كمك هوش مصنوعی به كاهش مصرف انرژی در ساختمان ها
بهینه سازی مصرف انرژی با کمک یک ناجی پر مصرف!
به گزارش سرگرمی کامپیوتری، گرمایش و روشنایی ساختمان ها به مقدار زیادی انرژی نیاز دارد. برپایه گزارش آژانس بین المللی انرژی، 18 درصد از کل مصرف انرژی جهانی از جانب ساختمان هاست. یکی از علل این مشکل، قدیمی بودن سیستم های تهویه مطبوع در خیلی از ساختمان ها و کُند بودن واکنش آنها به تغییرات آب و هوایی است که می تواند منجر به اتلاف شدید انرژی شود.
به گزارش سرگرمی کامپیوتری به نقل از ایسنا، برخی از دانشمندان و متخصصان فناوری امیدوارند که هوش مصنوعی بتواند این مشکل را حل کند. هم اکنون، توجه زیادی به ماهیت انرژی بر خود هوش مصنوعی جلب شده است. بعنوان مثال، مایکروسافت اذعان کرده است که توسعه هوش مصنوعی آن، اهداف اقلیمی آنها را به خطر انداخته است. اما بعضی از کارشناسان اعتقاد دارند که هوش مصنوعی همینطور می تواند با کمک به کارآمدتر کردن ساختمان های بزرگ از نظر انرژی، بخشی از چاره هم باشد. یک مطالعه در سال ۲۰۲۴ تخمین می زند که هوش مصنوعی می تواند به ساختمان ها کمک نماید تا مصرف انرژی و انتشار کربن خویش را دستکم 8 درصد کاهش دهند و تلاشهای اولیه برای نوسازی سیستم های تهویه مطبوع با هوش مصنوعی نتایج دلگرم کننده ای را نشان داده است.
به نقل از تایم، نان ژو (Nan Zhou)، یکی از نویسندگان این مطالعه و دانشمند ارشد لابراتوار ملی لارنس برکلی، می گوید: تا به امروز، ما بیشتر از هوش مصنوعی برای راحتی خود یا برای کار استفاده می نماییم. اما من فکر می کنم هوش مصنوعی پتانسیل بسیار بیشتری در کارآمدتر و کم تر کردن انتشار کربن ساختمان ها دارد.
هوش مصنوعی در مرکز شهر منهتن
یک نمونه از استفاده از هوش مصنوعی برای بهینه کردن مصرف انرژی، یک ساختمان اداری ۳۲ طبقه در مرکز شهر منهتن است که در سال ۱۹۸۳ ساخته شده است. آوی شرون (Avi Schron)، معاون اجرایی شرکت بین المللی کمبیز (Cammeby’s International)، که مالک این ساختمان است، می گوید: برای سال ها، دمای ساختمان با ترموستات های ساده تنظیم می شد که می توانست منجر به ناکارآمدی یا اتلاف انرژی شود. شرون می گوید: هیچ تصور پیشرفته ای در مورد آن وجود نداشت، هیچ منطقی، هیچ ارتباطی با وضعیت آب و هوا وجود نداشت.
در سال ۲۰۱۹، شهر نیویورک قانون محلی ۹۷ را تصویب کرد که الزامات سختگیرانه ای را برای انتشار گازهای گلخانه ای ساختمان های اداری تعیین می کرد. برای رعایت این قانون، شرون یک سیستم هوش مصنوعی را از استارتاپ BrainBox AI سفارش داد که اطلاعات زنده از سنسورهای ساختمان ها همچون دما، رطوبت، زاویه تابش خورشید، سرعت باد و الگوهای حضور افراد را دریافت می کند و سپس در مورد نحوه تعدیل دمای آن ساختمان ها، در لحظه تصمیماتی می گیرد.
سم رامادوری (Sam Ramadori)، مدیرعامل BrainBox AI، می گوید که ساختمان های بزرگ معمولاً هزاران قطعه تجهیزات گرمایش و تهویه هوا دارند که همه آنها باید به صورت همزمان کار کنند. ازاین رو با این فناوری وقتی از آینده خبر داریم، هر پنج دقیقه هزاران دستورالعمل را به هر پمپ، فن، موتور و دریچه کوچک در سرتاسر ساختمان ارسال می کنم با استفاده کمتر از انرژی کمتر به آنچه در آینده پیشبینی می شود، رسیدگی نماییم. بعنوان مثال، سیستم هوش مصنوعی در خیابان ۴۵ برادوی اگر پیش بینی نماید که جبهه هوای سرد در چند ساعت آینده فرا می رسد، به تدریج آغاز به گرم کردن ساختمان می کند. اگر سنسورهای گرمای محیطی متوجه شوند که خورشید از یک طرف ساختمان آغاز به تابیدن کرده است، شیرهای حرارتی را در آن مناطق می بندد.
بعد از ۱۱ ماه استفاده از BrainBox AI، این ساختمان گزارش داده است که مصرف انرژی در ارتباط با تجهیزات گرمایش و تهویه هوا آن ۱۵.۸ درصد کاسته شده است، که بیشتر از 42 هزار دلار صرفه جویی و ۳۷ تُن کاهش انتشار کربن دی اکسید را نشان داده است. شرون می گوید ساکنین راحتتر هستند چونکه تجهیزات گرمایش و تهویه هوا به صورت پیشگیرانه به تغییرات دما پاسخ می دهد و نصب آن ساده بوده است چونکه فقط به ادغام نرم افزار نیاز داشته است.
سیستم هوش مصنوعی مستقل BrainBox حالا تجهیزات گرمایش و تهویه هوا را در ۴۰۰۰ ساختمان در سراسر دنیا، از فروشگاه ها گرفته تا فرودگاه ها، مستقر کرده است. این شرکت همینطور یک دستیار مولد مبتنی بر هوش مصنوعی به نام Aria بوجود آورده است که به مدیران تأسیسات ساختمان اجازه می دهد تجهیزات گرمایش و تهویه هوا را از راه متن یا صدا کنترل کنند. این شرکت انتظار دارد که Aria در اوایل سال ۲۰۲۵ به صورت گسترده در دسترس قرار گیرد.
مطالعات علمی
چندین دانشمند هم به پتانسیل چنین تلاش هایی در این عرصه پرداخته اند. ژو و همکارانش، چائو دینگ (Chao Ding)، جینگ کی (Jing Ke) و مارک لوین (Mark Levine) در لابراتوار ملی لارنس برکلی در کالیفرنیا، چندین سال قبل از این که چت جی پی تی توجه عمومی را به خود جلب نماید، آغاز به مطالعه تأثیرات بالقوه هوش مصنوعی بر بهره وری در ساختمان ها کردند. سال جاری، آنها مقاله ای منتشر نمودند که در آن استدلال شده بود که ادغام هوش مصنوعی و سیستم های تهویه مطبوع می تواند منجر به کاهش ۸ تا ۱۹ درصدی مصرف انرژی و انتشار کربن شود. در این مقاله استدلال می شود که هوش مصنوعی می تواند به کاهش ردپای کربن یک ساختمان در هر مرحله از چرخه عمر آن، از طراحی تا ساخت و ساز تا بهره برداری و نگهداری، کمک نماید. این فناوری می تواند پیش بینی نماید که چه زمانی اجزای سیستم تهویه مطبوع امکان دارد از کار بیفتند و به صورت بالقوه زمان از کار افتادگی و تعمیرات پرهزینه را کم کند.
ژو همینطور استدلال می کند که سیستم های هوش مصنوعی در خیلی از ساختمان ها می توانند به مقاوم تر شدن شبکه های برق منطقه ای کمک کنند. منابع انرژی تجدیدپذیر مانند باد و خورشید که به صورت درحال افزایشی درحال محبوب تر شدن هستند، اغلب منابع برق ناهمسانی تولید می کنند و سبب ایجاد نوسانات شدید می شوند. او می گوید: اینجا جایی است که این ساختمان ها می توانند با تغییر یا کاهش انرژی واقعاً کمک کننده باشند. بعنوان مثال، این امر به کاهش فشار از روی شبکه در لحظات افزایش تقاضا کمک می نماید.
تلاشهای دیگر در سراسر دنیا هم دلگرم کننده بوده اند. در استکهلم، یک شرکت ابزارهای هوش مصنوعی را در ۸۷ سیستم گرمایش و تهویه هوا در مراکز آموزشی پیاده سازی کرد و هر ۱۵ دقیقه دما و جریان هوا را تنظیم می کرد. یک مطالعه نشان داد که این سیستم ها منجر به کاهش سالانه ۶۴ تُن کربن دی اکسید و کاهش ۸ درصدی مصرف برق شده اند و مرکز مهندسی انرژی محیط زیست دانشگاه مریلند اخیرا مطالعه ای منتشر نموده است که استدلال می کند توانایی های پیشبینی مدلهای هوش مصنوعی می تواند مصرف برق سیستم های پیچیده گرمایش و تهویه هوا، بخصوص آن هایی که دارای واحدهای داخلی و خارجی هستند را به صورت قابل توجهی کم کند.
با گرم شدن کره زمین، سیستم های خنک کننده کارآمد به صورت درحال افزایشی اهمیت پیدا می کنند. آرش زرمهر (Arash Zarmehr)، مشاور عملکرد ساختمان در شرکت مهندسی WSP، می گوید که پیاده سازی هوش مصنوعی «حرکتی ضروری برای همه طراحان و مهندسان» است. او می گوید: همه مهندسان می دانند که کنترل های انسانی بر سیستم های گرمایش و تهویه هوا سبب کاهش راندمان می شود. هوش مصنوعی می تواند به ما کمک نماید تا بسمت کربن زدایی واقعی از ساختمان ها حرکت نماییم.
با وجود پتانسیل هوش مصنوعی، استفاده از آن در بهره وری ساختمان با چالش هایی همچون تضمین ایمنی و حفظ حریم خصوصی داده های ساکنین روبرو است. سپس سوال بزرگتری در مورد تاثیر کلی هوش مصنوعی بر محیط زیست مطرح می شود. برخی منتقدان، اعتقاد دارند که که تبلیغ پروژه هایی اینچنینی راهی برای سبز جلوه دادن هوش مصنوعی است که خود مصرف گسترده انرژی دارد. آژانس بین المللی انرژی پیشبینی می کند که هوش مصنوعی سبب افزایش چشم گیر تقاضای برق مراکز داده می شود که می تواند از سال ۲۰۲۲ تا ۲۰۲۶ دو برابر شود. و این هفته، دانشمندان دانشگاه کالیفرنیا ریورساید و کلتک مطالعه ای را منتشر نمودند که استدلال می کند آلودگی هوای ناشی از نیروگاه های هوش مصنوعی و ژنراتورهای پشتیبان می تواند تا سال ۲۰۳۰ منجر به ۱۳۰۰ مرگ زودرس در سال در ایالات متحده شود. شائولی رن (Shaolei Ren)، یکی از نویسندگان این مطالعه، در اطلاعیه ای اظهار داشت: اگر کسی دچار آسم یا سایر بیماری های زمینه ای باشد، آلودگی هوای ناشی از این مراکز داده می تواند در همین لحظه او را تحت تاثیر قرار دهد. این یک مساله بهداشت عمومی است که باید فورا به آن رسیدگی نماییم.
ژو اذعان می کند که مصرف انرژی مراکز داده هوش مصنوعی بعد از شروع نوشتن مقاله توسط او و همکارانش «به شدت افزایش پیدا کرده است». او می گوید: این که هوش مصنوعی تا چه حد کاهش انتشار گازهای گلخانه ای که در مقاله مان به آن رسیده ایم را جبران می کند، احتیاج به تحقیقات در آینده دارد. اما بدون انجام هیچ تحقیقی، من هنوز فکر می کنم هوش مصنوعی مزایای بسیار بیشتری برای ما دارد.
منبع: pcfun.ir
این مطلب را می پسندید؟
(0)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب