Vår utmaning

Orsaker till ökad energianvändning kan vara t.ex. felaktigt fungerande styrenheter i ventilationssystemen, fjärrvärmesystem, eller att användningen av byggnaden har förändrats. Det finns också ett behov av att jämföra byggnader för att identifiera och besluta om uppgradering av utrustning och renoveringsåtgärder för minskad energianvändning och förbättrad funktion. Stora fastighetsägare som t.ex. kommuner har ett stort antal byggnader med tiotusentals värden som övervakas och kan generera larm. Där är det mycket tidskrävande att analysera, sortera och hantera avvikelser.

Nuläget

Vi har en brist på system/produkter/tjänster som möjliggör en optimering av energianvändningen i samhället. Stora fastighetsbestånd har en onödigt hög energiförbrukning, det finns inte heller några bra verktyg för att balansera förbrukningen mellan fastigheter vilket leder till att effektbehovet är högre än vad det skulle kunna vara med effektiva verktyg.

Vad vill vi åstadkomma?

Projektet syftar till att utveckla innovationer för att analysera energibehovet hos byggnader under olika omständigheter genom att använda historiska data med hänsyn till väderförhållanden, bygginformation och byggnadens användning. Dessa data används för att förutsäga kommande energibehov i byggnader, för att balansera energibehovet mellan byggnader, och för att minska den totala energiförbrukningen.

Projektet kommer att bidra till ny kunskap, lösningar, processer, arbetssätt och metoder som leder till effektiv energi- och resursanvändning i bebyggelsen, samspel med angränsande sektorer, funktionalitet och välbefinnande.

  • IoT och IoT-säkerhet

    Vi arbetar med verktyg för att ansluta och autentisera IoT-enheter, t.ex. sensorer, som är användbara om du behöver egna IoT-enheter för att utveckla dina tjänster. Vi övervakar också kommunikationen för att säkra att ingen hackat sig in och tagit över din enhet.

  • Energioptimering

    Genom att inkludera datamängder om konstruktion, analysera energianvändningsmönster, aktiviteter i byggnaderna, mikroklimat m.m. som är en kombination av datamängder som inte inkluderas i dagens fastighetsstyrningar, kan man fatta mer välgrundade beslut om energiåtgärder.

  • Maskininlärning

    Vi arbetar med maskininlärning för att automatiskt känna igen vad som är normala mönster i data, och vad som är avvikelser.

  • AR - förstärkt verklighet

    Använd dina sensordata, öppna data och din geografiska information för att skapa nyttig information och presentera den som förstärkt verklighet. Kontakta oss om du är intresserad av att skapa tillämpningar på vår plattform!

Mål

Projektets övergripande mål är att genom datainsamling och användning av maskinlärande metoder/artificiell intelligens minska den totala energianvändningen med upp till 15% inom stora fastighetsbestånd. Detta åstadkoms genom ökad förståelse och balanserad energianvändning utifrån fastigheters verksamhet och användning.

Målgrupper

Projektets huvudsakliga målgrupp är ägare till och företag som förvaltar stora byggnadsbestånd. I första hand ingår fastigheter i Skellefteå, Piteå och Kristianstad, men vi kommer att ta in behov från, och sprida resultatet till andra ägare av stora byggnadsbestånd i Sverige.