Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Einführung der RL-basierten Energieoptimierung für ein Gebäudemanagementsystem am AWS
Ivan Cui, Gauhar Bains, Jake Chen und Jack Tanny, Amazon Web Services ()AWS
August 2023 (Dokumentverlauf)
Die globalen Temperaturen steigen, wobei die Treibhausgasemissionen (THG) den größten Beitrag leisten. Industrieanlagen tragen am meisten zu Treibhausgasen bei. Das Pariser Abkommen sieht vor, dass Anlagen bis 2050 um 30 Prozent energieeffizienter und netto klimaneutral sein müssen. Viele Unternehmen haben sich in den letzten Jahren neue Ziele zur Reduzierung ihrer Emissionen gesetzt. Amazon hat es sich zum Beispiel zum Ziel gesetzt, bis 2040 netzneutral
Die Energieoptimierung von Einrichtungen muss ein wichtiger Bestandteil des Plans Ihres Unternehmens sein, nachhaltiger zu wirtschaften. Diese Strategie bietet Informationen darüber, wie Unternehmen ihre bestehenden Gebäude effizienter betreiben und warten können, indem sie den Energieverbrauch von Heizungs-, Lüftungs- und Klimaanlagen (HVAC) mithilfe von Reinforcement-Learning (RL) optimieren. Diese Leitlinien können auch auf andere Energieverbrauchssysteme wie Getreidemühlen und Kraftwerkskältemaschinen ausgedehnt werden, wie in den Fallstudien im Abschnitt Ressourcen erwähnt.
Diese Strategie richtet sich an Manager von Industrieanlagen, Nachhaltigkeitsbeauftragte und Gebäudetechniker CIOs, CTOs die mit der Senkung des Energieverbrauchs in ihren Industrieanlagen beauftragt sind. Obwohl die Motivation für diese Bemühungen häufig darin besteht, die Treibhausgasemissionen zu reduzieren, sollten Sie auch mit einer Senkung der Energiekosten rechnen. Durch vorausschauende Wartung
Inhalt
