密苏里大学研究人员正利用人工智能技术，变革大型校园(含密苏里大学自身)的能源管理方式，旨在助力全国院校优化效率、降低运营成本并减少碳排放。

在最近发表的一项研究中，工程学院研究人员Sanjeev Khanna(卡纳)和Saad Alsamraee分析了2017年至2022年间从密苏里大学冷热电联产厂收集的六年数据。这些数据涵盖整个校园的能源使用情况及环境变量，如空气温度、湿度、风速/风向和太阳辐射，且均按小时跟踪记录。该研究标题为“基于先进机器学习技术的大学园区发电厂高分辨率能耗预测”，发表在《能源战略评论》上。

研究团队借助机器学习，成功预测2023年校园能源需求，准确率高达94%。卡纳称：“通过了解能源需求的峰值和谷值，哪怕是每小时的情况，以及所需能源量，我们最终能帮助发电厂更好地提前规划，实现能源的高效利用。此研究可助力大学和企业减少碳排放并节省成本。”此外，预测能源低谷的能力还能让大学更合理地安排维护时间，最大程度减少干扰。

尽管该研究聚焦密苏里大学的能源数据，但结果表明，机器学习可助力全国各地的发电厂更高效运营。

卡纳是机械工程学教授，也是中西部工业评估中心主任。他不仅帮助密苏里州各地当地工业减少能源使用和碳排放，还使该州电力需求减少约300兆瓦，产生超1.2亿美元的经济影响，同时每年减少碳排放超80万吨。

卡纳表示：“与密苏里大学的合作让我们有别于其他大学。校方大力支持打破常规的思维，且在赠地大学工作使我们的研究能服务于全州各行各业。”

更多信息：Saad A. Alsamraee 等人，基于先进机器学习技术的大学校园发电厂高分辨率能耗预测，《能源战略评论》(2025 年)