Hjärnorna bakom algoritmerna

Med maskininlärning och algoritmer kan energiexperter visa kunderna direkt vilka besparingar de kan uppnå med hjälp av våra tjänster.
  • Martin Eksberg

    Head of Business, Sweden

  • Filip Lagerlöf

    Marketing

publicerad

uppdaterad

Algorithms
Photo by Kiona of

Mitra Hajigholi och Raghunath Vairamuth arbetar båda som Data Scientists och fokuserar på maskininlärning och dataanalys på Kiona. De har arbetat med flera projekt kopplade till datavetenskap, såsom Peak Control 2.0, AI-styrning och prediktivt underhåll.

Vad är maskininlärning?

Maskininlärning (ML) är en typ av artificiell intelligens (AI) som gör att en programvara kan bli bättre på att förutse resultat utan att vara konkret programmerad för att göra det. Noggrannheten förbättras gradvis, nästan som på samma sätt människor lär sig. Läs mer om maskininlärning på Wikipedia

Ett värdefullt resultat är vår styralgoritm, som gör att vi kan se hur energianvändningen varierar vid olika temperaturer i realtid. Tidigare analyserades och jämfördes energianvändningen baserat på data med referensår.

Kundinsikter

Mitras och Raghunaths arbete med plattformen fortsätter. En viktig aspekt av arbetet är att samla in relevanta data utifrån kundernas behov av information.

Mitra har genomfört flera intervjuer för att fastställa vilka data kunderna vill se och är intresserade av, och varför denna information är viktig för dem. De data som genereras kommer att användas för att skapa nya maskininlärningsalgoritmer. Det gör att vi kan utveckla bättre, mer intuitiva och mer visuella rapporter som kan skräddarsys för varje kund.

Vi har också samlat in fler väderrelaterade datapunkter för att förbättra vår styralgoritm. På så sätt kan vi hjälpa kunder att identifiera toppar i energiförbrukningen i större skala.

Raghunath VairamuthData Scientist, Kiona

Vi har också samlat in fler väderrelaterade datapunkter för att förbättra vår styralgoritm. På så sätt kan vi hjälpa kunder att identifiera toppar i energiförbrukningen i större skala. Vi kan också proaktivt varna energibolag dagar i förväg, säger Raghunath.

Användning av data för att öka energieffektiviteten

Utöver ovanstående uppgifter arbetar Mitra och Raghunath med att förbättra funktioner för prediktivt underhåll. Här används data för att analysera prestandan för centralvärmesystem. En avancerad analys av mängden värme som förs in i och lämnar värmesystemet gör det möjligt att upptäcka försämringar, läckor eller avvikelser vilket gör det möjligt för användaren att jämföra olika systems prestanda, för att på så vis proaktivt planera underhållet

— Vi måste hjälpa kunderna att förstå värdet av att samla in korrekta data från fastighetsbeståndet och vilken typ av data som är värdefull. Det är då det blir en win-win-win ur ett miljö-, kund- och kostnadsperspektiv, avslutar Mitra.

Vill du veta mer om vår självlärande AI för energioptimering?