本文改编自GreenBiz的时事通讯《VERGE周刊》，每周三出版。订阅这里。
如果你认为你的组织有一个具有挑战性的能源消耗情况，尝试运行一个冷藏设施网络-大部分地点在不那么冷的地方，如加利福尼亚和乔治亚。
一个智能电源管理，我在最近几个月遇到的更有趣的例子是在下面天堂物流方式，它运行在北美，欧洲和亚洲的200多个仓库的倡议。它处理食物超过2500个客户，这些都是企业自己的，如杂货店的故事和食品服务机构。
每个家族建筑——平均25万平方英尺的面积——基本上储存的食物量与你在770,000个家庭冰箱里找到的食物量相当。这里有一系列设备，包括制冷装置和冷藏箱，可以将室内温度降到零下20度。总的来说，天堂每年的能源消耗相当于一个中等规模的美国城市。这是该公司仅次于劳动力的第二大成本，而且公司的目标(早在2014年就确立了)是每年将能源强度提高至少5%。
该天堂运营团队已采取大幅降低负荷的方法是使用一些非常复杂的技术，包括人工智能，无线传感器和云软件服务。
不是让设备一直保持过冷状态，天堂公司想出了一种方法，它可以利用所有冷冻食品的存在——以及它所释放的冷热能量——来达到自己的优势。
然而，其核心是一个极其简单的想法:与其让设备一直保持过冷状态，研究小组找到了一种方法，使人类能够利用所有冷冻食品的存在——以及它所释放的冷热能量——来达到自己的优势。
解决方案:利用较低的电力成本，在夜间(或者当电力成本较低时)将建筑物冷却到低于储存冷冻食品的安全温度5度左右(即零摄氏度)。然后关闭冰柜，直到温度上升到预先指示的水平。“你不想把温度降到零度以上，但实际上你可以把温度降到更低，”亚历克斯·伍尔夫(Alex Woolf)说，他是Lineage的首席数据科学家，参与了这个系统的设计。
根据设施的规模，食物的特定种类的存储，该地区内外的天气和环境空气的条件下，他们再次变得更加活跃之前，冰柜可能会坐空闲的任何地方从5到10个小时。出于安全原因，天堂投资于安全检查显著小时拥抱这种方法之前，伍尔夫说，这它使用近80个设施。从industrial.io照顾好条件不断传感器，与AT＆T无线转播的数据传送给一个分析仪表板，生活在云中。
自从沿袭了这种方法后，它每年减少了3300万千瓦时的电力消耗，在这一过程中节省了大约400万美元。伍尔夫说，一些设施实际上已经成功地将电力成本削减了一半。
那么，在没有人全天候监视恒温器和一些复杂仪表盘的情况下，如何计算出确保设备重新启动的精确时刻呢?这就是上述的机器学习技术（PDF）进来——它与物联网技术合作，而这一技术已经在它的网络中就位。“我不想整天坐在电脑前。这就是人工智能所做的，而且是规模化的，”伍尔夫说。
没有得到超级古怪，伍尔夫的数据团队开发的方法 - 它调用的过程“flywheeling” - 建立在该公司在过去的几年中，通过安装其仓库1000个多传感器的投资。
人工智能软件将传感器收集的数据与其他信息关联起来，比如电价、某栋建筑的建议冷却时间表，以及其他更不可预测的变量，比如天气状况。然后，它根据某些预定义的条件采取行动。例如，如果温度下降的速度比预期的要快，或者相反，是否可以由于外部温度较低而比预期的更长的时间停止供电。
它还可以作为一种需求响应机制，允许沿袭根据其公用事业的峰值价格变化来转移其负荷。这是一件大事，特别是在市场上，根据电网需求，每千瓦时的盘中价格可以从2美分波动到80美分。
“我们可以调节基础上，我们需要我们的负荷，”伍尔夫说。“电脑为您提供了解决方案。”当然，总有在不可预见的紧急情况，需要人工干预的情况下，控按钮。
flywheeling应用在加利福尼亚州的Mira Loma进行了试点，在那里，该公司能够实现每托盘38%的常规制冷成本。现在，它正被推广到其他6家工厂。伍尔夫说，现在人工智能程序已经写好了，它只需要几个星期和“小调整”，以获得能力和运行在一个地方。他已经获得了多项与该技术相关的专利，并在今年夏天获得了a的认可更好的实践奖通过美国能源部的“更好的工厂计划”来提高能源效率。
如果你来VERGE 19Oct. 22 -24, you’ll have a chance to hear Alex Woolf talk more about Lineage’s profoundly practical approach during a workshop I’m moderating right after lunch Oct. 23: "The Future is Now: Energy Blockchain and AI in Action."
