Kunstig intelligens kan hjælpe til en lavere varmeudgift
Data fra mere end 1500 boligbyggerier dokumenterer, at avanceret styring af varmeinstallationer reducerer forbruget med i gennemsnit 10 procent og øger beboernes komfort
Traditionelt har varme i etageejendomme været styret af faste kurver og simple udendørsfølere. Det giver ofte ustabile temperaturer og unødvendigt energiforbrug.
Ved at kombinere indendørs sensordata med algoritmer, der forudser vejrets udvikling, kan bygningernes varmeanlæg reguleres mere intelligent.
- Når vi kobler data og kunstig intelligens sammen, bliver varmeforsyningen ikke bare reaktiv, den bliver forudseende. Det giver en markant forskel i både energieffektivitet og beboernes oplevelse, udtaler Kristin Berg, vicedirektør i softwarevirksomheden EG.
EG har via sin Omega-platform analyseret data fra over 1500 bygninger, herunder 100 boligkomplekser, hvor energistyringssystemet Danfoss Leanheat blev introduceret i 2022. Resultaterne er tydelige:
Det årlige varmeforbrug faldt på 2,5 år fra 31,5 GWh til 28,4 GWh, hvilket er et gennemsnitligt fald på knap 10 %.
Samtidig forblev indetemperaturerne stabile på 21,7-22 grader hen over vinteren, hvilket gav færre klager fra beboere.
- Det er ikke besparelser på bekostning af komfort. Tværtimod kan vi se, at lejlighederne holder en stabil temperatur, og at flere beboere oplever bedre forhold end før, siger Kristin Berg.
Ud over en reduktion i det samlede energiforbrug viser data fra EG Omega desuden, at Danfoss Leanheat ligeledes reducerer spidsbelastninger. For etageejendomme, der er tilsluttet fjernvarmen, betyder det lavere effektbidrag og dermed lavere tariffer.
I en af de analyserede bygninger faldt spidsbelastningen ved -15 grader fra 90–160 kW til 80–100 kW på blot tre år.
- Det er en vigtig dimension for ejendomsforvaltere. De får et datadrevet værktøj, der både skaber økonomiske besparelser og giver mere tilfredse beboere, forklarer Kristin Berg videre.
-dc
