密苏里大学研究人员正借助人工智能技术革新大型校园(含本校)的能源管理模式，旨在助力全国院校提升效率、削减运营成本并减少碳排放。

工程学院研究人员Sanjeev Khanna和Saad Alsamraee在近期发表于《能源战略评论》的研究“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”中，分析了2017 - 2022年密苏里大学冷热电联产厂的六年数据，涵盖校园能源使用情况及空气温度、湿度、风速/风向、太阳辐射等环境变量，数据按小时跟踪记录。

研究团队运用机器学习成功预测2023年校园能源需求，准确率高达94%。机械工程学教授、中西部工业评估中心主任卡纳表示，了解能源需求的峰值和谷值，有助于发电厂提前规划，实现能源高效利用，此研究可助力大学和企业减排降本。此外，预测能源低谷还能让大学更合理地安排维护时间，减少干扰。

尽管该研究聚焦密苏里大学能源数据，但结果表明机器学习可助力全国发电厂高效运营。值得一提的是，卡纳教授不仅帮助密苏里州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1.2亿美元经济影响，每年减少碳排放超80万吨。卡纳称，与密苏里大学的合作使其有别于其他大学，校方支持打破常规思维，在赠地大学的工作也让研究能服务全州各行业。

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)。