Som ”litet” allmännyttigt bostadsbolag med cirka 4 700 lägenheter kan det kännas svårt att våga satsa på AI och digitala lösningar. Andreas Skälegård är energistrateg på Uddevallahem och en nyckelperson till att fastighetsbolaget trots allt har satsat på energieffektivisering med modern teknik.
– Uddevallahem är i sammanhanget en liten fastighetsägare med få i personalstyrkan och inga ekonomiska resurser till utveckling. Vi måste förlita oss på de kommersiella aktörernas färdigutvecklade tjänster. Vi kan till exempel ta del av Kionas teknikutveckling som pågått i snart 20 år och vars utveckling slås ut på alla deras kunder, inte bara på oss, säger han.
Mycket har alltså hänt de senaste åren när det gäller mer standardiserade och tillgängliga produkter vilket bidragit till att Uddevallahem nu vågade språnget att bygga ihop sitt eget ekosystem av öppna plattformar för fastighetsautomation och energistyrning.
Pusselbitarna i systemet
Sedan tidigare har Uddevallahem använt Edge för att styra in värme i fastigheterna med AI, så man var van att samarbeta. Det ekosystem man nu byggt upp består av, förenklat, ett antal pusselbitar. Centrala bitar är Schneiders SCADA plattform EcoStruxure, uppkopplade moderna DUC:ar/PLC:er, samt temperaturgivare i lägenheterna. Temp mäts med antingen trådad mbus eller den trådlösa och olicensierade standardtekniken LoRaWan.
LoRaWan har sina fördelar i att vara en radiomässig standard med mycket bra täckning. Uddevalla har fyra antenner som täcker tätorten och Uddevallahem får in mätdata, även från ”fönsterlösa källarrum” enligt Andreas Skälegård.
I Uddevallahems systemarkitektur finns Schneider EcoStruxure, en SCADA-plattform som Edge i detta fall integrerar med via en MQTT Broker. EcoStruxure prenumererar på alla uppdateringar som görs i Kiona MQTT och pushar ut ändringar till varje fastighets egen DUC/PLC, löpande. Ett vanligt exempel skulle kunna vara att Kionas AI gjort en ny beräkning på värmekurvan, som publiceras till MQTT Brokern. EcoStruxure, som prenumererar på uppdateringar där ifrån upptäcker att det finns nya data för en specifik fastighet och utför ändringen mot fastighetens uppkopplade DUC.
Allt sammantaget gör att sammankopplingen av de olika pusselbitarna har skett smidigt och enkelt.
MQTT Brokern agerar nav
Kiona MQTT Broker – Denna funktion fungerar ungefär som en Onedrive för data där olika stakeholders, användare, leverantörer med behörighet kan arbeta i samma ”dokument” samtidigt.
Strukturen bygger på mjukvaran Node-RED som är ett flödesbaserat, lågkodsutvecklingsverktyg för visuell programmering för att koppla ihop hårdvaruenheter, API:er och onlinetjänster. Genom att skapa JavaScript-funktioner i ett webbläsarbaserat gränssnitt har en flödesredigerare satts upp som kan liknas vid ett Excelark med olika flikar, baserat på olika typer av data där det till exempel finns en flik för inomhusklimat och en annan flik för styrning.
MQTT Brokern styr vad EcoStruxure (SCADA) skall göra i varje byggnad.
Så används intelligensen
Mätvärdena av temperatur från varje lägenhet flödar ständigt in och datamodell lär sig automatiskt, via AI och Machine Learning, hur huset mår och agerar – hur termiskt trögt det är. Den tar även in parametrar som datum och klockslag och lokal väderdata. Edge sänder data via DUC:ar vid värmecentralerna och parar ihop det med uppmätt temperatur i lägenheterna. Datat går i båda riktningarna och lär systemet vilken temperatur som ska skickas ut.
Edge kan ta in många olika mätvärden och knådar fram ett börvärde som kan skickas till varje enskild byggnad. De har teknikutvecklat i så många år att de traditionella börvärdesberäkningarna inte har en chans i energieffektivitet jämfört med detta.
Han anser också att man uppnår en rad fördelar med att ha beräkningarna, eller algoritmerna för börvärdesuträkningarna, i ett externt moln, som Kiona har. Han säger att leverantörer som byggt sin teknik på detta sätt kan vara mycket snabbfotade i utvecklingen av algoritmerna och kan lägga till mer indata från andra datakällor. Dessutom kan de ändra i algoritmerna så att olika indataparametrar får mer eller mindre genomslag på börvärdena.
– Denna utveckling av algoritmerna gör Kiona i sin egen IT-miljö och det behövs inte överföras program eller uppdateringar till kunderna, vilket alltid tar tid innan de genomförs och tid är ju som bekant pengar. Allt detta gör systemuppbyggnaden kostnadseffektiv, och inte minst snabbare att genomföra på fler hus.
Förutom att ha beräkningarna i molnet så ingår i tjänsten en visuell blockmodell av Uddevallahems olika hus, som styrs av systemet. 3D-modellerna åskådliggör allt tydligt och visar varje temperaturgivare i lägenheterna som en liten prick i olika färger; blått, grönt eller rött, beroende på mätvärde.
Man kan vrida och vända på modellen och titta längs med en tidsskala hur försörjningen har varit. Det är en stark visuell återkoppling som kan överföra det väldigt teoretiska till det konkreta.
Resultatet
Projektet kommer färdigställas under tidig höst 2024 genom att ca hälften av alla Uddevallahems fastigheter kopplas upp till ekosystemet, en process som i princip görs med ett knapptryck.
– Det kommer ha stor betydelse för hur vi på Uddevallahem arbetar med automation och effektivisering avseende driften av sina byggnader, säger Andreas Skälegård.
Detta upplägg är baserat på kod, och kräver inte installation av hårdvara så som det krävdes tidigare. Kod går så oerhört mycket fortare att lägga in för en värmecentral och sedan repetera för 10-tals fler, än att beställa ut elektriker som ska installera hårdvara med låg repetitionsgrad. Det innebär dessutom flera fördelar i form av att man till exempel uppdateringar som sker implementeras direkt och automatiskt inklusive injektion av AI-algoritmer för energioptimering. Dessutom har man skapat ett ekosystem som är dynamiskt, flexibelt och skalbart.