根據(jù)McKinsey11月29日發(fā)布的一份報告,通過應(yīng)用機(jī)器學(xué)習(xí)、人工智能和基于物理的建模,建筑投資組合所有者可以更快地識別建筑脫碳機(jī)會。
通過使用來自衛(wèi)星的數(shù)據(jù)、地理空間分析、法規(guī)、勞動力和設(shè)備成本,并評估供暖和冷卻系統(tǒng)、絕緣水平以及太陽能或地?zé)崮艿目尚行?,算法可以分析并提出解決方案,為建筑組合實現(xiàn)凈零排放。
專家在報告中表示,通過這種新方法,可以在數(shù)周內(nèi)為整個投資組合制定財務(wù)優(yōu)化計劃,其中考慮了監(jiān)管環(huán)境以及建筑的獨特特征和租賃結(jié)構(gòu)。
見解
McKinsey的專家們表示,鑒于建筑物排放量占全球燃燒相關(guān)排放量的40%,因此必須到2030年將直接建筑排放量減少50%、間接排放量減少60%,才能在2050年實現(xiàn)建筑存量凈零
碳排放。McKinsey表示,傳統(tǒng)的脫碳方法,包括物理
能源審計和逐棟建筑的凈零排放戰(zhàn)略,被認(rèn)為是費(fèi)力且昂貴的。此外,缺乏集中庫存和標(biāo)準(zhǔn)化導(dǎo)致人們認(rèn)為建筑脫碳是無利可圖的。
報告指出,與傳統(tǒng)的能源審計和凈零研究相比,人工智能驅(qū)動的方法將脫
碳規(guī)劃的速度和規(guī)模提高了100倍以上,從而消除了對模糊建筑原型的依賴。
這強(qiáng)調(diào)了基于人工智能的方法在房地產(chǎn)投資組合中,中性或正回報的潛力,假設(shè)沒有諸如未來增量監(jiān)管、碳定價和租金或房地產(chǎn)估值的
綠色溢價等因素。該報告強(qiáng)調(diào),在投資組合層面優(yōu)化可再生能源采購的同時,為每座建筑實施能源效率和電氣化措施,使建筑業(yè)主和居住者能夠通過實現(xiàn)節(jié)能、優(yōu)化資本成本和避免監(jiān)管處罰來收回投資。
本+文`內(nèi).容.來.自:中`國`碳`排*放*交*易^網(wǎng) t a np ai fan g.com
【版權(quán)聲明】本網(wǎng)為公益類網(wǎng)站,本網(wǎng)站刊載的所有內(nèi)容,均已署名來源和作者,僅供訪問者個人學(xué)習(xí)、研究或欣賞之用,如有侵權(quán)請權(quán)利人予以告知,本站將立即做刪除處理(QQ:51999076)。