Kaukolämmön kysyntäjouston tehonkulutuksen hyötypotentiaalin mallinnus ja laskenta
Teppo, Antti (2022)
Teppo, Antti
2022
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2022082619654
https://urn.fi/URN:NBN:fi:amk-2022082619654
Tiivistelmä
Jyväskylän ammattikorkeakoulun Tieto tuottamaan -hanke on Euroopan aluekehitysrahaston (EAKR) ra-hoittama ja Keski-Suomen sekä Pirkanmaan liittojen hyväksymä. Hankkeen tavoitteena on tukea yrityksiä digitalisaation hyödyntämisessä tekoälyratkaisujen ja kyberturvallisuuden avulla. Opinnäytetyön tavoitteena oli mallintaa ja laskea kaukolämmön kysyntäjouston hyötypotentiaali. Kolmas tavoite oli yhteistyöyritykseltä saadun datan laadun selvittäminen.
Opinnäytetyössä toteutettu tutkimuksellinen kehittämisote tuki yhteistyöyrityksen pidemmän aikavälin tavoitteita antaen samalla oppeja sekä uusia tutkimuskohteita niin yritykselle itselleen kuin tutkimuksessa mukana olleille asiantuntijoille. Tieto tuottamaan -hankkeen tavoite on lisätä yritysten ymmärrystä heidän omasta datastaan ja sen mahdollisuuksista sekä tehostaa yritysten datakulttuurin kehittymistä. Tärkeä osa datakulttuuria on yrityksen jokaisen työntekijän ymmärrys oman toiminnan merkityksestä laadukkaan ja puhtaan datan tuottamisessa.
Yhteistyöyritys antoi 133 kohteen kaukolämmön kulutusdataa vuoden ajalta, josta Anaconda -paketinhallintaohjelmiston, Python -ohjelmointikielen sekä Visual Studio Code -editorin avulla toteutettiin erilaisia mallinnuksia sekä hyötypotentiaalin laskentaa. Anacondaan luotiin virtuaaliympäristö, jossa data-analytiikan osalta hyödynnettiin Python kirjastoja, kuten Pandas, Numpy sekä Matplotlib.
Hypoteesin visuaalinen ja matemaattinen tulos oli selkeä. Tehonkulutuksen huippuja on mahdollista las-kea hajauttamalla nykyisiä kulutustottumuksia. Vuositasolla laskettu hyötypotentiaali oli noin 1 % luokkaa. Toteutettua mallinnusta sekä laskentaa voisi myös viedä yksityiskohtaisemmalle tasolle ja siten saada tarkempia tuloksia. Datan laadussa havaittiin myös puutteita mutta ne eivät estäneet tutkimuksen toteut-tamista. Yhteistyöyrityksen oman dataputken kehittäminen sai kuitenkin oman huomionsa projektin aikana.
Tulokset loivat pohjaa yhteistyöyrityksen isommalle tavoitteelle rakentaa koneoppivamalli, jossa rakennuksien kulutushuippuja osattaisiin ennustaa ja tarvittaessa lämmittää etukäteen, jolloin kulutushuippuja saataisiin leikattua. Mallin toteuttaminen vaatii kulutusdataa useammalta vuodelta sekä rakennuskohtaista lämpötilatietoa. Tulosten perusteella isomman tavoitteen saavuttaminen on mahdollista.
Opinnäytetyössä toteutettu tutkimuksellinen kehittämisote tuki yhteistyöyrityksen pidemmän aikavälin tavoitteita antaen samalla oppeja sekä uusia tutkimuskohteita niin yritykselle itselleen kuin tutkimuksessa mukana olleille asiantuntijoille. Tieto tuottamaan -hankkeen tavoite on lisätä yritysten ymmärrystä heidän omasta datastaan ja sen mahdollisuuksista sekä tehostaa yritysten datakulttuurin kehittymistä. Tärkeä osa datakulttuuria on yrityksen jokaisen työntekijän ymmärrys oman toiminnan merkityksestä laadukkaan ja puhtaan datan tuottamisessa.
Yhteistyöyritys antoi 133 kohteen kaukolämmön kulutusdataa vuoden ajalta, josta Anaconda -paketinhallintaohjelmiston, Python -ohjelmointikielen sekä Visual Studio Code -editorin avulla toteutettiin erilaisia mallinnuksia sekä hyötypotentiaalin laskentaa. Anacondaan luotiin virtuaaliympäristö, jossa data-analytiikan osalta hyödynnettiin Python kirjastoja, kuten Pandas, Numpy sekä Matplotlib.
Hypoteesin visuaalinen ja matemaattinen tulos oli selkeä. Tehonkulutuksen huippuja on mahdollista las-kea hajauttamalla nykyisiä kulutustottumuksia. Vuositasolla laskettu hyötypotentiaali oli noin 1 % luokkaa. Toteutettua mallinnusta sekä laskentaa voisi myös viedä yksityiskohtaisemmalle tasolle ja siten saada tarkempia tuloksia. Datan laadussa havaittiin myös puutteita mutta ne eivät estäneet tutkimuksen toteut-tamista. Yhteistyöyrityksen oman dataputken kehittäminen sai kuitenkin oman huomionsa projektin aikana.
Tulokset loivat pohjaa yhteistyöyrityksen isommalle tavoitteelle rakentaa koneoppivamalli, jossa rakennuksien kulutushuippuja osattaisiin ennustaa ja tarvittaessa lämmittää etukäteen, jolloin kulutushuippuja saataisiin leikattua. Mallin toteuttaminen vaatii kulutusdataa useammalta vuodelta sekä rakennuskohtaista lämpötilatietoa. Tulosten perusteella isomman tavoitteen saavuttaminen on mahdollista.