AI-förstärkt tekno-ekonomisk och miljömässig optimering för nästan nollenergibyggnadsrenovering: en fallstudie på ett universitetscampus

Varför smartare byggnader spelar roll

Byggnader förbrukar tyst stora mängder energi över hela världen, mycket av den från fossila bränslen som driver klimatförändringarna. I varma regioner som Förenade arabemiraten kräver kylning av klassrum och kontor särskilt mycket energi. Den här studien undersöker hur en universitetsbyggnad i Sharjah kan omvandlas till en betydligt mer energieffektiv anläggning genom en kombination av bättre design, solenergi och artificiell intelligens. Resultaten ger en praktisk inblick i hur befintliga byggnader — inte bara nya, glänsande projekt — kan närma sig nästan nollenergihantering samtidigt som de sparar pengar och minskar klimatpåverkande utsläpp.

Problemet med dagens campus

Forskarna inleder med att skapa kontext: byggnader står för ungefär 40 % av den globala energianvändningen och en stor del av koldioxidutsläppen. I Förenade arabemiraten drivs efterfrågan i hög grad av luftkonditionering, och många äldre byggnader är aldrig designade med energieffektivitet i åtanke. I detta fall är byggnaden M9 vid University of Sharjah ett trevånings ingenjörsbyggnad från slutet av 1990‑talet. En energigenomgång och en detaljerad datormodell visar att den använder cirka 1,43 miljoner kilowattimmar el per år, med en energianvändning per kvadratmeter som är högre än typiska kontorsreferenser. Nästan 40 % av den energin går till föråldrade kylsystem som går nästan konstant, styrda endast av manuella termostater istället för automatiska scheman.

Enkla åtgärder före högteknologiska uppgraderingar

Innan nya kraftkällor läggs till undersöker teamet hur byggnadens energibehov kan krympas. Med hjälp av ett simuleringsverktyg testar de flera relativt enkla förändringar. Dessa inkluderar att måla ytterväggarna från beige till vitt för att reflektera mer solljus, lägga till horisontella skuggningar över fönster för att blockera direkt sol, införa smartare schemaläggning så att kylsystemet endast körs när byggnaden faktiskt används, och byta ut energikrävande stationära datorer mot mer effektiva bärbara. Tillsammans minskar dessa steg byggnadens årsenergiförbrukning med ungefär en tredjedel och sänker toppbehovet för kylning med mer än 11 %. De minskar också koldioxidutsläppen med cirka 296 ton CO2 per år, eller över 7 300 ton över 25 år — utan att ändra hur byggnaden används.

Att ta vara på solen

Med efterfrågan minskad är nästa steg att se hur mycket av den kvarvarande energin som kan komma från solen. Förenade arabemiratens intensiva solsken gör takmonterade solpaneler särskilt attraktiva. Utrymmet på M9‑byggnaden är begränsat, men forskarna utformar en nätansluten solcellsanläggning på cirka 215 kilowatt med specialiserad programvara. På papperet kan detta system producera ungefär 366 megawattimmar el per år och förse 38,4 % av byggnadens reducerade årliga efterfrågan. Även om detta inte når den formella ”nästan nollenergitröskeln” — definierad här som minst hälften av byggnadens energi från förnybart — minskar det ändå beroendet av nätet avsevärt. Finansiell modellering visar att solsystemet betalar sig på ungefär sex år, ger en nivåiserad elkostnad lägre än det lokala nätpriset och ger god avkastning över en 25‑årig livslängd, samtidigt som nästan 5 000 ton koldioxid undviks även när man räknar in panelernas tillverkningsavtryck.

Låta artificiell intelligens sortera alternativen

Då det finns många möjliga kombinationer av energieffektiviseringsåtgärder och solcellsstorlekar bygger teamet ett verktyg med artificiell intelligens för att snabba upp beslutsfattandet. De genererar tusentals hypotetiska renoveringsscenarier, varje med olika kombinationer av byggnadsförbättringar och solkapacitet, och beräknar långsiktiga kostnader, återbetalningstider och utsläppsminskningar. En beslutsträdmodell lär sig från denna data för att förutsäga nyckelindikatorer som nuvärde och CO2‑besparingar för nya scenarier nästan omedelbart. Denna AI‑baserade “rådgivare” kan sedan ranka renoveringspaket utifrån hur väl de balanserar tre mål samtidigt: lägre energiräkningar, högre finansiell avkastning och djupare utsläppsminskningar. Istället för att köra en ny, tidskrävande simulering för varje idé kan planerare snabbt se vilka alternativ som sannolikt ger bäst värde.

Vad detta betyder för framtida byggnader

I slutet av analysen har M9‑byggnaden ännu inte blivit en fullständig nästan nollenergibyggnad, men den kommer nära: energianvändningen minskas med en tredjedel och sol på plats förser nära två femtedelar av den återstående efterfrågan, allt med stabil ekonomi. Studien visar att en kombination av måttliga arkitektoniska justeringar, smartare drift, effektiv utrustning och taksolceller kan ge stora vinster utan radikal ombyggnad. Lika viktigt är att den visar hur AI kan förvandla stora mängder teknisk data till tydlig vägledning för fastighetsförvaltare och beslutsfattare. För campus och städer i varma klimat pekar detta tillvägagångssätt mot en realistisk väg: istället för att vänta på futuristiska byggnader kan vi använda dagens verktyg för att bygga om de vi redan har till renare, billigare och mer motståndskraftiga platser att leva och arbeta på.

Citering: Alobaid, M., Abo-Khalil, A.G. & Sayed, K. AI-enhanced techno-economic and environmental optimization for nearly zero-energy building retrofitting: a case study of university campus. Sci Rep 16, 14599 (2026). https://doi.org/10.1038/s41598-026-41747-1

Nyckelord: nästan nollenergibyggnader, byggnadsrenoveringar, solcellssystem, energieffektivitet, artificiell intelligens inom energi