人工智能技術(shù)在建筑領(lǐng)域加速碳減排

根據(jù)McKinsey11月29日發(fā)布的一份報(bào)告，通過(guò)應(yīng)用機(jī)器學(xué)習(xí)、人工智能和基于物理的建模，建筑投資組合所有者可以更快地識(shí)別建筑脫碳機(jī)會(huì)。
 

通過(guò)使用來(lái)自衛(wèi)星的數(shù)據(jù)、地理空間分析、法規(guī)、勞動(dòng)力和設(shè)備成本，并評(píng)估供暖和冷卻系統(tǒng)、絕緣水平以及太陽(yáng)能或地?zé)崮艿目尚行裕惴梢苑治霾⑻岢鼋鉀Q方案，為建筑組合實(shí)現(xiàn)凈零排放。
 

專家在報(bào)告中表示，通過(guò)這種新方法，可以在數(shù)周內(nèi)為整個(gè)投資組合制定財(cái)務(wù)優(yōu)化計(jì)劃，其中考慮了監(jiān)管環(huán)境以及建筑的獨(dú)特特征和租賃結(jié)構(gòu)。

見(jiàn)解

McKinsey的專家們表示，鑒于建筑物排放量占全球燃燒相關(guān)排放量的40%，因此必須到2030年將直接建筑排放量減少50%、間接排放量減少60%，才能在2050年實(shí)現(xiàn)建筑存量?jī)袅?a href='http://theclergymen.com' target='_blank'>碳排放。McKinsey表示，傳統(tǒng)的脫碳方法，包括物理能源審計(jì)和逐棟建筑的凈零排放戰(zhàn)略，被認(rèn)為是費(fèi)力且昂貴的。此外，缺乏集中庫(kù)存和標(biāo)準(zhǔn)化導(dǎo)致人們認(rèn)為建筑脫碳是無(wú)利可圖的。

 

報(bào)告指出，與傳統(tǒng)的能源審計(jì)和凈零研究相比，人工智能驅(qū)動(dòng)的方法將脫碳規(guī)劃的速度和規(guī)模提高了100倍以上，從而消除了對(duì)模糊建筑原型的依賴。

 

這強(qiáng)調(diào)了基于人工智能的方法在房地產(chǎn)投資組合中，中性或正回報(bào)的潛力，假設(shè)沒(méi)有諸如未來(lái)增量監(jiān)管、碳定價(jià)和租金或房地產(chǎn)估值的綠色溢價(jià)等因素。該報(bào)告強(qiáng)調(diào)，在投資組合層面優(yōu)化可再生能源采購(gòu)的同時(shí)，為每座建筑實(shí)施能源效率和電氣化措施，使建筑業(yè)主和居住者能夠通過(guò)實(shí)現(xiàn)節(jié)能、優(yōu)化資本成本和避免監(jiān)管處罰來(lái)收回投資。 本+文`內(nèi).容.來(lái).自：中`國(guó)`碳`排*放*交*易^網(wǎng) t a np ai fan g.com