Como Usar Agentes de IA Para Gestão de Energia Que Lidam Com Eventos de Resposta à Demanda Sem Interromper o Inquilino

Como Usar Agentes de IA Para Gestão de Energia Que Lidam Com Eventos de Resposta à Demanda Sem Interromper o Inquilino

Otimizar o consumo de energia em propriedades comerciais enquanto se participa simultaneamente de iniciativas de estabilização da rede apresenta um desafio complexo. O objetivo é alcançar uma otimização significativa dos custos de serviços públicos por meio do engajamento estratégico com programas de utilidade pública, principalmente eventos de resposta à demanda, sem introduzir desconforto ou atrito operacional para os ocupantes. Este delicado equilíbrio requer uma abordagem sofisticada, indo além da automação simples para sistemas inteligentes e adaptativos capazes de antecipar necessidades e mitigar potenciais interrupções antes que ocorram.

Por que a resposta à demanda é um problema de experiência do inquilino primeiro e um problema de energia em segundo lugar

As estratégias de resposta à demanda, por sua própria natureza, envolvem a alteração do perfil de consumo de energia de um edifício em resposta a sinais da rede. Historicamente, isso muitas vezes se traduziu em mudanças perceptíveis nos espaços ocupados, como flutuações de temperatura ou iluminação reduzida, impactando diretamente o conforto e a produtividade do inquilino. Uma experiência negativa do inquilino pode rapidamente corroer os benefícios percebidos da economia de energia, levando a reclamações, satisfação reduzida e até mesmo à perda de contrato de aluguel. Portanto, qualquer implantação eficaz de capacidades de resposta à demanda deve priorizar a experiência do ocupante acima das economias imediatas de energia.

O desafio central reside na relação direta entre os sistemas do edifício e o conforto humano. Sistemas de aquecimento, ventilação e ar condicionado (HVAC), iluminação e até transporte vertical são parte integrante de como os inquilinos experimentam seu ambiente. Alterar esses sistemas sem consideração cuidadosa pode levar a desconforto, perda percebida de controle e uma sensação geral de mal-estar entre os ocupantes. Assim, o projeto operacional inicial para a participação na resposta à demanda deve começar com uma visão centrada no inquilino, considerando os impactos potenciais no conforto, qualidade do ar, níveis de iluminação e continuidade operacional para vários tipos de inquilinos.

Alcançar esse equilíbrio centrado no inquilino requer uma compreensão profunda da dinâmica do edifício e do comportamento do ocupante. Não se trata simplesmente de reduzir a carga, mas de gerenciar inteligentemente a redução da carga de uma forma minimamente intrusiva ou, idealmente, totalmente imperceptível para os ocupantes do edifício. Essa mudança de perspectiva transforma a resposta à demanda de um problema puramente de engenharia em um desafio de design centrado no ser humano, necessitando de ferramentas e metodologias avançadas.

A arquitetura de um agente de resposta à demanda: ingestão de sinal, previsão, atuação, sobreposição

A resposta fundamental para "como usar agentes de IA para gestão de energia" no contexto da resposta à demanda reside em uma arquitetura de agente robusta e multicamadas. Em sua essência, um agente de resposta à demanda deve ser capaz de ingerir vários sinais externos de provedores de serviços públicos, como mensagens OpenADR, dados de preços em tempo real ou solicitações diretas de corte de pico. Esses sinais acionam o complexo processo de tomada de decisão do agente, iniciando uma cascata de operações projetadas para atender aos requisitos da concessionária, preservando o conforto do inquilino.

Após a ingestão do sinal, o agente entra em uma fase de previsão. Isso envolve a previsão da demanda futura de energia com base em padrões históricos, previsões meteorológicas, horários de ocupação e comportamento térmico antecipado do edifício. A previsão precisa é crucial para identificar quanta redução de carga é viável e quais estratégias podem ser empregadas sem causar desconforto. Essa capacidade preditiva permite medidas proativas, como pré-resfriamento, em vez de mudanças reativas e abruptas.

A camada de atuação traduz as decisões do agente em ações concretas dentro dos sistemas de tecnologia operacional (OT) do edifício. Isso envolve o envio de comandos para sistemas de gerenciamento de edifícios (BMS), controles digitais diretos (DDC) ou outros dispositivos conectados para ajustar setpoints, diminuir as luzes ou modular a operação do equipamento. O controle preciso e granular é primordial aqui, garantindo que apenas os ajustes necessários sejam feitos e que essas mudanças sejam executadas suavemente.

Crucialmente, uma arquitetura eficaz de agente de resposta à demanda deve incorporar um mecanismo de sobreposição. Essa rede de segurança permite que operadores humanos ou outros agentes de nível superior intervenham se surgirem circunstâncias imprevistas, ou se as ações do agente começarem a se aproximar dos limites de conforto. Essa mistura de operação autônoma com controle supervisionado é essencial para manter a confiança e a integridade operacional, fornecendo uma salvaguarda crítica contra consequências indesejadas. Essa abordagem multicamadas para a IA de energia de edifícios garante tanto a capacidade de resposta quanto a resiliência.

Mapeando as cargas do edifício por nível de sensibilidade do inquilino (escritório ocupado vs. área comum desocupada vs. armários de servidores)

Um passo crítico na implantação de agentes de energia comerciais para resposta à demanda é o mapeamento meticuloso das cargas do edifício, categorizando-as por sua sensibilidade a mudanças operacionais. Nem todo consumo de energia dentro de uma propriedade comercial tem o mesmo peso em termos de impacto no inquilino. A compreensão dessas distinções permite que os sistemas de IA de energia do edifício priorizem o corte de carga em áreas onde terá o efeito menos disruptivo. Essa segmentação estratégica forma a espinha dorsal de uma estratégia de resposta à demanda centrada no inquilino.

Por exemplo, escritórios ocupados representam o nível de sensibilidade mais alto, onde a manutenção de condições de conforto estáveis é primordial para a produtividade e a satisfação. Qualquer ajuste nessas áreas deve ser mínimo, gradual e, idealmente, imperceptível. Por outro lado, áreas comuns desocupadas, como corredores durante horários de pico, ou salas de armazenamento nos fundos, representam níveis de sensibilidade mais baixos, onde reduções de carga mais agressivas podem ser implementadas sem impacto direto no inquilino. Essas áreas fornecem uma valiosa margem para eventos de resposta à demanda.

Cargas especializadas, como armários de servidores ou infraestrutura crítica, geralmente exigem ambientes contínuos e estáveis, independentemente dos eventos de resposta à demanda. Essas cargas pertencem a um nível de “proteção crítica”, onde a função principal do agente de resposta à demanda é garantir sua operação ininterrupta, potencialmente mudando sua fonte de energia ou ativando sistemas de backup, em vez de reduzir sua carga. Essa classificação granular permite que a IA de gerenciamento de energia crie um plano de resposta diferenciado, visando primeiro as cargas mais flexíveis e protegendo as mais sensíveis. Esse processo aproveita a automação de energia de instalações com grande efeito.

Cada nível informa os parâmetros dentro dos quais o agente de resposta à demanda opera, ditando a faixa permitida de ajustes de setpoint, reduções de velocidade do ventilador ou níveis de escurecimento da iluminação. Esse mapeamento fornece os limites operacionais que impedem o agente de impactar inadvertidamente operações críticas ou o conforto do inquilino, garantindo que o sistema funcione como um robusto agente de energia comercial. Essa abordagem em camadas é fundamental para alcançar uma otimização eficaz dos custos de serviços públicos sem comprometer a experiência do inquilino.

Estratégias de pré-resfriamento e massa térmica que geram margem de DR sem reclamações de conforto

Uma das estratégias não disruptivas mais eficazes para resposta à demanda é aproveitar a massa térmica de um edifício por meio do pré-resfriamento. Essa técnica permite que o edifício “armazene” o frescor em antecipação a um evento de resposta à demanda, efetivamente ganhando valiosa margem para redução de carga sem impactar o conforto do inquilino durante o próprio evento. Ao começar a resfriar o edifício a uma temperatura ligeiramente menor do que o normal várias horas antes de um período de pico de demanda previsto, a IA de resposta à demanda estabelece uma reserva térmica.

Quando o evento de resposta à demanda começa, o sistema de gerenciamento do edifício, guiado pela IA de gerenciamento de energia, pode então reduzir ou até mesmo desligar temporariamente o equipamento de resfriamento em certas zonas, permitindo que a massa térmica do edifício absorva o calor sem que a temperatura interna suba imediatamente para níveis desconfortáveis. Essa deriva gradual da temperatura é frequentemente imperceptível para os ocupantes, pois o edifício se aproxima lentamente de seu ponto de ajuste original, pré-resfriamento, ao longo do evento. A estratégia é particularmente potente em estruturas com concreto ou alvenaria significativos, que possuem substancial capacidade de armazenamento térmico.

A implementação do pré-resfriamento requer capacidades de previsão sofisticadas da IA de energia do edifício, integrando previsões meteorológicas, perfis de carga interna e modelos térmicos precisos do edifício. O agente deve prever com precisão a duração e a intensidade do evento de resposta à demanda, bem como a taxa de decaimento térmico do edifício, para determinar a duração ideal do pré-resfriamento e a temperatura alvo. Isso garante que o edifício permaneça dentro das faixas de conforto durante todo o evento sem resfriamento excessivo, o que desperdiçaria energia.

Além do pré-resfriamento, outras estratégias de massa térmica podem ser empregadas, como o gerenciamento cuidadoso dos ciclos de ventilação e a utilização do resfriamento noturno em climas adequados para dissipar o calor acumulado. Essas ações, orquestradas pela IA de energia multi-sites, permitem que os edifícios participem de forma mais agressiva em programas de resposta à demanda, levando a uma maior otimização dos custos de serviços públicos, ao mesmo tempo em que mantêm a experiência do inquilino. A integração perfeita dessas estratégias é uma marca registrada de agentes de energia comerciais avançados.

Tratamento de exceções: o que acontece quando um chiller recusa uma mudança de setpoint no meio do evento

Mesmo com os sistemas mais meticulosamente projetados, podem ocorrer anomalias operacionais durante um evento de resposta à demanda. Um chiller ou outra peça crítica de equipamento pode não responder a um comando de mudança de setpoint, apresentar um mau funcionamento do sensor ou até mesmo entrar em um estado de falha. O tratamento robusto de exceções é, portanto, um componente não negociável de qualquer arquitetura confiável de agente de resposta à demanda. Ele fornece a resiliência necessária para manter a integridade operacional e o conforto, mesmo quando os sistemas se desviam do comportamento esperado.

Quando um comando de atuação falha ou um parâmetro operacional inesperado é detectado, o agente de resposta à demanda inicia um protocolo predefinido de tratamento de exceções. Esse protocolo normalmente envolve um processo de resolução hierárquica que visa abordar o problema autonomamente primeiro. Por exemplo, se um chiller não reconhecer uma mudança de setpoint, o agente pode reemitir o comando, verificar links de comunicação ou tentar um ajuste alternativo (por exemplo, modular uma válvula diferente). O objetivo é resolver o desvio sem intervenção humana, se possível, preservando a função autônoma do agente.

Se a resolução autônoma não for imediatamente bem-sucedida, o sistema escalona o problema. Isso geralmente aciona uma camada de revisão humana, alertando gerentes de instalações ou operadores sobre o problema específico, seu impacto potencial e as resoluções tentadas pelo agente. Essa revisão humana permite que o pessoal experiente avalie a situação, potencialmente anulando as ações do agente ou abordando manualmente o problema do equipamento. Essa intervenção rápida minimiza a duração de qualquer desvio do estado operacional desejado, salvaguardando o conforto e a conformidade.

Os problemas mais críticos, aqueles que representam ameaças imediatas ao conforto, sistemas críticos ou conformidade geral do evento, acionam o mais alto nível de escalonamento. Isso envolve alertas diretos para equipes de resposta a emergências ou supervisores de nível superior, potencialmente com ativação automática de sistemas de backup ou uma saída graciosa do evento de resposta à demanda para a zona afetada. Esse modelo de três camadas – resolução automática, revisão humana e escalonamento crítico – garante cobertura abrangente para anomalias operacionais. Essa abordagem sistemática para o tratamento de exceções, que a TFSF Ventures aplica em suas implantações, é construída em uma avaliação operacional de 19 perguntas para adaptar a arquitetura para cada cliente, reforçando a confiabilidade dos agentes de energia comerciais.

Agentes de comunicação com o inquilino que fecham o ciclo sem inundar as caixas de entrada

Manter a transparência e gerenciar as expectativas com os inquilinos é crucial para o sucesso de qualquer programa de resposta à demanda. No entanto, os métodos tradicionais de comunicação podem ser ineficientes, levando a sobrecarga de informações ou comunicação insuficiente. É aqui que os agentes de comunicação com o inquilino, integrados à IA de gerenciamento de energia, desempenham um papel vital. Esses agentes são projetados para fechar o ciclo de comunicação de forma elegante, fornecendo informações oportunas sem criar ruído.

Esses agentes especializados monitoram eventos ativos de resposta à demanda, desempenho do sistema interno e níveis de conforto previstos. Com base em regras e gatilhos predefinidos, eles podem gerar e disseminar comunicações direcionadas. Por exemplo, se um evento de resposta à demanda particularmente agressivo for previsto, o agente pode enviar uma notificação proativa e breve aos inquilinos afetados, explicando o propósito geral do evento e garantindo que os níveis de conforto serão mantidos sempre que possível. Essa comunicação preventiva pode reduzir significativamente as reclamações.

Os agentes de comunicação também podem fornecer atualizações em tempo real ou responder a perguntas dos inquilinos. Se um inquilino relatar um problema de desconforto, o agente pode cruzar essa informação com os dados operacionais atuais do edifício, confirmando se está relacionado a um ajuste de resposta à demanda ou a outro problema. Ele pode então encaminhar a consulta ao pessoal apropriado ou fornecer uma resposta automatizada e informativa. Essa inteligência evita que a equipe de gerenciamento do edifício seja inundada com consultas rotineiras, mantendo os inquilinos informados.

Além disso, esses agentes podem ser configurados para fornecer resumos pós-evento, destacando a participação do edifício na estabilização da rede e o impacto ambiental positivo. Isso reforça a proposta de valor do programa de resposta à demanda e promove um senso de responsabilidade compartilhada. Ao gerenciar inteligentemente a comunicação com o inquilino, a IA de gerenciamento de energia garante que os ocupantes permaneçam engajados e apoiadores, em vez de se sentirem impactados e frustrados. Este é um diferencial fundamental para passar de uma IA básica de energia do edifício para um sistema de automação de energia de instalações verdadeiramente centrado no inquilino.

Medição, verificação e trilha de auditoria para liquidação de serviços públicos

A medição, verificação (M&V) e uma trilha de auditoria inalterável são fundamentais para a realização dos benefícios financeiros dos programas de resposta à demanda e para garantir a conformidade regulatória. As empresas de serviços públicos geralmente exigem dados precisos para validar a redução de carga de um edifício durante um evento antes de emitir pagamentos ou créditos. Um sistema eficaz de IA de resposta à demanda deve automatizar todo esse processo, garantindo a integridade dos dados e simplificando a liquidação.

Os agentes de resposta à demanda estão constantemente coletando dados granulares de consumo de energia de vários submedidores e sistemas de construção. Durante um evento de resposta à demanda, esses dados são meticulosamente registrados, capturando o consumo de linha de base (o que o edifício teria consumido sem o evento) e o consumo real. A diferença entre esses dois valores representa a redução de carga alcançada, que é a base para a compensação da concessionária. A IA de energia do edifício executa esses cálculos complexos em tempo real.

Todos os dados relevantes – carimbos de data/hora de ingestão de sinal, mudanças específicas de setpoint, respostas de equipamentos, reduções de carga medidas e quaisquer exceções – são registrados em uma trilha de auditoria imutável. Essa cadeia de custódia garante que cada ação e resultado relacionados a um evento de resposta à demanda possam ser rastreados e verificados. Essa trilha de auditoria é crítica para resolver quaisquer discrepâncias com os provedores de serviços públicos e para demonstrar a conformidade com as regras e regulamentações do programa. Ela constrói confiança e responsabilidade, essenciais para os agentes de energia comerciais.

Além disso, o sistema analisa continuamente dados históricos de M&V para refinar suas estratégias de previsão e atuação. Ao entender a eficácia das ações de resposta à demanda anteriores, a IA de gerenciamento de energia pode otimizar respostas futuras, maximizando o potencial de redução de carga, ao mesmo tempo em que adere aos parâmetros de conforto. Esse ciclo de aprendizado contínuo aprimora o desempenho do sistema e contribui para uma maior otimização de custos de serviços públicos ao longo do tempo, garantindo maiores incentivos para a participação na resposta à demanda.

Orquestração de portfólio multi-sites e os limites da otimização de um único edifício

Embora a otimização de um único edifício para resposta à demanda traga benefícios significativos, o verdadeiro poder dos agentes de energia comerciais reside em sua capacidade de orquestrar a resposta à demanda em um portfólio multi-sites inteiro. Gerenciar diversos tipos de edifícios, padrões de ocupação e contratos de serviços públicos em vários locais introduz uma nova camada de complexidade, mas também desbloqueia oportunidades exponencialmente maiores para otimização de custos de serviços públicos e impacto na rede. Isso requer uma IA de energia multi-sites sofisticada.

Uma limitação chave da otimização de um único edifício é sua visão isolada. Um edifício pode ser capaz de descarregar uma certa quantidade de carga, mas opera independentemente dos outros. Um agente em nível de portfólio, em contraste, pode avaliar a flexibilidade combinada em todos os sites conectados, distribuindo estrategicamente as metas de redução de carga para maximizar a economia total, minimizando a interrupção em todo o portfólio. Por exemplo, se um edifício tem áreas comuns desocupadas substanciais e outro tem uma alta proporção de espaço de escritório sensível, o agente do portfólio pode priorizar o corte de carga no primeiro.

O agente de orquestração multi-sites integra sinais de serviços públicos, preços de energia e status de edifícios individuais em uma estrutura unificada de tomada de decisão. Ele identifica quais edifícios estão mais bem posicionados para participar de um determinado evento de resposta à demanda, considerando fatores como ocupação atual, desempenho histórico e disponibilidade de equipamentos. Essa alocação dinâmica garante que as reduções de carga mais econômicas e menos disruptivas sejam priorizadas em todo o conjunto de propriedades. Efetivamente, ele responde "como usar agentes de IA para gerenciamento de energia" em escala.

Essa abordagem também leva em consideração as condições da rede local e as variações do programa de serviços públicos. Diferentes regiões ou até mesmo diferentes provedores de serviços públicos para um único portfólio podem ter estruturas de incentivo de resposta à demanda, requisitos de elegibilidade e protocolos de notificação de eventos variados. A IA de energia multi-sites pode ingerir e processar esses diversos parâmetros, adaptando sua estratégia para cada local para maximizar a participação e os retornos financeiros, demonstrando as capacidades avançadas da automação de energia de instalações em ambientes complexos.

Análise preditiva e detecção de anomalias para gerenciamento proativo de energia

Além das respostas reativas a eventos de demanda, agentes de energia comerciais avançados utilizam análises preditivas para antecipar futuras necessidades de energia e potenciais problemas, passando da gestão reativa para a otimização proativa. Ao analisar continuamente dados históricos, informações de sensores em tempo real e fatores externos como previsões meteorológicas e condições da rede, esses agentes podem prever padrões de consumo de energia com notável precisão. Essa previsão permite ajustes preventivos que aumentam a eficiência e a confiabilidade, tornando a IA de gerenciamento de energia um sistema verdadeiramente inteligente.

Essa capacidade preditiva se estende à identificação de potenciais falhas ou ineficiências de equipamentos antes que elas se agravem. Ao estabelecer linhas de base para a operação normal em vários sistemas do edifício, a IA pode detectar desvios sutis que podem indicar uma falha iminente ou um declínio no desempenho. Por exemplo, um aumento gradual no consumo de energia de um chiller para a mesma carga de resfriamento, ou flutuações inesperadas na temperatura de uma zona específica, pode acionar um alerta. Essa detecção de anomalias permite que as equipes de manutenção intervenham proativamente, evitando quebras dispendiosas, prolongando a vida útil dos ativos e mantendo o desempenho ideal do edifício.

A natureza proativa desses agentes de IA também contribui significativamente para o conforto do inquilino e a continuidade operacional. Ao antecipar períodos de pico de demanda, o sistema pode pré-resfriar ou pré-aquecer os espaços gradualmente, reduzindo a necessidade de corte agressivo de carga durante os eventos e suavizando as curvas de temperatura. Essa programação inteligente do uso de energia minimiza picos e vales disruptivos, garantindo um ambiente mais consistente e confortável para os ocupantes. Este é um aspecto crítico de como os agentes de IA para gerenciamento de energia melhoram a experiência do ocupante.

Além disso, a análise preditiva permite uma melhor previsão orçamentária e alocação de recursos. Os gerentes de edifícios podem antecipar os custos de serviços públicos com mais precisão com base no consumo projetado e nos preços futuros da energia. Isso permite a compra estratégica de energia, quando aplicável, ou o ajuste dos cronogramas operacionais para se alinhar com períodos de menor custo, maximizando a otimização dos custos de serviços públicos. A capacidade de prever e planejar a demanda de energia transforma o gerenciamento de energia de um centro de custo em um ativo estratégico, fornecendo uma camada sofisticada de automação de energia de instalações.

Integração com sistemas de gestão de edifícios existentes e ecossistemas IoT

A eficácia dos agentes de energia comerciais é significativamente amplificada por sua integração perfeita com a infraestrutura existente de um edifício, em particular os Sistemas de Gestão de Edifícios (BMS) e o crescente ecossistema da Internet das Coisas (IoT). Em vez de operar isoladamente, esses agentes são projetados para atuar como uma camada inteligente, aprimorando e estendendo as capacidades das redes de controle preexistentes. Essa interoperabilidade evita a necessidade de revisões completas do sistema, permitindo a adoção incremental e maximizando o retorno do investimento nas tecnologias atuais.

A integração com o BMS é fundamental, pois o BMS normalmente atua como o sistema nervoso central para os sistemas HVAC, iluminação e outros sistemas operacionais de um edifício. O agente de IA envia setpoints otimizados, comandos operacionais e gatilhos de eventos diretamente para o BMS, que então executa essas instruções por meio de sua rede de controladores e sensores. Essa comunicação direta garante que as decisões impulsionadas pela IA sejam traduzidas em ações físicas de forma eficiente e confiável, transformando dados brutos em inteligência acionável para otimização aprimorada de custos de serviços públicos e conforto do inquilino.

Além do BMS, o cenário de IoT em rápida expansão fornece uma fonte de dados ainda mais rica para a IA de gerenciamento de energia. Milhares de sensores, desde detectores de ocupação e monitores de qualidade do ar interno até iluminação inteligente e dispositivos de carga de plugue, geram um fluxo contínuo de dados granulares. O agente de IA pode ingerir esses dados diversos, correlacionando informações de fontes díspares para construir uma compreensão mais abrangente das condições do edifício e do comportamento dos ocupantes. Por exemplo, combinar dados de ocupação de sensores IoT com dados HVAC do BMS permite um controle de temperatura em nível de zona altamente preciso, evitando o condicionamento de espaços vazios.

Essa integração profunda permite que os agentes de energia comerciais exerçam controle granular e coletem insights detalhados, que são cruciais para estratégias avançadas de resposta à demanda, manutenção preditiva e configurações de conforto personalizadas. Ela transforma uma coleção de sistemas individuais em um ambiente verdadeiramente unificado e inteligente. A capacidade da plataforma de automação de energia de instalações de se conectar e alavancar tecnologias existentes garante que as novas capacidades de IA não sejam apenas adicionadas, mas sejam profundamente entrelaçadas no tecido das operações do edifício, levando a uma pegada de energia mais eficiente, resiliente e responsiva.

Sobre a TFSF Ventures

A TFSF Ventures FZ-LLC (RAKEZ License 47013955) é uma empresa de arquitetura de ventures que implementa infraestrutura de agentes inteligentes em empresas por meio de três pilares integrados: Infraestrutura Agêntica, Meios de Pagamento Não Tradicionais e um Motor de Ventures completo. Com 27 anos em pagamentos e software, a TFSF opera globalmente, atendendo 21 verticais com uma metodologia de implantação de 30 dias. Saiba mais em https://tfsfventures.com

Faça a Avaliação Gratuita de Inteligência Operacional

Faça a Avaliação Gratuita de Inteligência Operacional — 19 perguntas, cerca de 8 minutos, sem compromisso. Receba um plano de implantação personalizado em 48 horas, incluindo recomendações de agentes, arquitetura e projeções de ROI. Comece em https://tfsfventures.com/assessment

Originalmente publicado em https://tfsfventures.com/blog/use-ai-agents-energy-management-demand-response-events-without-tenant-disruption

Escrito por TFSF Ventures Research

Publicado originalmente em https://tfsfventures.com/blog/use-ai-agents-energy-management-demand-response-events-without-tenant-disruption

Escrito pela equipe de pesquisa da TFSF Ventures