【中國制冷網】作為智能生物，根據天氣預報，我們會在出門前做準備，下雨打傘，天冷帶手套。但是現代社會的我們，更多的時候可能身在建筑物里，空調和暖氣成了極端天氣里的救命稻草，大學里也常開玩笑說：“誰掌握了宿舍遙控器，誰就是這個宿舍里的王者。”

　　與其爭奪遙控器，不如把遙控器交給AI？如果建筑物也能像人一樣，智能地根據天氣預報提前應對氣候變化，天冷的時候生熱，天熱的時候降溫，使得室內溫度自動地平衡在一個舒適值，豈不美哉？

　　但如果天氣預報不準確，建筑物的自我調節系統就可能造成能源浪費，并且給人帶來不必要的升溫或制冷，結果反而適得其反。

　　康奈爾大學能源系統工程教授尤峰崎開發了一個新的更準確的天氣預測系統，他運用機器學習建模，收集了多年天氣預報與實際天氣情況共同對這個模型進行訓練，并將這個預測系統與建筑物的實際情況相結合，包括房間的大小、形狀、材料以及預測傳感器的位置和窗戶的位置等等因素，使得預測準確性極大提高。

　　他的團隊將這個預測系統在康奈爾90年的老建筑Toboggan Lodge上進行了一次實際運行測試，結果該系統為建筑物省下了高達10%的能耗。

　　尤峰崎教授關于本項工作的論文A Data-Driven Robust Optimization Approach to Scenario-Based Stochastic Model Predictive Control發表在了 Journal of Process Control，他表示：“如果建筑物本身足以‘智能’到能夠準確預測未來的天氣，并且自動調節加熱或制冷系統，使得溫度恒定在某個最舒適的區間，不僅可以節省大量能源，也可以為人提供更加舒適的生活和工作環境。我們的工作核心是試圖讓能源系統變得智能，讓它可以預測未來短期的變化并作出應對，比如我知道馬上要出太陽了，那我就減少加熱，我知道暴風雨即將來臨那我就減少制冷。”

　　本文的第一作者尚超曾是尤峰崎教授康奈爾實驗室的博士后，現在清華大學自動化系任助理教授。他們組織了一個碩士生團隊來收集天氣和氣候的多年歷史數據以訓練機器學習模型，并協助進行Toboggan Lodge案例研究。基于這些信息，該模型不僅可以檢測溫度，還可以檢測降雨量，陽光值和位置條件的偏差等信息。根據預測的不確定性，模型還會做出相應的自我調整。對此，尤峰崎教授說：“沒有任何一個天氣預報是100%準確的，而且天氣預報往往針對的是某一地區而非特定地點。”因此這個應對機制是很有必要的。

　　在該成果的實際運用層面，尤峰崎教授表示，這個成果結合機器學習的算法和數學編程方法，創建了一個比以往任何天氣預報系統都更準確、更智能的預測和控制系統，它在建筑物溫控和農業灌溉控制等多方面都有巨大應用潛力，也可以用于許多對溫度有準確要求的環境，比如大城市里逐漸興起的建筑物形式垂直農場和一些植物工廠中。

　　最后，尤峰崎教授總結說，我們從未有過非常準確的天氣預報系統，所以將AI的智能控制和機械建模結合在一起是目前最好的優化方式，這也是一個開拓性的創新之舉，之前從未有人將這二者結合來用。