Problemi na temelju kojih su postavljeni ciljevi projekta su sljedeći:

(1) U istraživačkom području energetske učinkovitosti i potrošnje energije ne postoji razrađen metodološki okvir za inteligentne podatkovne analize temeljen na metodama strojnog učenja, koje učenjem na prošlim podacima mogu omogućiti otkrivanje veza između podataka

(2) U opskrbnom lancu prirodnog plina, jednog od važnih energenata u javnom sektoru, događaju se gubici koji se mogu smanjiti adekvatnim simulacijskim modelom.

  CILJ 1

Identificirati karakteristične skupine (klastere) javnih zgrada za koje se u postojećim informacijskim sustavima prate energetske karakteristike, mjere za poboljšanje energetskih karakteristika i potrošnja energije.

  CILJ 2

Uporabom metoda podatkovne analitike razviti metodološki okvir za  analizu utjecaja pojedinih karakteristika zgrada i vrsta mjera na predviđene i stvarne uštede u potrošnji energije, emisiji CO2 i troškovima.

  CILJ3

Naprednim analitičkim metodama procijeniti financijsku isplativost i dugoročne financijske učinke za pojedine mjere povećanja energetske učinkovitosti.

  CILJ 4

Simulacijskim modeliranjem predložiti prilagodbe modela lanca opskrbe prirodnog plina kao jednog od važnijih energenata u sektoru zgradarstva, kako bi se smanjili ukupni troškovi energije.

Ciljevi će se postići kroz nekoliko koraka:

1

Prikupljanjem podataka iz informacijskog sustava za gospodarenje energijom i od nadležnih državnih tijela

3

Izradom modela za predviđanje i klasificiranje testiranjem više metoda strojnog učenja koje su se pokazale uspješnima u preskriptivnoj i prediktivnoj analitici (klasteriranje, neuronska mreže, stabla odlučivanja, asocijacijska pravila, i druge)

5

Izradom smjernica za integraciju pojedinih metoda u predviđanju energetske učinkovitosti, količinske potrošnje energije i troškova kroz jedinstveni metodološki okvir

2

Klasteriranjem objekata u javnom sektoru prema zajedničkim karakteristikama i prema potrošnji

4

Usporedbom točnosti pojedinih metoda u modeliranju kako bi se mogao predložiti najuspješniji model za pojedine skupine potrošača i dati integrativni pristup

6

Implementiranjem smjernica u model lanca opskrbe prirodnog plina koji će omogućiti korisnicima modela učinkovito upravljanje ovim energentom

HIPOTEZE

Neke od hipoteza koje će biti provjerene kroz istraživanje u projektu su:

Građevinski objekti u javnom sektoru Hrvatske mogu se razvrstati u klastere prema zajedničkim značajkama i ponašanju u potrošnji energije (npr. prema starosti zgrada, vrsti toplinske zaštite, geometrijskim karakterisitkama zgrada, vrsti termotehničkog sustava, lokaciji zgrada, i sl.).

Metode strojnog učenja dat će točnije prognoze razdoblja povrata ulaganja od metode jednostavnog perioda povrata (JPP) koja se trenutno koristi od strane stručnjaka za određivanje i proračun isplativosti predloženih mjera za povećenje energetske učinkovitosti.

Neke metode strojnog učenja dat će točnije prognoze i klasifikacije od drugih, pa se mogu predložiti za uporabu kao uspješnije na promatranim problemima ili kasterima zgrada.

Simulacijski model lanca opskrbe prirodnog plina ukazat će na određene mogućnosti smanjenja troškova.