Illustrasjonsfoto: Sindre Sverdrup Strand

Datafangst og maskinlæring skal gi bygg som tenker fremover

Databygg, et nytt innovasjonsprosjekt i næringslivet (IPN) har som mål å optimalisere samspillet mellom bygninger og deres energiforsyning via prediktiv styring.

Det skriver prosjekteier SINTEF i en pressemelding mandag.

Når nye bygg går over fra å være rene energibrukere til å bli bidragsytere på energinettet, blir digitalisering et viktig verktøy for å oppnå et effektivt samspill mellom bygg og energisystemet, skriver SINTEF i meldingen.

– Prediktiv styring og systemintegrasjon er vesentlige elementer som vi ønsker å innarbeide i vår byggdrift nettopp for å få maksimalt utbytte av de øvrige ENØK-tiltakene vi investerer i, kommenterer teknisk direktør Erlend Kaland Simonsen i DNB Næringseiendom.

DNB Næringseiendom er prosjektpartner i IPN-prosjektet Databygg, hvor SINTEF er prosjekteier, og hvor Norges Forskningsråd er inne og støtter med en total ramme på 26 millioner kroner.

– Med dette prosjektet ønsker vi å bidra til pilotering av forbedret styring av bygg når det gjelder energieffektivitet og lavere effekttopper, noe som også er anbefalt i rapporten «Digitalisering av energisektoren - Anbefalinger om forskning og innovasjon» fra 2020, sier SINTEF-forsker og prosjektleder John Clauß.

Hovedproblemstillinger som prosjektet tar utgangspunkt i, er å finne ut hvordan datafangst kan utnyttes til dynamisk styring av bygg, samt hvilken infrastruktur som må være på plass for datainnsamling og deling av data.

Prosjektets overordnete mål er å optimalisere samspill mellom bygget og byggets energiforsyning via prediktiv styring. Ved bruk av maskinlæring skal også systemet lære seg de unike bruksmønstre til bygningene. Disse bruksmønstrene oppdateres fortløpende, slik at endringene i bygget, for eksempel etter oppgradering eller ombygging, kan tas hensyn til i styringsalgoritmene. Slik blir det tilrettelagt for energieffektiv styring, heter det i pressemeldingen fra SINTEF.