,即使可得的資料有限或品質不佳。最近,施耐德電機的資料科學家與法國IMT大西洋學院合作的論文「建築能耗預測的冷啟動法」中,將深度學習應用於智慧能源管理系統(Smart Energy Management Systems, SEMS),從而有效減少建築部署初期的能源浪費。智慧能源管理系統對於最小化排放、優化建築用電與制定管理策略至關重要,而解鎖其價值的關鍵在於準確預測。

當可得資料有限時,如何訓練房地產開發的預測模型?冷啟動法中,使用具有相似特徵建築的歷史資料,然後將此知識應用於新任務,結果可在最初就減少能源浪費。如此,更有利於環境,也節省金錢,更使建築更具價值。

建立負責任的AI解決方案

與生成式AI相比,傳統機器學習與深度學習所需的運算較少,可節省大量能源。AI是否對地球有利,最終取決於企業與組織決定落實的每項具體應用案例。施耐德電機所用的方法是,節省下來的能源必須大於執行AI模型所需的能源。而透過特定決策框架幫助我們做出此選擇,並且確保人工智慧技術是負責任的、合乎道德的、且服務於有意義的目的。

作者:施耐德電機資深副總裁暨人工智慧長 Philippe Rambach | 原文連結 

延伸閱讀

相關連結

想深入瞭解文中提及的產品嗎?

立即聯繫業務
a person lying in the grass and reading

掌握產業趨勢,引領未來科技

施耐德電機專業洞察,您的產業知識寶庫。我們提供最新的產品資訊和最佳解決方案範例,助您在快速變動的科技世界中保持競爭優勢。想看更多精湛的文章?立即探索,一同打造永續未來。
探索更多

需要協助?

從這裡開始!

現在就找尋答案。自行搜尋解決方案,或與我們的專家聯絡。

聯絡客服

聯繫我們的客戶服務團隊以獲得更多資訊、技術支援、投訴協助等。

購買地點

輕鬆在您所在地區找到最近的施耐德電機經銷商。

 在新窗口中開啟

瀏覽 FAQ

瀏覽主題相關常見問題 (FAQ),藉此取得您所需要的答案。

 在新窗口中開啟

聯絡業務

歡迎您線上提問,將有專家與您聯絡。