这是一个大街小巷热议人工智能的时代~
人工智能犹如上世纪九十年代的互联网，以惊涛之势席卷大江南北、带动着产业革命。
作为智慧建筑运维领域的专业服务商，有志于“用数字智能服务每个建筑，创造可持续的美好生活”，在智慧之光的感召下，博锐尚格在人工智能之路上苦苦探索。
深知于智慧之路上前行，不仅需要一往无前的勇气，还需要笃定、冷静，同时这一前探过程，绝不应该孤独的求索——博锐尚格CTO沈启博士整合博锐尚格在人工智能之路上的探索成果，以”AI天天见”系列文章与业界分享、讨论AI技术于智能建筑运维领域的应用之道。
理念解析：支持向量回归
回归就是根据已有数据，求出其中某些变量之间较为准确的数学关系表达式。
支持向量回归SVR（support vector regression）是使用一条带状区域来拟合曲线，基于拟合的曲线进行回归分析，也就是预测我们关心的变量的值。
支持向量回归假设我们能容忍的f(x)与y之间最多有ε的偏差，支持向量就是那些f(x)与y的差别绝对值大于等于ε的样本点，当且仅当f(x)与y的差别绝对值大于ε时，才可以计算损失。
需要注意的是，以f(x)为中心宽度为2ε的间隔带内部样本点的代价函数为0，所以参数ε越大，间隔带所包含的默认是正确的样本点就越多，支持向量数就越少，会导致模型过于简单、预测正确率偏低；而当参数ε越小，模型回归精度越高，会导致模型过于复杂，容易造成过拟合，同样也会降低回归正确率。因此设置合理的ε值，是模拟假设的重要工作。
图一SVR模型回归效果示意图
博锐尚格探索：冷量短期预测
博锐尚格深入探索AI应用之道，利用SVR算法对冷站运行进行分析判断。
在冷站优化运行的过程中，需要每天预测未来24小时的冷量需求，用以指导供冷策略的优化调整和设定。每次预测以最近14天的实际运行数据为训练集，建立冷量与时间、日期、室外温度的拟合关系，基于此拟合关系预测未来24小时的冷量数据。
图二为冷量需求预测的逐时时间序列图，其中蓝点为实测的逐时冷量数据；橙色线为模型训练周期的回归拟合结果；绿色为预测周期的预测结果。
从图中可以看到预测当天的冷量预测需求略低于实际冷量，室内温度满足设定值但冷机的负载率略低，说明冷机的实际运行有冷量超供，冷量的预测值可以用来指导冷机的控制策略优化。
图二. 冷量需求预测
应用成效：有效节能减排
冷量短期预测目前已经在博锐尚格建筑能源全过程量化管理解决方案中得到实际应用。
建筑能源全过程量化管理解决方案面对建筑用能系统的设计、交付、运维的全周期和能源购买、消费、转售的全过程，利用 AIOT（AI&IOT）技术提供一套以终为始、全量化、无死角的能源管理方案。帮助业主全面掌握能耗（预期）情况，保障管理预期的有效执行，避免管理漏洞和技术缺陷，实现高效用能及品能平衡，履行社会责任，并最终促进建筑运维组织的管理能力实现全方位提升。
冷量准确短期预测的应用，有效地提高了冷站控制运行效果，目前该模块在万达150个广场上的实践显示，可以获得平均超过15%的节能量，并同时解决了过渡供冷和供冷不足的情况。
结语
支持向量回归技术的探索与落地应用，有效的识别了智能运维的发展方向，解决了客户深层问题。“陪客户过日子”的道路上，博锐尚格沿“用数字智能服务每个建筑，创造可持续的美好生活”方向，又迈出坚实一步。博锐尚格也期望能与更多有识之士一起，能够探索更多的AI应用之道，推动行业不断进步~
