تشير دراسة من جامعة ميريلاند إلى أن التعلم العميق، وهو شكل متقدم من الذكاء الاصطناعي (AI)، يمكن أن يقلل بشكل كبير من استهلاك الطاقة في أنظمة التدفئة والتهوية وتكييف الهواء (HVAC) المستقبلية. ركزت الأبحاث التي أجريت في مركز الهندسة البيئية للطاقة بجامعة ميريلاند (CEEE) على تأثير الذكاء الاصطناعي في التنبؤ باستهلاك الطاقة في نظام تدفق المبردات المتغير (VRF). تم اختبار هذه التكنولوجيا الخاصة بتكييف الهواء، التي تحتوي على وحدة خارجية وعدة وحدات داخلية، في قاعة جلين ل. مارتن. ستُنشر نتائجهم عبر الإنترنت في العدد الخاص من يناير 2025 في المجلة الدولية للتبريد. تمثل أنظمة التدفئة والتهوية وتكييف الهواء نحو نصف استهلاك الكهرباء في المباني، وتعتمد عملية تحسين تحكم نظام VRF على دقة توقعات استهلاك الطاقة. قَيّم باحثو جامعة ميريلاند نموذجين للذكاء الاصطناعي: الشبكة العصبية الاصطناعية التقليدية (ANN) والنموذج الأحدث وكثيف البيانات، ذاكرة طويلة وقصيرة الأمد (LSTM).

حيث تحلل كلاهما البيانات للتعرف على الأنماط والتنبؤات، لكن LSTM يتطلب بيانات أكثر. على غير المتوقع، لم يكتفِ نموذج LSTM بالتنبؤ باستهلاك الطاقة بدقة أكبر فحسب، بل احتاج أيضًا لمقدار أقل من القدرة الحاسوبية والذاكرة مقارنةً بالـ ANN. ووفقاً لـ بو-تشينغ هسو، طالب دراسات عليا في الهندسة الميكانيكية والمؤلف الرئيسي، فإن نموذج ANN يحاول زيادة الدقة من خلال بناء نموذج أكثر تعقيدًا أثناء عملية التحسين ولكنه لا يزال أقل دقة مقارنةً بالـ LSTM. تشمل المشاركين الآخرين لي جاو، الحاصل على درجة الدكتوراه عام 2022، والملتحق الآن بمختبر أوك ريدج الوطني، ويونهيو هوانغ، أستاذ بحوث الهندسة الميكانيكية والمؤسس المشارك لمركز CEEE. وعلى الرغم من أن استخدام نموذج LSTM في تكنولوجيا التكييف لا يزال قيد الاستكشاف، إلا أن هذه الدراسة تشير إلى أنه قد يعزز كفاءة الطاقة بشكل كبير. تم تطوير نموذج LSTM باستخدام بيانات تعود لمدة عام. وأضاف هسو، "التحدي الآن هو تحديد ما إذا كان بإمكاننا تحقيق الدقة نفسها ببضعة أيام أو أسابيع فقط من البيانات".