McKinsey：人工智能驅動的方法可以加速建築脫碳

McKinsey表示，機器學習、人工智能和基於物理的模型可以加速淨零排放工作，使脫碳的速度和規模提高100倍以上。

簡介

• 根據McKinsey11月29日發布的一份報告，通過應用機器學習、人工智能和基於物理的建模，建築投資組合所有者可以更快地識別建築脫碳機會。
• 通過使用來自衛星的數據、地理空間分析、法規、勞動力和設備成本，並評估供暖和冷卻系統、絕緣水平以及太陽能或地熱能的可行性，算法可以分析並提出解決方案，爲建築組合實現淨零排放。
• 專家在報告中表示，通過這種新方法，可以在數周內爲整個投資組合制定財務優化計劃，其中考慮了監管環境以及建築的獨特特徵和租賃結構。

見解

McKinsey的專家們表示，鑑於建築物排放量佔全球燃燒相關排放量的40%，因此必須到2030年將直接建築排放量減少50%、間接排放量減少60%，才能在2050年實現建築存量淨零碳排放。McKinsey表示，傳統的脫碳方法，包括物理能源審計和逐棟建築的淨零排放战略，被認爲是費力且昂貴的。此外，缺乏集中庫存和標准化導致人們認爲建築脫碳是無利可圖的。

報告指出，與傳統的能源審計和淨零研究相比，人工智能驅動的方法將脫碳規劃的速度和規模提高了100倍以上，從而消除了對模糊建築原型的依賴。

這強調了基於人工智能的方法在房地產投資組合中，中性或正回報的潛力，假設沒有諸如未來增量監管、碳定價和租金或房地產估值的綠色溢價等因素。該報告強調，在投資組合層面優化可再生能源採購的同時，爲每座建築實施能源效率和電氣化措施，使建築業主和居住者能夠通過實現節能、優化資本成本和避免監管處罰來收回投資。

最佳建築脫碳計劃的特點

McKinsey強調，實現最有效的建築脫碳計劃包括七個部分，可以通過使用人工智能和機器學習方法進行優化：

• 高效的淨零規劃：業主可以通過聯合採購和战略排序，確保其整個投資組合的協調、全面的計劃，而不像傳統的脫碳計劃，通常是根據排放或現有法規針對選定的建築。
• 資產特定計劃：需要考慮建築布局和隔熱類型等方面的定制計劃，以實現具有成本效益的脫碳。每棟建築都需要一個獨特的策略，考慮其出發點、當地條件和資產細節，如租戶構成和租賃結構。
• 實現淨零的完整途徑：這包括避免損害長期成果的部分計劃。企業必須採取全面、前瞻性的決策，因爲短期策略可能會增加成本，並忽視協同效應，如影響未來暖通空調要求的絕緣措施。
• 綜合範圍1和範圍2計劃：報告稱，能源效率和電氣化的脫節方法阻礙了效率。未能充分利用相互依賴性可能導致可再生能源採購速度變慢、成本更高。
• 可行的步驟：建築計劃必須爲設施管理人員提供精確的指示，並使供應商和設施管理團隊之間能夠輕松溝通，以確保快速執行。
• 量化：計劃必須足夠具體，以便爲財務規劃提供詳細的見解，包括淨零目標、資本投資挑战、運營成本、潛在債務以及業主和租戶之間的成本和收益分配，以便領導者能夠了解實現淨零排放的確切成本。
• 淨零導向決策：業主和運營商可以通過調整流程、激勵措施和治理結構，將脫碳計劃納入組織運營。這包括更新資本計劃、低排放系統預算以及將脫碳分析納入新資產收購。

報告稱，與擴大供應鏈以滿足新需求、培訓熟練工人以部署改造和开展其他電氣化工作相關的脫碳挑战，也會影響該行業。

McKinsey表示，採用人工智能支持的全生命周期脫碳方法可以簡化計劃、加快流程並降低成本，從而在解決建築相關排放方面取得重大進展。

相關推薦：

• 智能建築：未來的建築
• 2023年六大智能建築平台
• 助力設施管理的七大智能建築技術
• 觀點：智能建築脫碳需要大規模數據

---

標題：McKinsey：人工智能驅動的方法可以加速建築脫碳

地址：https://www.utechfun.com/post/309909.html