Effektiv värme med AI-styrning
Med sensorer i fastigheterna och en AI-modell styr ÖrebroBostäder sina värmecentraler efter faktisk inomhustemperatur. Det har höjt inomhuskomforten för hyresgästerna och ökat energieffektiviteten.
Detta är en lösning från SKR:s plattform för delning av digitala lösningar mellan kommuner och regioner.Med sensorer i fastigheterna och en molnbaserad AI-modell styr ÖrebroBostäder (ÖBO) sina värmecentraler efter faktisk inomhustemperatur i stället för enbart utomhustemperatur. Det har höjt inomhuskomforten för hyresgästerna och ökat energieffektiviteten i fastighetsbeståndet.
Lösningen, som är en del av ÖBOs bredare satsning på digitalisering, fastighetsautomation och energieffektivisering, ger störst effekt och klimatnytta i fastighetsbestånd som har varierande inomhusklimat och höga energivärden per Atemp (uppvärmd yta). AI-tjänsten är särskilt anpassad för fastighetsägare med en öppen digital infrastruktur och tillgång till data om inomhusklimat. API-anpassningen gör den enkel att koppla in.
Totalt sparar bolaget omkring 120 miljoner kronor per år genom att identifiera och åtgärda energislöseri, bland annat med hjälp av denna lösning. Den årliga investeringsnivån för att minska förbrukningen har i genomsnitt varit cirka 12 miljoner kronor.
Komplexitet: hög
Detaljer
ÖBO hade som mål att minska energiförbrukningen i sitt befintliga fastighetsbestånd. ÖBO hade tidigare ett traditionellt styrsystem, där fastigheternas värmecentraler reglerades baserat på utomhustemperatur, utan återkoppling om resulterande inomhustemperatur.
Lösning
En modellbaserad prediktionsstyrning med hjälp av AI passade väl in i ÖBO:s strategi för modulära tekniska lösningar. Lösningen är en fristående applikation som interagerar med fastighetens befintliga styrsystem via API:er. Detta var i linje med ÖBO:s arbete som initierades redan 2004 med att bygga en öppen och flexibel automationsplattform. ÖBO har sedan 2019, då den första piloten inleddes, gradvis implementerat lösningen som nu används i 87% av fastighetsbeståndet. AI-baserad prediktionsstyrning är en viktig komponent men endast en av flera delar i deras övergripande system för fastighetsautomation.
Förutom AI-tjänsten inkluderar denna lösning även befintlig infrastruktur hos ÖBO i form av sensorer för mätning av inomhusklimat, ett centralt fastighetssystem och uppkopplade undercentraler för datahantering och styrning.
Lösningen har analyserats och beskrivits av Urban Twin Transition Center (UTTC).
Värde
8-18% lägre energianvändning direkt efter inkoppling
~0,3–0,7 kg CO₂/kvm Atemp utsläppsminskning per år
~0,02 kg CO₂/kvm Atemp i klimatavtryck
