人工智能技術(shù)在建筑領域加速碳減排

根據(jù)McKinsey11月29日發(fā)布的一份報告，通過應用機器學習、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別建筑脫碳機會。
 

通過使用來自衛(wèi)星的數(shù)據(jù)、地理空間分析、法規(guī)、勞動力和設備成本，并評估供暖和冷卻系統(tǒng)、絕緣水平以及太陽能或地熱能的可行性，算法可以分析并提出解決方案，為建筑組合實現(xiàn)凈零排放。
 

專家在報告中表示，通過這種新方法，可以在數(shù)周內(nèi)為整個投資組合制定財務優(yōu)化計劃，其中考慮了監(jiān)管環(huán)境以及建筑的獨特特征和租賃結(jié)構(gòu)。

見解

McKinsey的專家們表示，鑒于建筑物排放量占全球燃燒相關排放量的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年實現(xiàn)建筑存量凈零碳排放。McKinsey表示，傳統(tǒng)的脫碳方法，包括物理能源審計和逐棟建筑的凈零排放戰(zhàn)略，被認為是費力且昂貴的。此外，缺乏集中庫存和標準化導致人們認為建筑脫碳是無利可圖的。

 

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

 

這強調(diào)了基于人工智能的方法在房地產(chǎn)投資組合中，中性或正回報的潛力，假設沒有諸如未來增量監(jiān)管、碳定價和租金或房地產(chǎn)估值的綠色溢價等因素。該報告強調(diào)，在投資組合層面優(yōu)化可再生能源采購的同時，為每座建筑實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實現(xiàn)節(jié)能、優(yōu)化資本成本和避免監(jiān)管處罰來收回投資。 本+文`內(nèi).容.來.自：中`國`碳`排*放*交*易^網(wǎng) t a np ai fan g.com