Hjärnorna bakom algoritmerna som bidrar till energieffektivitet

Mitra och Raghunath är båda Data Scientists på Egain med fokus på maskininlärning och dataanalys. De anställdes på Egain för ungefär ett år sedan och har sedan dess arbetat med flera projekt kopplade till datavetenskap och maskininlärning, till exempel projekten Peak Control 2.0, Performance of AI-steering, skapandet en Data Science-plattform och Predictive Maintenance. Ett värdefullt resultat är till exempel en ny styralgoritm som gör det möjligt att se hur energiförbrukningen varierar vid olika temperaturer i realtid.

Med en ny Data Science-plattform kan fastighetsägare se skillnaden i byggnadens prestanda och konsumtion om de använder Egains produkter eller inte, baserat på innevarande års data. Tidigare gjordes analys och jämförelse av energiförbrukning baserat på referensårsdata.

- Med de nya algoritmerna kan våra Energiexperter visa kunderna direkt vilka besparingar de kan uppnå genom att använda våra tjänster, säger Raghunath.

Kundinsikter

Mitra och Raghunath har skapat Data Science-plattformen för att samla in relevant data baserat på kundernas behov av information och visuella rapporter. Dessa data kommer också att användas för att skapa maskininlärningsalgoritmer för att justera inomhusklimatet och temperaturerna automatiskt baserat på hur vädret varierar. Projektet heter Peak Control och är en metod som kan beräkna hur mycket kunder sparar i pengar genom att låta Egain styra uppvärmningen av en byggnad och samtidigt hantera effekttoppar.

- Sedan januari har vi börjat samla in fler väderrelaterade datapunkter för att stödja våra maskininlärningsmodeller för att förbättra vår kontrollalgoritm så att vi hjälper kunder att identifiera energitoppar i stor skala och proaktivt varna energibolag dagar i förväg, säger Raghunath.

Visuella och interaktiva rapporter

Mitra säger att hon har genomfört intervjuer för att ta reda på vilken information kunder vill se, är intresserade av och varför denna information är viktig för dem. Data som genereras kommer att användas för att skapa nya maskininlärningsalgoritmer som gör det möjligt att skapa bättre, intuitiva och visuella Business Intelligence-rapporter som också kan skräddarsys för varje kund.

- Rapporterna ger en snabb och visuell översikt och gör det möjligt att klicka och filtrera olika data från graferna på ett interaktivt sätt. Detta gör det lättare för användaren att rekommendera olika åtgärder. Det gör det också lättare för kunderna att fatta rätt beslut för att minska miljöpåverkan, energiförbrukning och kostnader, säger Mitra.

Öka kundförståelsen för viktiga data

Förutom ovanstående har Mitra och Raghunath också startat ett projekt om förutsägbart underhåll (Predictive Maintenance) där data används för att analysera en värmecentrals prestanda. Med avancerad analys och genom att förstå mängden värme som kommer in i och lämnar värmesystemet är det möjligt att upptäcka läckor eller andra saker som avviker i förhållande till hur det vanligtvis är. Detta gör det möjligt att genomföra förebyggande åtgärder som att korrekt justera systemet och förstå effektiviteten och prestandan hos din värmecentral för att effektivisera din energianvändning och göra en långsiktig underhållsplanering.

- Vi behöver hjälpa kunderna att förstå värdet av att samla in korrekta data från deras byggnadsportfölj och vilken typ av data som är värdefull för att kunna optimera konsumtionen. Det är då det blir en win-win-win ur ett miljö-, kund- och kostnadsperspektiv, avslutar Mitra.

Läs också:
Egain deltar i Horizon 2020-projektet, RESPONSE, för att utveckla energieffektiva och hållbara städer.

Egain stärker sina förmågor inom Machine Learning och meddelar anställningen av nya teammedlemmar för att supportera arbetet mot att lösa en av mänsklighetens största utmaningar; klimatförändringen.