Компания Schneider Electric представила на Климатической неделе в Нью-Йорке (Climate Week NYC 2026) исследование «ИИ для климата: количественная оценка энергетического и углеродного эффекта оптимизации работы зданий». По его результатам, надстройка на базе искусственного интеллекта (ИИ) над системой управления зданием (BMS) снижает годовое энергопотребление офиса до 22 % по сравнению с традиционной BMS, которая управляет оборудованием по жёсткому расписанию.

Расчёты выполнены методом энергетического моделирования здания. В качестве объекта взят типовой трёхэтажный офис площадью около 5000 м² (прототип Medium Office Тихоокеанской северо-западной национальной лаборатории США, PNNL). Здание «разместили» в трёх городах с жарким климатом, где основная нагрузка приходится на кондиционирование: Брисбене (Австралия), Майами (США) и Мумбаи (Индия). Результаты модели сверены с данными первого года реальных пилотных внедрений.

Сравнивали четыре варианта автоматизации:

• традиционная BMS с управлением по расписанию, без датчиков интернета вещей (IoT);
• «умная» BMS с датчиками IoT, учётом присутствия людей и регулированием освещения по уровню естественного света;
• «умная» BMS с ИИ-слоем, работающим на локальном оборудовании в здании (edge-вычисления);
• «умная» BMS с облачным ИИ-слоем.

Принцип работы ИИ-слоя над BMS

ИИ-слой объединяет данные, которые раньше хранились в разрозненных системах: о присутствии людей, прогнозе погоды, параметрах работы оборудования. Он непрерывно анализирует состояние здания и в реальном времени оптимизирует работу систем отопления, вентиляции и кондиционирования (ОВК), в том числе с регулированием по отдельным зонам помещений.

Наибольший эффект показал облачный вариант: 21,7–22,4 % экономии энергии на уровне всего здания относительно традиционной BMS. «Умная» BMS без ИИ дала 9,3–11,8 %. Таким образом, ИИ-слой добавляет к ней ещё 7,2–12,7 % и более чем вдвое увеличивает экономию. В среднем облачное решение экономило 203 МВт·ч в год, решение на локальном оборудовании — 169 МВт·ч. Авторы уточняют, что сравнивали два независимо разработанных продукта, поэтому причины разницы не анализировались.

Основные результаты исследования

Экономия на оплате энергии при действующих коммерческих тарифах составила от 13,6 до 49,3 тыс. долл. в год на одно здание. Предотвращённые выбросы — до 60 т CO₂-эквивалента в год на здание. Собственный углеродный след ИИ-системы (электропотребление вычислений и выбросы при производстве датчиков, шлюзов и серверов с амортизацией на 10 лет) оказался меньше 1 % от достигнутого сокращения выбросов. Причина в том, что для управления ОВК используются «лёгкие» модели машинного обучения, которые периодически запускаются на обычных процессорах или маломощных контроллерах, а не ресурсоёмкий генеративный ИИ. По оценке авторов, процессор мощностью около 150 Вт управляет зданием с годовым энергопотреблением порядка 750 МВт·ч.

Выбор между облачным и локальным вариантом зависит от задач объекта. Облачный ИИ требует меньше оборудования на месте и позволяет удалённо контролировать сеть зданий. Локальный работает без подключения к интернету и быстрее реагирует на изменения: задержка измеряется секундами, а у облачного решения при перегрузке сети может достигать нескольких минут.

По мнению Schneider Electric, наибольшую выгоду ИИ-оптимизация даст небольшим и средним зданиям площадью до 100 тыс. кв. футов (около 9300 м²). Раньше системы энергоменеджмента считались для них слишком сложными и дорогими, а своих специалистов по эксплуатации инженерных систем там часто нет.

«Будущее управления зданиями определит то, насколько эффективно организации научатся связывать и осмыслять данные, которые раньше были разобщены. ИИ-слой поверх существующих систем превращает сложность в знание, а знание — в действия, одновременно сокращая выбросы, снижая затраты и улучшая работу здания», — отметил исполнительный вице-президент Schneider Electric по программному обеспечению и сервисам Панкадж Шарма.