“MATLAB通过其强大的数值算法，广泛的可视化和分析工具，可靠的优化程序，支持面向对象的编程以及在云中使用我们的生产Java应用程序运行的能力，以及我们的生产Java应用程序的能力，帮助加速我们的研发和部署。”万博1manbetx
Borislav Savkovic，Buildingiq
办公大楼，医院和其他大型商业建筑占全球消耗的能源的约30％。这些建筑中的加热，通风和空调（HVAC）系统通常效率低下，因为它们没有考虑改变的天气模式，可变能量成本或建筑物的热性能。
BasiaIQ开发了预测能源优化™（PEO），基于云的软件平台，在正常操作期间将HVAC能耗降低10-25％。PEO是与澳大利亚国家科学局联邦科学和工业研究机构（CSIRO）合作开发的。其先进的算法和机器学习方法，在Matlab中实现®，连续优化基于近期天气预报和能源成本信号的HVAC性能。
“CSIRO使用MATLAB开发初始技术。我们继续使用MATLAB，因为它是用于原型化算法的最佳工具，并且执行高级数学计算，“BAUSSIONIQ的铅数据科学家Borislav Savkovic说。“MATLAB使我们能够将原型算法直接过渡到生产级算法中，以实际噪音和不确定性可靠地交易。”
建筑物需要开发可以从各种来源连续处理千兆字节的算法，包括电力计，温度计和HVAC压力传感器以及天气和能源成本数据。单个建筑通常会产生数十亿个数据点，科学家和工程师需要有效过滤，处理和可视化此数据的工具。
为了运行他们的优化算法，科学家和工程师必须创建一个准确的建筑物热量和动力动力学的数学模型。算法将使用此计算模型来运行受约束的优化，以保持乘员舒适度，同时最小化能量成本。
BuildingiQ需要一种快速开发数学模型，测试优化和机器学习方法，原型算法，并将其部署到其生产IT环境中。
Buildingiq使用MATLAB加快其预测能量优化算法的开发和部署。
优化工作流程开始于MATLAB，其中建筑工程师在包括数十亿数据点的温度，压力和电力数据的温度，压力和功率数据中导入和可视化3至12个月。他们使用统计和机器学习工具箱™来检测尖峰和间隙，并使用信号处理工具箱™中的过滤功能除去传感器故障和其他源产生的噪音。Buildingiq工程师拟合Matlab中开发的数学模型，用于使用最小二乘拟合功能从优化工具箱™中的去噪数据。该测量和验证（M＆V）模型将环境温度和湿度与HVAC系统消耗的功率相关联。
作为建模过程的一部分，它们使用SVM回归，高斯混合模型和K-MEARY集群机学习算法从统计和机器学习工具箱进行分段，并确定气体，电动，蒸汽和太阳能的相对贡献加热和冷却过程。
该团队在MATLAB中建立了一个PEO模型，捕获HVAC系统和环境条件对每个区域内部温度的影响，以及建筑物的总功耗。使用Control System Toolbox™，它们分析HVAC控制系统磁极和零以估计整体功耗，并确定每个区域可能会收敛到其设定点的快速。
Buildingiq工程师使用优化工具箱和PEO模型，以利用数百个参数运行多目标优化，以及非线性成本函数和约束，以实时连续优化能源效率。这些优化在未来12小时内考虑到预计的天气和能源价格，并确定最佳的HVAC设定点。在操作中，java®云中的软件在整个日期定期调用MATLAB优化算法。
每天，BuildingiQ从M＆V型号计算基线能源成本，代表客户在没有建筑PEO平台的情况下为HVAC能量支付的内容。储蓄范围从10％到25％。
分析和可视化的千兆字节。“MATLAB可以轻松处理和可视化我们使用的大数据集，”Savkovic说。“我们创建了散点图，2D和3D图形，以及以有意义的方式显示我们的系统在执行的情况下显示的其他图表。”
算法开发速度增加十倍。Savkovic说：“MATLAB中的开发算法比在Java中发展得比发展速度为10倍，更强大，”Savkovic说。“我们需要过滤我们的数据，查看杆和零，运行非线性优化，并执行众多其他任务。在MATLAB中，这些能力全部集成，稳健和商业验证。“
快速识别的最佳算法方法。“与MATLAB一起，我们可以迅速测试新方法，以找到最适合我们的数据的产品，”Savkovic说。“例如，我们在选择顺序二次编程之前测试了几种优化方法，我们尝试了几种聚类机器学习算法。这么迅速探索不同方法是一个很大的优势。“
加入客户参考计划
您还可以从以下列表中选择一个网站：