在基础设施老化和建筑物的智能控制日趋成熟的时代，迄今为止，预测建筑物如何使用能源以及能源使用量的能力仍然难以捉摸。
来自沙特阿拉伯，中国和美国的研究人员合作开发了一种更智能的方法，通过一种涉及人工系统，计算实验和并行计算的方法来预测能源使用。他们在IEEE / CAA自动化学报上发表了他们的研究结果。
论文信息: 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
沙特阿拉伯海尔大学工程学院电气工程系博士论文作者兼助理教授Abdulaziz Almalaq表示：“通常，准确预测建筑物的能耗非常困难，因为与能耗相关的许多影响环境因素，例如室外温度、湿度、日期和特殊事件。”
“虽然环境参数是能源消耗预测的有用资源，但是，与仅使用历史数据进行的预测相比，使用建筑物的大量运行参数（例如室温、主要设备以及供暖、通风和空调（HVAC）系统参数）进行预测是一个非常复杂的问题。”
据Almalaq称，环境参数是有用的，但有限。例如，基于建筑物的使用方式，处于相同设置的两个相同建筑物可能具有非常不同的能耗。即使两座建筑物都保持在相同的温度下，但如果一栋建筑物要举行数百人的活动，则一栋建筑物的HVAC系统将需要消耗更多的能源。
Almalaq说：“准确预测外部和内部许多条件下在特定时间的能耗，对于提高智能建筑的能源效率和管理至关重要。”
Almalaq和他的团队使用了混合深度学习算法，并结合了基于复杂但通用系统的人工系统，计算实验和并行计算理论。当在科罗拉多大学丹佛分校使用实际建筑进行测试时，该方法极大地有助于改善能源管理。
“本文进行的分析表明，混合深度学习模型是用于建模多变量复杂系统的强大人工智能工具，” Almalaq说。 “它有潜力在智能办公，智能家居和智能城市等不同领域得到应用。”
