人工智慧技術在建築領域加速碳減排

簡介

• 根據McKinsey11月29日發布的報告，透過應用機器學習、人工智慧和基於物理的建模，建築投資組合所有者可以更快地識別建築脫碳機會。
• 透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，演算法可以分析並提出解決方案，為建築組合實現淨零排放。
• 專家在報告中表示，透過這種新方法，可以在幾週內為整個投資組合製定財務優化計劃，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，包括實體能源審計和逐棟建築的淨零排放策略，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，人工智慧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慧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。報告強調，在投資組合層面優化再生能源採購的同時，為每棟建築實施能源效率和電氣化措施，使建築物業主和居住者能夠透過實現節能、優化資本成本和避免監管處罰來收回投資。

最佳建築脫碳計畫的特點

McKinsey強調，實現最有效的建築脫碳計畫包括七個部分，可以透過使用人工智慧和機器學習方法進行最佳化：

• 高效率的淨零規劃：業主可以透過共同採購和策略排序，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：需要考慮建築佈局和隔熱類型等方面的客製化計劃，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，如租戶組成和租賃結構。
• 實現淨零的完整途徑：這包括避免損害長期成果的部分計畫。企業必須採取全面、前瞻性的決策，因為短期策略可能會增加成本，並忽略協同效應，例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計畫：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再生能源採購速度變慢、成本更高。
• 可行的步驟：建築計畫必須為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鬆溝通，以確保快速執行。
• 量化：計畫必須足夠具體，以便為財務規劃提供詳細的見解，包括淨零目標、資本投資挑戰、營運成本、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：業主和營運商可以透過調整流程、激勵措施和治理結構，將脫碳計畫納入組織運作。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開展其他電氣化工作相關的脫碳挑戰，也會影響該行業。

McKinsey表示，採用人工智慧支援的全生命週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。

以上是人工智慧技術在建築領域加速碳減排的詳細內容。更多資訊請關注PHP中文網其他相關文章！