本次評選結果，由中國科學院《互聯網周刊》和eNet研究院聯合發布。達實智能在人工智能領域的成績再獲認可。

要說2020年哪些行業最火，人工智能必有一席之地——因為國家親自按下了快進鍵：前不久，中央表示，要加快5G網絡、人工智能、工業互聯網、數據中心等新型基礎設施建設進度。創新產業獲得了巨大的政策紅利。

“新基建”的浪潮襲來，對于專業領域的企業說，正好乘上了政策的春風。達實智能作為一家專注物聯網方案，聚焦智能化技術的企業，也同樣在人工智能領域有所突破。

以其中一塊Ai算法為例！

技術一

基于負荷預測的空調系統全局優化的控制技術

技術概況：在城市物聯網的空調、通風、照明系統設計中，各系統大部分時間處于部分負荷下運營，出現大量能源浪費。而最理想的做法是對未來時刻建筑所需要的冷量、通風量進行預測，確定各系統在預測條件下的最優參數。傳統的方法已經無法滿足要求，需要新的計算框架和方法來實現。

1、基于新型的云邊端框架實現達實采用“云+邊+端”協同計算體系，該體系將復雜的、計算量大的模型訓練等放入云端，優化后的最佳模型部署于邊緣側，并與端側進行實時交互，進行推理計算，解決了計算量不足，傳輸能力不足，端側設備與云側的頻繁通訊等問題。

2、基于數據驅動的空調負荷預測技術

該方法伴隨機器學習算法的快速發展而生，是一種新興的數據分析方法，不需要建構復雜的物理模型，而是基于歷史監測數據和統計參數進行數據特征的解構和提取。且這種數據分析的方法對專業知識的要求并不高，一般的技術人員就可以完成。這一技術給數據驅動方法在建筑能耗數據分析中的應用帶來了很多的可能性。

3、基于人工智能算法的能耗全局尋優技術

該方案涉及三項創新技術：

• 采用了基于神經網絡和支持向量機的模型訓練技術，用于訓練空調系統部件模型。

• 采用了帶遺忘因子的模糊自整定系統辨識技術, 用于在線自適應辯識空調系統部件模型參數。

• 采用了改進的遺傳算法、模擬退火算法和粒子群算法等全局優化技術，用于確定空調系統各設備的最優運行參數。

技術二

基于自學習的設備預測性維護技術

技術概況：采用該技術可以對設備故障進行預測，提前感知設備故障，遠程或調度人工排查故障隱患，從而避免過度維修，節約設備的維護成本。

該技術采用了混合式學習的方法，在初期設備運行故障數據不足時，利用創建的物理模型進行仿真分析，搜集特征數據，實施預測性維護。在后期，積累了一定故障數據后，采用支持向量機方法對歷史數據進行聚類，訓練，獲得特征數據，實施預測性維護。

相關案例

1、蘇州地鐵三號線系統

2、達實大廈

注：本文所提及的技術和圖例僅供參考

達實已取得的專利

1.云邊端協同的中央空調全局優化節能控制方法和系統（技術一）

2.中央空調實際需求供冷負荷的確定方法、系統和電子設備（技術一）

3.基于多源信息融合的地鐵站空調系統節能控制方法和系統（技術一）

4.基于人工智能的大型醫療設備能耗預測方法和終端設備（技術一）

5.云邊端協同的地鐵站空調預測性運維管理方法和系統（技術二）

從汽車制造到家務機器人，從工業加工到建筑設備應用，人工智能的應用已經滲透我們生活的各個角落。我們堅信，技術的進步，可以創造更多美好。