Genom ett branschsamarbete kring data och analytiska metoder ska projektet ta fram modeller för avancerad datanalys och AI. Resultaten i form av nya arbetssätt eller nya tillämpningar i mjukvara ska kunna användas av energidistributörer och prosumenter. Projektet för samman forskning och innovation med mjukvaruutveckling och utrullning/användning i praktisk verksamhet, vilket bidrar till att höja kompetensen kring data och artificiell intelligens i hela branschen.
Idag är det svårt och orimligt att varje energiföretag på var sitt håll ska utveckla och validera dataanalytiska metoder för att optimera värmedistribution. Genom att utveckla samarbetet inom branschen, data science-expertis och forskning kan fler och bättre modeller tas fram.
Huvudsakliga målet är att med hjälp av data och data science förbättra precision i identifiering av mönster och avvikelser i distributionsnätet inklusive undercentraler i kundanläggningar. Exempel på fel som kan identifieras med dataanalytiska metoder är mätdatafel, läckage och styrfel. Syftet är också att ta fram analysmodeller och stödjande ramverk som föreslår åtgärder till energidistributör och prosumenter för att åtgärda fel och minska resursförbrukning och miljöpåverkan.
Syftet är att bygga verktyg som föreslår åtgärder till energidistributör och prosumenter för att åtgärda fel och minska resursförbrukning och miljöpåverkan.
Projektet ska stärka den analytiska förmågan hos energiföretagen, i form av webinar och en samlad branschgemensam portal för tillgängliga dataset, datanalytiska resonemang och resultat. På så vis stärks samtliga energibolag i arbetet att vidareutveckla och optimera övervakning, underhåll, proaktiv åtgärdsplanering och uppföljning med sina kunder och deras anläggningar/fastigheter.
Projektet är ett samarbete mellan Smart Energi, Eneriforsks program Futureheat, Energimyndigheten, Universitet och högskolor.