HAMK Smart -tutkimusyksik\u00f6n tavoitteena on hy\u00f6dynt\u00e4\u00e4 data-analytiikkaa ja koneoppimista valituilla fokusalueilla. Yhdeksi fokusalueeksi on muotoutunut rakennusten l\u00e4mmitysj\u00e4rjestelm\u00e4t ja erityisesti kaukol\u00e4mm\u00f6n kulutuksen optimointi.<\/p>\n
Data-analytiikka ja koneoppiminen oikein hy\u00f6dynnettyn\u00e4 luovat merkitt\u00e4v\u00e4\u00e4 arvoa, joka t\u00e4ss\u00e4 tapauksessa tarkoittaa kulutetun energian s\u00e4\u00e4st\u00f6\u00e4 ja rahallisen s\u00e4\u00e4st\u00f6n lis\u00e4ksi pienemp\u00e4\u00e4 hiilijalanj\u00e4lke\u00e4. Data-analytiikka ja koneoppiminen tarvitsevat \u201draaka-aineeksi\u201d dataa ja t\u00e4m\u00e4n vuoksi erilaisista mittauksista saatava data on ensiarvoisen t\u00e4rke\u00e4\u00e4. Lis\u00e4ksi ns. IoT-osaaminen on my\u00f6s v\u00e4ltt\u00e4m\u00e4t\u00f6nt\u00e4 sovellettaessa analytiikkaa ja koneoppimista k\u00e4yt\u00e4nn\u00f6n sovelluksissa.<\/p>\n
T\u00e4llaisia ovat esimerkiksi sis\u00e4ilmaolosuhteet kuten l\u00e4mp\u00f6tilat ja hiilidioksidipitoisuudet ja n\u00e4iden lis\u00e4ksi taloteknisten j\u00e4rjestelmien toimintaa kuvaavat mittaukset kuten patteriverkon l\u00e4mp\u00f6tilat ja k\u00e4ytt\u00f6vesiventtiilin asento. Kaukol\u00e4mm\u00f6n kulutukseen vaikuttaa tietysti oleellisesti my\u00f6s ulkoiset suureet kuten ulkol\u00e4mp\u00f6tila ja auringon s\u00e4teilyteho.<\/p>\n
Yhten\u00e4 k\u00e4yt\u00e4nn\u00f6n sovelluksena kaukol\u00e4mm\u00f6n optimoinnissa on esimerkiksi m\u00e4\u00e4ritt\u00e4\u00e4 oikea patteriverkon l\u00e4mp\u00f6tila eli huoneiden patterissa kiert\u00e4v\u00e4n veden l\u00e4mp\u00f6tila. Huonekohtaisilla patteritermostaateilla on mahdollista s\u00e4\u00e4t\u00e4\u00e4 huoneen l\u00e4mp\u00f6tilaa ja esimerkiksi pienent\u00e4m\u00e4ll\u00e4 virtausta laskea l\u00e4mp\u00f6tilaa mutta t\u00e4ll\u00f6in liian korkea patteriverkon l\u00e4mp\u00f6tila johtaa energian hukkaamiseen. Tavoitteena on m\u00e4\u00e4ritt\u00e4\u00e4 patteriverkon l\u00e4mp\u00f6tila siten ett\u00e4 huoneiden l\u00e4mp\u00f6tila on riitt\u00e4v\u00e4ll\u00e4 tasolla mutta ei kuitenkaan liian korkea.<\/p>\n
Toisena sovelluksena on tarpeen mukainen ohjaus, eli tyypillisesti esimerkiksi koulukiinteist\u00f6j\u00e4 k\u00e4ytet\u00e4\u00e4n ainoastaan p\u00e4ivisin ja \u00f6isin voisimme laskea huoneiden l\u00e4mp\u00f6tilaa alle vaaditun tason ja nostaa l\u00e4mp\u00f6tilat takaisin ennen tilojen k\u00e4yt\u00f6n aloittamista.<\/p>\n
Kolmantena sovelluskohteena voisi olla ns. joustava kaukol\u00e4mm\u00f6n k\u00e4ytt\u00f6, eli rakennuksia voisimme hy\u00f6dynt\u00e4\u00e4 l\u00e4mp\u00f6akkuina. T\u00e4m\u00e4 tarkoittaa, ett\u00e4 kaukol\u00e4mm\u00f6n toimittaja voisi hetkellisesti laskea toimitettavan kaukol\u00e4mm\u00f6n l\u00e4mp\u00f6tilaa ja siten my\u00f6s energiaa kun on hetkellinen kulutuspiikki. T\u00e4ll\u00e4 on eritt\u00e4in suuri arvo erityisesti silloin kun kulutuspiikki edellytt\u00e4\u00e4 kalliimman ja tyypillisesti enemm\u00e4n hiilidioksidip\u00e4\u00e4st\u00f6j\u00e4 aiheuttavan voimalaitoksen k\u00e4ynnist\u00e4mist\u00e4. T\u00e4m\u00e4 tapahtuu esimerkiksi H\u00e4meenlinnan alueella silloin kun l\u00e4mp\u00f6tila laskee alle n. -10C. Toisaalta hetkellinen kaukol\u00e4mm\u00f6n l\u00e4mp\u00f6tilan lasku ei vaikuta merkitt\u00e4v\u00e4sti sis\u00e4l\u00e4mp\u00f6tilaan, koska rakennuksen rakenteet varaavat paljon l\u00e4mp\u00f6\u00e4 k\u00e4ytett\u00e4v\u00e4ksi t\u00e4llaisina hetkin\u00e4 eli rakennukset toimivat tavallaan l\u00e4mp\u00f6akkuna.<\/p>\n
Kaikkien em. k\u00e4yt\u00e4nn\u00f6n sovellusten toteuttaminen edellytt\u00e4\u00e4 data-analytiikkaa, eli patteriverkon l\u00e4mp\u00f6tilan ohjaaminen, y\u00f6aikainen l\u00e4mp\u00f6tilan laskeminen tai rakennusten hy\u00f6dynt\u00e4minen l\u00e4mp\u00f6akkuina on hyvin rakennuskohtaista. T\u00e4m\u00e4 tarkoittaa, ett\u00e4 rakennuksen rakenteet ja talotekniset j\u00e4rjestelm\u00e4t yhdess\u00e4 ulko-olosuhteiden kanssa m\u00e4\u00e4ritt\u00e4\u00e4 esimerkiksi, miten paljon ja miten pitk\u00e4\u00e4n l\u00e4mp\u00f6tilaa voidaan laskea joustavassa kaukol\u00e4mm\u00f6n k\u00e4yt\u00f6ss\u00e4 kulutuspiikkeihin varauduttaessa. Mik\u00e4li kaikissa H\u00e4meenlinnan kaupungin kiinteist\u00f6iss\u00e4 k\u00e4ytett\u00e4isiin samanlaista menettely\u00e4 kysynt\u00e4joustossa, niin varmasti joissakin kiinteist\u00f6iss\u00e4 l\u00e4mp\u00f6tila laskee liian paljon ja toisaalta joissakin kaukol\u00e4mp\u00f6\u00e4 olisi voitu laskea viel\u00e4 enemm\u00e4nkin ilman mit\u00e4\u00e4n vaikutusta sis\u00e4l\u00e4mp\u00f6tilaan. Kaukol\u00e4mm\u00f6n kulutusta optimoitaessa koneoppimisen teht\u00e4v\u00e4 on oppia rakennuskohtaiset ominaisuudet ja siten m\u00e4\u00e4ritt\u00e4\u00e4 sallitut toleranssit kaukol\u00e4mm\u00f6n l\u00e4mp\u00f6tilan laskulle ja laskun pituudelle. Koneoppiminen pystyy t\u00e4m\u00e4n tekem\u00e4\u00e4n oikeilla algoritmeilla, hy\u00f6dynt\u00e4m\u00e4ll\u00e4 rakennuksista ker\u00e4tty\u00e4 historiadataa.<\/p>\n
\u00c4lyKaupunki -hankkeessa kehit\u00e4mme koneoppimisen algoritmeja yhteisty\u00f6ss\u00e4 sek\u00e4 alan yritysten ett\u00e4 kiinteist\u00f6jen omistajien kanssa. Esimerkiksi H\u00e4meenlinnan kaupunki on ollut eritt\u00e4in kiinnostunut mahdollisuudesta hy\u00f6dynt\u00e4\u00e4 koneoppimista kysynt\u00e4joustossa ja hankkeessa luomme parasta aikaa tarvittavia malleja HAMKin Visam\u00e4en S-rakennuksessa hy\u00f6dynt\u00e4m\u00e4ll\u00e4 t\u00e4st\u00e4 rakennuksesta ker\u00e4tty\u00e4 historia dataa. Yhten\u00e4 yrityksen\u00e4 Tamperelainen Enermix on kiinnostunut yhteisty\u00f6st\u00e4 liittyen heid\u00e4n Talotohtori -tuotteensa kehitt\u00e4miseen ja aloitimme juuri Design Factory -toteutuksen, jossa analysoidaan Talotohtori -tuotteen toimintaa Tampereen kiinteist\u00f6iss\u00e4 ja pyrit\u00e4\u00e4n l\u00f6yt\u00e4m\u00e4\u00e4n mahdollisia kehityskohteita. Opiskelijat hy\u00f6dynt\u00e4v\u00e4t hankkeessa kehitettyj\u00e4 algoritmeja arvioimaan saavutettua energian s\u00e4\u00e4st\u00f6\u00e4 kiinteist\u00f6iss\u00e4.<\/p>\n
Tiivis yhteisty\u00f6 alan yritysten kanssa on v\u00e4ltt\u00e4m\u00e4t\u00f6nt\u00e4 ja heill\u00e4 on eritt\u00e4in t\u00e4rke\u00e4\u00e4 k\u00e4yt\u00e4nn\u00f6n kokemusta hy\u00f6dynnett\u00e4v\u00e4ksi, jotta keskitymme oikeisiin yrityksi\u00e4 lopulta hy\u00f6dytt\u00e4viin asioihin. Yritykset ovat my\u00f6s olleet innolla aloittamassa yhteisty\u00f6t\u00e4 kanssamme, koska pystymme tuomaan \u201dout of the box\u201d ajattelua alan perinteisiin menetelmiin. Koneoppimisen menetelmill\u00e4 dataa hy\u00f6dynt\u00e4m\u00e4ll\u00e4 pystyt\u00e4\u00e4n s\u00e4\u00e4st\u00e4m\u00e4\u00e4n energian kulutuksessa ja toisaalta pienent\u00e4m\u00e4\u00e4n hiilijalanj\u00e4lke\u00e4kin. Uskon, ett\u00e4 meill\u00e4 on paljon annettavaa t\u00e4m\u00e4n alan kehitykseen ja uudet menetelm\u00e4t siirtyv\u00e4t nopeasti my\u00f6s opetukseen kuten juuri alkava Design Factory -toteutus osoittaa.<\/p>\n","protected":false},"excerpt":{"rendered":"