McKinsey：人工智能驱动的方法可以加速建筑脱碳
McKinsey表示，机器学习、人工智能和基于物理的模型可以加速净零排放工作，使脱碳的速度和规模提高100倍以上。
简介
根据McKinsey11月29日发布的一份报告，通过应用机器学习、人工智能和基于物理的建模，建筑投资组合所有者可以更快地识别建筑脱碳机会。通过使用来自卫星的数据、地理空间分析、法规、劳动力和设备成本，并评估供暖和冷却系统、绝缘水平以及太阳能或地热能的可行性，算法可以分析并提出解决方案，为建筑组合实现净零排放。专家在报告中表示，通过这种新方法，可以在数周内为整个投资组合制定财务优化计划，其中考虑了监管环境以及建筑的独特特征和租赁结构。见解
McKinsey的专家们表示，鉴于建筑物排放量占全球燃烧相关排放量的40%，因此必须到2030年将直接建筑排放量减少50%、间接排放量减少60%，才能在2050年实现建筑存量净零碳排放。McKinsey表示，传统的脱碳方法，包括物理能源审计和逐栋建筑的净零排放战略，被认为是费力且昂贵的。此外，缺乏集中库存和标准化导致人们认为建筑脱碳是无利可图的。
报告指出，与传统的能源审计和净零研究相比，人工智能驱动的方法将脱碳规划的速度和规模提高了100倍以上，从而消除了对模糊建筑原型的依赖。
这强调了基于人工智能的方法在房地产投资组合中，中性或正回报的潜力，假设没有诸如未来增量监管、碳定价和租金或房地产估值的绿色溢价等因素。该报告强调，在投资组合层面优化可再生能源采购的同时，为每座建筑实施能源效率和电气化措施，使建筑业主和居住者能够通过实现节能、优化资本成本和避免监管处罚来收回投资。
最佳建筑脱碳计划的特点
McKinsey强调，实现最有效的建筑脱碳计划包括七个部分，可以通过使用人工智能和机器学习方法进行优化：
高效的净零规划：业主可以通过联合采购和战略排序，确保其整个投资组合的协调、全面的计划，而不像传统的脱碳计划，通常是根据排放或现有法规针对选定的建筑。资产特定计划：需要考虑建筑布局和隔热类型等方面的定制计划，以实现具有成本效益的脱碳。每栋建筑都需要一个独特的策略，考虑其出发点、当地条件和资产细节，如租户构成和租赁结构。实现净零的完整途径：这包括避免损害长期成果的部分计划。企业必须采取全面、前瞻性的决策，因为短期策略可能会增加成本，并忽视协同效应，如影响未来暖通空调要求的绝缘措施。综合范围1和范围2计划：报告称，能源效率和电气化的脱节方法阻碍了效率。未能充分利用相互依赖性可能导致可再生能源采购速度变慢、成本更高。可行的步骤：建筑计划必须为设施管理人员提供精确的指示，并使供应商和设施管理团队之间能够轻松沟通，以确保快速执行。量化：计划必须足够具体，以便为财务规划提供详细的见解，包括净零目标、资本投资挑战、运营成本、潜在债务以及业主和租户之间的成本和收益分配，以便领导者能够了解实现净零排放的确切成本。净零导向决策：业主和运营商可以通过调整流程、激励措施和治理结构，将脱碳计划纳入组织运营。这包括更新资本计划、低排放系统预算以及将脱碳分析纳入新资产收购。报告称，与扩大供应链以满足新需求、培训熟练工人以部署改造和开展其他电气化工作相关的脱碳挑战，也会影响该行业。
McKinsey表示，采用人工智能支持的全生命周期脱碳方法可以简化计划、加快流程并降低成本，从而在解决建筑相关排放方面取得重大进展。
相关推荐：
智能建筑：未来的建筑2023年六大智能建筑平台助力设施管理的七大智能建筑技术观点：智能建筑脱碳需要大规模数据
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
