Energiebeheer

Kunstmatige intelligentie in energiebeheersoftware

15 oktober 2017 door Jürgen Ritzek
Kunstmatige intelligentie in energiebeheersoftware

Dit is geen blog over AI, machine learning of zelfs deep learning.

Het gaat om een kort overzicht van hoe ver energiebeheersoftware (EMS) zich de afgelopen jaren heeft ontwikkeld. En of we de eerste tekenen kunnen zien dat er nu toepassingen zijn ingebouwd in EMS die sommigen zouden aanduiden als gebaseerd op of gebruikmakend van AI of machine learning.

EMS op basisniveau

Er lijkt een brede consensus te bestaan over de basisprincipes van EMS: de software moet in staat zijn om

  1. automatisch gegevens verzamelen via verschillende interfaces en uit verschillende toepassingen
  2. gegevens snel kan verwerken en als basis kan dienen voor beslissingen en acties
  3. geïntegreerd kan worden in bestaande systemen en processen met gebruikmaking van bestaande bussystemen, protocollen en normen
  4. de regels van het algemene energiebeheersysteem ondersteunen via geautomatiseerde acties
  5. idealiter ook prognoses mogelijk maken
  6. alarmsignalen versturen voor bepaalde vooraf gedefinieerde parameters

En ja, er bestaat ook een brede consensus dat dergelijke software een voorwaarde is voor het succes van energiebeheer op lange termijn. Hoewel excel sheets nog steeds worden gebruikt in de industrie. Maar dat is een ander verhaal.

Use cases: De link tussen energiebeheer en IIoT

IIoT (industrial internet of things) wordt vaak aangeduid als de motor voor de volgende industriële revolutie. Er zijn een aantal use cases gedefinieerd om de voordelen van IIoT te laten zien. Sommige daarvan zijn vrij gemakkelijk te begrijpen, denk maar aan "voorspellend onderhoud", andere zijn moeilijker te bedenken en te ontwikkelen, bv. "nieuwe bedrijfsmodellen". En energie-efficiëntie wordt ook genoemd als een van de voor de hand liggende (en gemakkelijk te begrijpen) use cases.

Maar aan welke IIoT-gebruikssituatie u ook denkt, ze hebben één ding gemeen. We hebben het altijd over big data. En big data is de basis voor elke AI, machine learning, enz. toepassing.

Dus waar zijn op big data gebaseerde AI of machine learning toepassingen wanneer we kijken naar energiebeheersoftware?

Of om de vraag anders te formuleren: welke AI/machine learning-toepassingen zouden het meest voor de hand liggen of het meeste voordeel opleveren?

Wij zijn geen AI-experts, maar...

We hebben met verschillende verkopers van energiebeheersoftware gesproken. En we vonden er maar één die het volgens ons aanstipte: IngSoft en de "automatische patroonherkenning"

Volgens IngSoft kan deze nieuwe functionaliteit automatisch onregelmatige energieverbruiksgegevens detecteren, maakt het mogelijk om oorzaken onmiddellijk te identificeren en om op te reageren. We hebben niet met IngSoft gesproken over hoe ze dat doen en hoe diep de software-integratie moet zijn om dergelijke patroonherkenning mogelijk te maken. We zijn dus duidelijk ook geïnteresseerd in feedback van bedrijven die deze nieuwe toepassing gebruiken.

Parallel daarmee besprak ik met IBM op een evenement in Brussel over "Energy Efficiency: the AI factor" industriële gebruikscases voor het IBM Watson AI-platform. Hoewel er indrukwekkende voorbeelden werden getoond, draaiden die meestal rond het beheer van technische informatie en niet zozeer rond energiebeheer. Maar we blijven in contact met IBM, want ze beloofden ons te verwijzen naar meer use cases. Mogelijk ook die met een link naar energiebeheer.

Een ander initiatief dat we tegenkwamen is het Duitse project KiPro, gefinancierd door het Duitse Federale Ministerie van Economie en Technologie. KiPro staat voor "Künstliche Intelligenz in der Produktion" (in het Engels zou dat "AI in Productie" betekenen). Het doel van KiPro is AI-ondersteunde platforms te ontwikkelen om de productie te helpen de energie-efficiëntie te verbeteren. Het is gebaseerd op het verzamelen van gegevens door EMS, maar vervolgens op het toepassen van AI-toepassingen om "mensen" te ondersteunen bij hun besluitvorming. Automatische patroonherkenning klinkt als één mogelijke toepassing, niet? Maar er zijn er waarschijnlijk meer.

Vooruitzichten: AI & energiebeheersoftware

Dit is een oproep om het debat te openen. Vertel ons wat u denkt dat het volgende grote "AI EMS ding" zal zijn. Of wijs ons op interessante bedrijven of voorbeelden, want die willen we altijd graag aan een breed EEIP-publiek presenteren.

Voor vragen, opmerkingen of verdere informatie kunt u contact met mij opnemen via juergen.ritzek[at]ee-ip.org

Verwante artikelen

 

Bronnen

 


Over Jürgen Ritzek

Ritzek

Juergen Ritzek is medeoprichter en zakelijk directeur van EEIP. Juergen is verantwoordelijk voor de strategie, marketing en business development van EEIP en stuurt de groei van EEIP naar een energietransitieplatform. Juergen leidt EEIP's B2B-communicatie en -relaties en zorgt voor EEIP-relevantie voor waardeketenuitdagingen (inter-company) en interne besluitvormingsprocessen (intra-company). Na een internationale carrière bij Unilever heeft hij het Europese netwerkadviesbureau GBC (2009) en EEIP (2011) opgericht.