4df0ecb715461db2b47eac05d1c91339e165ad33 groot

Lagere energiekosten door Advanced Analytics bij AIMZ voor de RDW

AIMZ is een bedrijf dat met behulp van kunstmatige intelligentie ervoor wil zorgen dat kantoorgebouwen qua energieverbruik efficiënter worden. Get There is gevraagd om het bestaande proof-of-concept model verder te professionaliseren en uit te breiden met haar AI-kennis. De eerste resultaten zijn behaald, en de stip op de horizon is ook al gezet!

Simpel gezegd is AIMZ een systeem dat automatisch de verwarming of koeling in een kantoorgebouw regelt. Hiermee besparen ze energie, en dus kosten, zonder in te leveren op comfort. Veelal wordt aangestuurd op basis van actuele buitentemperatuur, in combinatie met informatie over de gewenste binnentemperatuur op een bepaald tijdstip. Stel dat de gewenste binnentemperatuur om 09:00 uur ongeveer 20 graden Celsius moet zijn, en er wordt een buitentemperatuur gemeten van 15 graden Celsius, dan springt de verwarming automatisch aan.

Volgens AIMZ kan jaarlijks meer energie in de gebouwde omgeving bespaard worden dan er in de afgelopen 25 jaar aan zon- en windenergie is opgebouwd. Enkel met de toevoeging van kunstmatige intelligentie aan de bestaande concepten. Hoewel de eerste resultaten al erg positief waren, kon er nog het een en ander worden verbeterd. Met een aantal andere partijen werkt Get There aan het verbeteren van de dienstverlening van AIMZ en het vergroten van de energiebesparing in Nederland.

  • Lagere energiekosten en energieverbruik voor klanten
    Slimme AI-sturing verlaagt het energieverbruik.

  • Een schaalbare en professionele AI-oplossing
    Een robuuste oplossing die eenvoudig kan meegroeien.

  • Betere en uitlegbare beslissingen dankzij Explainable AI
    Transparant advies voor vertrouwen en betere keuzes.

De oplossing: Explainable AI en voorspellingen

In de wereld van AI en Advanced Analytics zijn er allerlei modellen waar je oplossingen op kunt baseren. In dit geval wilden we ervoor zorgen dat we een simpel model als basis hadden, zodat de oplossing en de resultaten goed uit te leggen zijn. Hoe meer begrip, hoe meer gebruikers kunnen vertrouwen op de kwaliteit van de adviezen. Dit principe wordt ook wel Explainable AI (XAI) genoemd, en zal de komende jaren veel belangrijker worden.

Aan de basis van ons model staan de al bekende gegevens van de aangesloten gebouwen. Elk gebouw bestaat echter uit meerdere zones met specifieke gewenste comforttemperaturen. Zo wordt per zone bekend hoeveel verwarming nodig is om op tijd een comfortabel binnenklimaat te garanderen.

Om zo weinig mogelijk energie te gebruiken, konden we veel verder gaan dan het voorspellen van de energievraag over 1, 2, 3 en 4 uur, rekening houdend met de toekomstige temperatuur volgens de weersvoorspelling. Zones hebben namelijk meerdere energiebronnen zoals verwarming, koeling en ventilatie. Iedere bron warmt een bepaalde zone anders op. The next step was bepalen hoeveel energie er ontbreekt om tot een comfortabele temperatuur te komen, en bepalen welke energiebron in actie moet komen om dat efficiënt te bereiken. Afhankelijk van de situatie wordt er niet alleen geadviseerd om te verwarmen, koelen of ventileren, maar ook vanaf welke bron en wanneer.

594933067d10e85d53af9bde1a4a7fba2710f088 groot Whitepaper innovatie Over innovatie ontwikkelingen

Vragen over dit bericht? Lars helpt je graag verder

b9c834746718cc209e83992c88a42c214f8a3664 groot

Klaar om met te starten met jouw ICT uitdaging? Ons team denkt graag met je mee