Vår utmaning

Vi vill etablera en innovationsmiljö för digital transformation i samhället gällande minskad energianvändning. Vi visar på möjligheterna med artificiell intelligens och maskinlärande metoder (AI/ML) för den digitala utvecklingen, i detta projekt specifikt mot byggnadsautomation, men den insikt som fås inom offentlig sektor och industrin förväntas även bidra till dess användning inom andra områden.

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.

  • Energioptimering

    Vi optimerar energiförbrukningen i stora fastighetsbestånd genom att inkludera datamängder om konstruktion, analysera energianvändningsmönster, aktiviteter i byggnaderna, mikroklimat m.m. Med hjälp av denna kombination av datamängder som inte inkluderas i dagens fastighetsstyrningar, kan man fatta mer välgrundade beslut om energiåtgärder.

  • Cybersäkerhet

    Fastighetssystem kan vara attraktiva måltavlor för attackerar. Därför arbetar vi också med att bygga in cybersäkerhet i våra system.

  • Maskininlärning

    Vi arbetar med maskininlärning för att automatiskt känna igen vad som är normala mönster i data från fastigheterna, och vad som är avvikelser. För att snabbare träna upp våra modeller använder vi ”transfer learning” d.v.s vi använder redan tränade modeller från liknande fastigheter och kompletterar träningsdata med en mindre mängd från den aktuella fastigheten.

  • Förstärkt verklighet och 3D-visalisering

    Vi använder oss av förstärkt verklighet och 3D-visalisering för att informera energitekniker om tillståndet i fastigheterna, samt föreslå åtgärder.

Mål

Projektets huvudsakliga mål är ökad innovationskapacitet genom forskningssamverkan. Vi adresserar digital tjänsteutveckling för hållbara/smarta samhällen med en av våra stora samhällsutmaningar, att minska energianvändningen. Vi baserar arbetet på det tidigare SSiO-projektet, där vi utvecklat en digital plattform för tjänster med sakernas internet. I detta projekt tillämpar vi tekniken för ökad innovationskapacitet inom smarta fastigheter, mer specifikt minskad energianvändning i stora fastighetsbestånd genom ökad förståelse om hur energin används. Olika datamängder analyseras, där vi använder maskinlärande algoritmer/metoder för att skapa fastigheters energiprofiler.
Projektet blir ett stödsystem där vi bygger upp ett FoU-samarbete mellan akademi, fastighetsägare, energibolag och företag som kan exploatera projektets resultat och leverera lösningar. Efter projektet fortsätter FoU-samarbetet som ett hållbart ekosystem som lever vidare av egen kraft.

Målgrupper

Projektets målgrupp är företag som utvecklar tjänsteinnovationer för smarta samhällen och kommuner som behovsägare för att adressera en av våra nuvarande största samhällsutmaningar gällande energianvändning. Våra resultat kommer också att främja övriga aktörer med stora fastighetsbestånd gällande tjänster för energi-effektivisering/besparing. Primärt inkluderas fastigheter i Skellefteå och Piteå kommuner men vi kommer att ta in behov från, och sprida resultat till övriga kommuner i Norr- och Västerbotten. Vi kommer även tillgängliggöra resultat till övriga Sverige, då liknande teknologier används i övriga kommuner.

skelleftea_digital_alliance_rgb_ssr