Minh Nguyệt
Intern Writer
Các nhà nghiên cứu tại Đại học Missouri đang áp dụng trí tuệ nhân tạo để cách mạng hóa cách thức các khuôn viên lớn, bao gồm cả Mizzou, quản lý việc sử dụng năng lượng. Mục tiêu của họ là giúp các tổ chức trên toàn quốc tối ưu hóa hiệu quả hoạt động, giảm chi phí và đồng thời cắt giảm khí thải carbon. Trong một nghiên cứu mới được công bố, Sanjeev Khanna và Saad Alsamraee, những nhà nghiên cứu thuộc Khoa Kỹ thuật, đã phân tích dữ liệu trong sáu năm từ Nhà máy Năng lượng Kết hợp Làm Mát và Nhiệt của Mizzou, từ năm 2017 đến 2022. Dữ liệu này bao gồm toàn bộ mức tiêu thụ năng lượng của khuôn viên cùng với các biến môi trường như nhiệt độ không khí, độ ẩm, tốc độ và hướng gió, cũng như bức xạ mặt trời - tất cả đều được theo dõi theo giờ.
Công trình mang tên "Dự đoán tiêu thụ năng lượng độ phân giải cao của một nhà máy năng lượng khuôn viên đại học dựa trên các kỹ thuật học máy tiên tiến" đã được đăng tải trên tạp chí Energy Strategy Reviews. Nhờ vào việc ứng dụng học máy, nhóm nghiên cứu đã dự đoán thành công nhu cầu năng lượng của khuôn viên cho năm 2023 với độ chính xác đáng kinh ngạc lên tới 94%. Khanna chia sẻ: "Bằng cách biết được khi nào sẽ có những đỉnh điểm và thấp điểm năng lượng, cũng như lượng năng lượng cần thiết từng giờ, chúng ta có thể giúp các nhà máy điện lên kế hoạch tốt hơn, từ đó sử dụng năng lượng một cách hiệu quả nhất." Nghiên cứu này không chỉ mang lại lợi ích cho các trường đại học mà còn có thể giúp các ngành công nghiệp giảm thiểu khí thải carbon và tiết kiệm chi phí.
Khả năng dự đoán những thời điểm tiêu thụ năng lượng thấp cũng giúp các trường đại học lên kế hoạch cho các kỳ nghỉ bảo trì mà không gây ra sự gián đoạn lớn. Mặc dù nghiên cứu này tập trung vào dữ liệu năng lượng của Mizzou, nhưng những phát hiện cho thấy rằng học máy có thể giúp các nhà máy điện trên toàn quốc vận hành hiệu quả hơn. Khanna, một giáo sư kỹ thuật cơ khí và giám đốc Trung tâm Đánh giá Công nghiệp Midwest, đã không chỉ giúp các ngành công nghiệp địa phương ở Missouri giảm mức tiêu thụ năng lượng và khí thải carbon; mà còn làm giảm nhu cầu điện năng của bang khoảng 300 megawatt, đóng góp kinh tế lên tới hơn 120 triệu USD (tương đương khoảng 2.8 triệu tỷ VNĐ) mỗi năm và giảm hơn 0.8 triệu tấn khí thải carbon.
Khanna nhấn mạnh: "Sự hợp tác tại Mizzou khiến chúng tôi nổi bật so với các trường đại học khác. Ban lãnh đạo rất ủng hộ những ý tưởng sáng tạo, và việc làm việc tại một trường đại học công lập đã giúp nghiên cứu của chúng tôi có ảnh hưởng đến các ngành công nghiệp trên toàn bang." Thông tin thêm có thể được tìm thấy trong bài viết của Saad A. Alsamraee cùng các đồng nghiệp, "Dự đoán tiêu thụ năng lượng độ phân giải cao của một nhà máy năng lượng khuôn viên đại học dựa trên các kỹ thuật học máy tiên tiến," đăng trên Energy Strategy Reviews (2025). DOI: 10.1016/j.esr.2025.101769.
Nguồn tham khảo: Techxplore
Công trình mang tên "Dự đoán tiêu thụ năng lượng độ phân giải cao của một nhà máy năng lượng khuôn viên đại học dựa trên các kỹ thuật học máy tiên tiến" đã được đăng tải trên tạp chí Energy Strategy Reviews. Nhờ vào việc ứng dụng học máy, nhóm nghiên cứu đã dự đoán thành công nhu cầu năng lượng của khuôn viên cho năm 2023 với độ chính xác đáng kinh ngạc lên tới 94%. Khanna chia sẻ: "Bằng cách biết được khi nào sẽ có những đỉnh điểm và thấp điểm năng lượng, cũng như lượng năng lượng cần thiết từng giờ, chúng ta có thể giúp các nhà máy điện lên kế hoạch tốt hơn, từ đó sử dụng năng lượng một cách hiệu quả nhất." Nghiên cứu này không chỉ mang lại lợi ích cho các trường đại học mà còn có thể giúp các ngành công nghiệp giảm thiểu khí thải carbon và tiết kiệm chi phí.
Khả năng dự đoán những thời điểm tiêu thụ năng lượng thấp cũng giúp các trường đại học lên kế hoạch cho các kỳ nghỉ bảo trì mà không gây ra sự gián đoạn lớn. Mặc dù nghiên cứu này tập trung vào dữ liệu năng lượng của Mizzou, nhưng những phát hiện cho thấy rằng học máy có thể giúp các nhà máy điện trên toàn quốc vận hành hiệu quả hơn. Khanna, một giáo sư kỹ thuật cơ khí và giám đốc Trung tâm Đánh giá Công nghiệp Midwest, đã không chỉ giúp các ngành công nghiệp địa phương ở Missouri giảm mức tiêu thụ năng lượng và khí thải carbon; mà còn làm giảm nhu cầu điện năng của bang khoảng 300 megawatt, đóng góp kinh tế lên tới hơn 120 triệu USD (tương đương khoảng 2.8 triệu tỷ VNĐ) mỗi năm và giảm hơn 0.8 triệu tấn khí thải carbon.
Khanna nhấn mạnh: "Sự hợp tác tại Mizzou khiến chúng tôi nổi bật so với các trường đại học khác. Ban lãnh đạo rất ủng hộ những ý tưởng sáng tạo, và việc làm việc tại một trường đại học công lập đã giúp nghiên cứu của chúng tôi có ảnh hưởng đến các ngành công nghiệp trên toàn bang." Thông tin thêm có thể được tìm thấy trong bài viết của Saad A. Alsamraee cùng các đồng nghiệp, "Dự đoán tiêu thụ năng lượng độ phân giải cao của một nhà máy năng lượng khuôn viên đại học dựa trên các kỹ thuật học máy tiên tiến," đăng trên Energy Strategy Reviews (2025). DOI: 10.1016/j.esr.2025.101769.
Nguồn tham khảo: Techxplore
