Problemi na temelju kojih su postavljeni ciljevi projekta su:

  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.

 

Ciljevi:

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

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

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

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.
  2. 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).
  3. Izradom smjernica za integraciju pojedinih metoda u predviđanju energetske učinkovitosti, količinske potrošnje energije i troškova kroz jedinstveni metodološki okvir.
  4. Klasteriranjem objekata u javnom sektoru prema zajedničkim karakteristikama i prema potrošnji.
  5. 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.

 

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.