Älyä lämmitysjärjestelmiin ilmastoystävällisesti tekoälyä hyödyntämällä (ÄLLITÄ) -hankkeen tarkoituksena on parantaa pilottikohteessa, Savonia Varkauden kampus, energiatehokkuutta ja energia-automaatiota IoT-ratkaisujen ja tekoälyn avulla. Tarkoituksena on luoda myös malleja paikallisen uusiutuvan energian (aurinkoenergia) tuoton ennustamiselle sekä 5G-signaalin heikkenemisen ennustamiselle. Kehitystyötä tehdään lisäksi rutiininomaisten tehtävien kuten tiivistelmien, uusien tuotekonseptien ja ohjelmistokoodien laatimiseksi tekoälyllä.

Energiatehokkuuden parantaminen pilottikohteessa

Pilottikohteessa selvitetään lämmön- (kaukolämpö) ja sähkönkulutusta sekä ilmanvaihdon vaikutusta energiankulutukseen. Lisäksi tarkastellaan tilojen hiilidioksidipitoisuutta, henkilömäärää, sisälämpötilaa ja kosteutta sekä ulkoilman olosuhteita kuten lämpötilaa, auringon säteilyä, kosteutta ja tuulen vaikutusta. Kerättävien tietojen avulla pystytään ymmärtämään, mitkä kaikki tekijät vaikuttavat pilottikohteen kokonaisenergiankulutukseen, sekä kehittämään tämän pohjalta malleja, joilla voidaan ennustaa kohteen energiankulutusta ja näin parantaa kohteen energiatehokkuutta.

Kiinteistöön on hankittu vuonna 2022 Danfoss Oy:n Leanheat -järjestelmä tarkkailemaan ja säätämään sisätilan lämpötilaa. Järjestelmä ohjaa kaukolämmön tuloveden lämpötilaa annetun sisälämpötilan ylläpitämiseksi. Järjestelmää varten kohteeseen on asennettu 24 sensoria, jotka mittaavat tilojen lämpötilaa ja kosteutta tai lämpötilaa, kosteutta ja hiilidioksidin määrää. Näiden sensoreiden lisäksi kiinteistöön on tilojen tarkemman käytön selvittämiseksi asennettu liiketunnistimia neljään tilaan ja erillisiä CO2-antureita kolmeen tilaan.

Sensoreista on laadittu taulukko, ja kaikki sensorit on merkitty pohjapiirroksiin. Sensorien keräämä tieto on tuotu yhteen näkymään ja kaikki datan hallinta, analysointi ja tekoälyn hyödyntäminen tapahtuu Savonian omilla palvelimilla, mikä takaa tietoturvallisuuden.

Työskentelytapa perustuu datan keräämiseen ja analysointiin. Kohteesta pyritään saamaan olemassa oleva data tuntikohtaisena tietona data-analyysien luotettavuuden parantamiseksi. Erilaisia analyysimenetelmiä käyttämällä etsitään tilastollisesti luotettavinta lähestymistapaa sekä parasta pohjaa tekoälyn hyödyntämiselle.

Dataa analysoidaan eksploratiivisen data-analyysin keinoin hyödyntämällä erilaisia visualisoinnin ja tilastollisen analyysin työkaluja. Sähkönkulutuksen ennustamiseen on käytetty lineaarista regressioanalyysiä sekä koneoppismalleja Random Forest (RF) ja XGBoost. Aurinkoenergian tuoton ennustamiseen on käytetty myös lineaarista regressioanalyysia, koneoppimisen malleja RF, XGBoost, Gradient Boosting (GB), LightGBM (LGBM), Support Vector Regression (SVR) ja Multi-Layer Perceptron (MLP) eli luokiteltua neutraalilaskentaa. Ennusteiden tarkkuutta arvioitiin absoluuttisen virheen keskiarvolla Mean Absolute Error (MAE), Root Mean Square Error (RMSE) sekä Root Mean Square Deviation (RMSD) menetelmillä.

Aurinkoenergian tuoton ennustaminen

Savonialla on aurinkopaneeleita Kuopion ja Varkauden kampuksilla. Varkaudessa paneelit sijaitsevat tutkimushallin (5 kWp) ja kampusrakennuksen (34,8 kWp) katoilla, Kuopiossa paneelit ovat seinäasenteisia (2 kWp). Kuopion kampukselta on analysoitu vuoden 2024 aurinkopaneelidataa. Varkauden kampuksella on kaksi aurinkopaneelijärjestelmää, joista tutkimushallin järjestelmä on asennettu vuonna 2018 ja sen tuottama aurinkoenergia lataa 3 kW akustoa.

Kampuksen katolle asennettu järjestelmä on merkittävästi tutkimushallin ja Kuopion järjestelmää suurempi. Kampuksen aurinkojärjestelmän kokonaispaneeliteho on 34,8 kWp ja tuotantoennuste on 28,7 kWh vuodessa. Järjestelmä on asennettu syyskuussa 2024 ja tämän kesän aikana saadaan ensimmäiset aurinkoenergian tuotantoanalyysit tehtyä Varkauden kampuksen osalta. Analyysien ja tekoälyn avulla pyritään ennustamaan aurinkoenergian tuottoa, kun huomioidaan paikalliset sääolosuhteet (pilvisyys, sade).

Säätietoina hyödynnetään Ilmatieteenlaitoksen lähimpien mittausasemien dataa (Savilahti, Kuopio ja Kosulanniemi, Varkaus) sekä verrataan säätietoja kampuksilla olevien omien sääasemien sekä auringonsäteilymittareiden dataan. Varkauden osalta Kosulanniemen sääasema on noin 3 km päässä Varkauden kampukselta eikä siten anna täysin täsmällistä tietoa hyvin paikallisesta kohteesta.

5G signaalin heikkenemisen ennustaminen

Savonia-ammattikorkeakoululla on Kuopion kampuksella Savilahdessa 5G -testiverkko, joka on osa valtakunnallista 5GTNF-testiympäristöä. Savonian testiverkossa pystytään seuraamaan 5G-signaalia ja sen vahvuutta reaaliajassa. 5G-signaalin voimakkuus riippuu osin sateisuudesta, ja tässä yhteydessä selvitetään, heikkeneekö signaali oletetusti paikallisissa sääolosuhteissa. 5G-signaalin heikkenemisen avulla pystytään analysoimaan sateen paikallisuutta sekä paikallisen säätilan vaikutusta esimerkiksi aurinkopaneelien energian tuottoon.

Tiivistelmät ja tuotekonseptointi tekoälyllä

Tutkimus- ja kehitystyössä selvitetään yleisesti saatavilla olevien tekoälyalustojen käyttömahdollisuuksia esitysten ja aineistojen tiivistelmien tekoon. Työssä keskitytään selkeisiin ja rajattuihin tapauksiin. Pilottina luodaan yrityslähtöinen nettisivu tiivistelmien sekä tuotekonseptointien tekemiseksi tekoälyn avulla. Tiivistelmän ja tuotekonseptoinnin generointityökalut toimivat saman nettisivun kautta ja niitä voi hankkeen myötä julkisesti hyödyntää.

Ohjelmistokoodit tekoälyllä

Tehtävässä esitellään ohjelmistokehityksen mahdollisuuksia tuottavan tekoälyn avulla. Samalla tutkitaan esimerkein tuotetun koodin soveltuvuutta tuotantokäyttöön. Näissä selvityksissä perehdytään mm. esimerkkien avulla pienimuotoisiin koodin generointeihin. Tehtävässä tutkitaan tuotetun ohjelmistokoodin laatua ja soveltuvuutta. Tutkimuksessa selvitetään mm. koodin kokoa, tehokkuutta ja toiminnallisuutta verrattuna ihmisen kirjoittamaan koodiin. Lisäksi selvitetään tuotetun koodin integrointia osaksi isompaa ohjelmistokokonaisuutta.

Mallinnuksella energiatehokkuutta

Tutkimus- ja kehitystyön tarkoituksena on rakentaa digitaalinen tekoälyä hyödyntävä malli, jonka avulla kiinteistön energiankulutusta pystyttäisiin ennustamaan ja mahdollisesti myös ohjaamaan. Mallin avulla energiankulutukseen liittyviä parametreja pystytään seuraamaan, muuttamaan ja säätämään energiankulutukseen liittyvien ennusteiden laatimiseksi. Mallinnuksen avulla haetaan energiatehokkuutta mahdollisimman kustannustehokkaasti tekoälyä ja digitaalisuutta hyödyntäen.

Tekoälyä hyödynnetään myös tiivistelmien, tuotteiden valmistuksen ja ohjelmistokoodien teossa. Tarkoituksena on saada selville tekoälyn käytön mahdollisuuksia ja reunaehtoja sekä todentaa, pystyykö tekoäly luomaan yhtä hyvää tai virheettömämpää ohjelmistokoodia kuin mitä ihmisvoimin tuotetaan. Rutiininomaisten ja aikaa vievien työtehtävien siirtäminen tekoälyavusteisiksi tehtäviksi vapauttaa työaikaa muiden tehtävien tekemiseen. Tutkimus- ja kehitystyössä selvitetään tekoälyn ja digitaalisuuden mahdollisuuksia tähän.

Kirjoittajat:

Laura Leppänen, TKI-asiantuntija, Savonia-ammattikorkeakoulu

Jarno Ruusunen, TKI-päällikkö, Savonia-ammattikorkeakoulu

Mika Leskinen, TKI-asiantuntija, DigiCenter, Savonia-ammattikorkeakoulu

Shahbaz Baig, TKI-asiantuntija, DigiCenter, Savonia-ammattikorkeakoulu

Premton Canamusa, TKI-asiantuntija, DigiCenter, Savonia-ammattikorkeakoulu

Aki Happonen, Digikehityspäällikkö, Savonia-ammattikorkeakoulu