Schneider Electric: Energieverbruik van gebouwen verminderen door AI

Deze apparaten zijn een belangrijk onderdeel in het verduurzamen van gebouwen door het verkrijgen van real-time data in verschillende omstandigheden. Zij kunnen deze informatie vervolgens ook gebruiken voor de aansturing van onze gebouwen.

Het World Economic Forum (WEF) schat dat digitale technologieën voor 20% van de emissiereducties kunnen zorgen die benodigd zijn om tegen 2050 de netto-nuldoelstellingen te behalen. Maar hoewel die datum nog tientallen jaren verwijderd is, moeten we de toepassing van nieuwe technologieën nu al opvoeren om dat doel haalbaar te maken.

Artificial intelligence e (AI) en machine learning (ML) kunnen gebouweigenaars en -beheerders helpen om hun IoT-data efficiënter te gebruiken om de processen binnen het gebouw CO2-vrij te maken. Deze technologieën kunnen de enorme hoeveelheid data die IoT-apparaten genereren in microseconden analyseren en erop reageren, waardoor de automatisering van gebouwen wordt geoptimaliseerd.

Hoe AI kan zorgen voor een lagere energievraag
Een recente installatie voor SISAB, de eigenaar van de meeste schoolgebouwen in Stockholm, laat die potentie zien van de samenwerking tussen AI en ML. Zo kunnen zowel de exploitatiekosten van gebouwen als de daarmee samenhangende emissies verlaagd worden zonder in te leveren op comfort voor de gebruikers.

Het bedrijf had te maken met drie specifieke uitdagingen die het behalen van deze doelstellingen in de weg stonden:

In 2013 centraliseerde SISAB hun controlesystemen in één enkel systeem dat verantwoordelijk is voor het managen van de 624 gebouwen die 200.000 studenten en personeel op een comfortabele 20°C houdt. Een groot obstakel was het onvermogen om de data te verwerken van de 20.000 temperatuur- en vochtigheidssensoren die in dit uitgebreide netwerk waren geïnstalleerd om de prestaties van de verwarmingssystemen te optimaliseren.

Daarom zocht SISAB naar een oplossing om het beste uit hun data te halen.

Ten opzichte van het vorige winterseizoen zag SISAB de volgende verbeteringen:

De investering in het nieuwe systeem heeft zichzelf in slechts twee jaar terugverdiend. Het laat zien hoe bedrijven energiebesparingen kunnen gebruiken om soortgelijke verbeteringen te halen en hoe na verloop van tijd hun operationele budgetten kunnen inzetten voor andere duurzaamheidsbesparingen.

Deze verbeteringen werden bereikt doordat het op AI gebaseerde systeem herkende dat de bezettingsgraad van het gebouw op bepaalde momenten hoger was. Het systeem kon dan de warmtevoorziening terugregelen op basis van de bezettingspatronen in de winter, waarbij het herkende dat lichaamswarmte het verschil kon compenseren. Het kan ook betekenen dat ruimten vooraf worden gekoeld tijdens verwachte piekperioden in warmere maanden, zodat het energieverbruik niet omhoog schiet als de temperatuur stijgt en de ruimten comfortabel blijven.

Met AI kunnen deze doelen worden bereikt zonder dat er onderhoudspersoneel aan te pas hoeft te komen. AI-modellen leren automatisch en voortdurend bij en passen hun regelstrategie aan op basis van de veranderende dynamiek van een gebouw.

De kracht van partners
SISAB, Schneider Electric en Myrsproven hebben na dit project samen een aantal tips opgesteld die nuttig kunnen zijn voor andere bedrijven:

Meer over de resultaten die SISAB heeft behaald en hoe ze de eerste stappen hebben gezet, kun je lezen in deze whitepaper.

www.se.com