Projekt se bavi izradom metodološkog okvira za učinkovito upravljanje energijom s pomoću inteligentne podatkovne analitike, s naglaskom na metode strojnog učenja i simulacijsko modeliranje. Ovim istraživanjem nastoji se znanstvenim metodama doprinijeti ostvarenju direktiva Europske komisije o smanjenju emisije stakleničkih plinova, povećanju energetske učinkovitosti i podmirenju 20% potreba potrošnje energije iz obnovljivih izvora energije do 2020. godine.

U Hrvatskoj i drugim zemljama Europske unije postoje Strategije energetskog razvoja i Nacionalni planovi energetske učinkovitosti kojima se kvantificiraju i prate ciljevi smanjenja neposredne potrošnje energije. Međutim, podaci o energetskoj učinkovitosti se nedovoljno znanstveno analiziraju u svrhu učinkovitijeg upravljanja energijom i postizanja manjih troškova, a posebice nedostaju istraživanja koja koriste metode strojnog učenja u svrhu preciznije detekcije utjecaja ulaznih varijabli, predviđanja razdoblja povrata ulaganja i druge analitike. Upravo je svrha projekta provesti inteligentnu analizu podataka o energetskoj učinkovitosti zgrada, ponuditi metode i modele koji bi omogućili bolje planiranje nacionalne energetske politike te upravljanje troškovima energije ponajprije u zgradama javnog sektora.

U projektu se predlaže metodološki okvir temeljen na metodama strojnog učenja kao što su neuronske mreže, stabla odlučivanja, klaster analize, asocijacijska pravila i druge metode koje se mogu koristiti za inteligentno učinkovito upravljanje potrošnjom energije, ali i troškovima opskrbe energijom. Metode će biti testirane na podacima koji opisuju energetske karakteristike zgrada, podacima koji se unose prilikom planiranja i implementacije mjera za poboljšanje energetskih karakteristika, ali i podacima o potrošnji energije. Vezano uz opskrbu energije, projekt će se fokusirati na podatke o lancu opskrbe prirodnog plina kao jednog od glavnih energenata u javnom sektoru s ciljem prijedloga poboljšanja njegove učinkovitosti.

Pretpostavka je da kombinirana uporaba različitih metoda strojnog učenja i simulacijskog modeliranja može dovesti do smanjenja potrošnje, kvalitetnijeg upravljanja lancem opskrbe energije, smanjenja troškova, preciznije procjene razdoblja povrata ulaganja, te očuvanja okoliša manjom emisijom štetnih plinova. Kako bi se takav metodološki okvir mogao razviti potrebno je istražiti s pomoću kojih metoda inteligentne podatkovne analitike je moguće dobiti uspješne modele za objašnjenje i predviđanje potrošnje energije i učinkovitije nabave, i kako ih integrirati, čime se upravo bavi ovaj projekt.