”Vi jobbar med kod och inte med prylar”
Allmännyttiga Uddevallahem har med hjälp av standardprodukter byggt ett eget system för fastighetsautomation och energistyrning med AI-funktioner. Bakgrunden är att det har skett ett tekniksprång de senaste åren. Det går enkelt att dela data mellan styrsystem på komponentnivå. Det krävs ingen stor personalstyrka eller mycket kapital för att kunna nyttja tekniken, menar Andreas Skälegård, energistrateg på Uddevallahem.
– Alla befintliga styrsystem har blivit mycket bättre på att dela data mellan sig och det är billigt att implementera. Därför kan små fastighetsägare som Uddevallahem köra mer avancerade funktioner utan att behöva köpa ny hårdvara, säger Andreas Skälegård.
Det krävs ingen stor personalstyrka eller mycket kapital för att kunna nyttja tekniken.
– Även en liten befintlig förvaltarorganisation som vår kan få till det här, tack vare att vi jobbar med kod och inte med prylar.
Så länge befintliga styrenheter är uppkopplingsbara och kan kommunicera med det överordnade styrsystemet kan tekniken användas.
Uddevallahem började arbeta med tekniken i större skala för ungefär två år sedan. Den data som delas är inomhustemperaturen i lägenheterna med hjälp av givare, trådade eller trådlösa. Tidigare har datan främst använts för att kunna kontrollera temperaturen vid klagomål från hyresgäster.
– Då har vi justerat någon värmekurva. Nu stannar det inte där, utan datan skickas automatiskt till tjänsteleverantörer av börvärden, som ligger i molnet. Datamodellerna lär sig byggnadernas termiska tröghet och processar fram nya börvärden. Dessa skickas ner till varje enskild radiatorkrets, via det överordnade styrsystemet och PLC eller DUC, förklarar Andreas Skälegård.
Leverantörerna av algoritmer lägger även på prognosticerat väder inom det närmaste dygnet och hyresgästernas beteenden till de nya börvärdena som kommer var tionde minut.
Uddevallahem använder Kionas AI-plattform Edge, men Andreas Skälegård bedömer att det finns flera likvärdiga lösningar från andra leverantörer på marknaden.
– Tack vare att vi använder dessa molntjänster får vi tillgång till företagens samlade teknikutveckling till ett stort antal kunder. I och med att vi betalar ett fast pris för den tjänsten blir kostnaden hanterbar. Skulle vi göra teknikutvecklingen själva skulle det äta upp en stor del av vår årliga tillgängliga budget för den typen av satsningar.
Vi hade hoppats att algoritmerna skulle vara mer spetsiga och alerta i vissa situationer, till exempel när rumstemperaturen börjar avvika.
I årsabonnemanget för tjänsten ingår driftsättning i varje enskild byggnad. Utöver det har Uddevallahem köpt cirka 100 timmar av en styrentreprenör för programmeringen i det överordnade styrsystemet.
– Tack vare detta har hela företaget blivit redo att använda tjänsten. Alla hus och radiatorkretsar har funktionaliteten som behövs.
I abonnemanget ingår också ny funktionalitet som visualisering av vilka lägenheter som är för varma och kalla.
– Med hjälp av kurvor och grafer kan vår personal agera snabbare och förstå trender i temperaturförändringar.
Kostnaden för programmering, eventuella byten av gammal styrutrustning och abonnemangsavgifter ska ställas mot nyttan som det ger, påpekar Andreas Skälegård.
I den andra vågskålen finns stabilare inomhustemperaturer, färre klagomål från hyresgäster på rumstemperatur, energibesparing och förbättrat inomhusklimat.
– Det är också en lösning på rekryteringsproblemen. Vi kan använda vår personal på ett mer kreativt sätt än att låta dem sitta vid en datorskärm och optimera radiatorkurvor. Nu gör AI-modeller det istället.
Uddevallahem styr idag mer än hälften av sin totala boarea på det här sättet.
– Det ökar hela tiden och tekniskt är vi redo att köra 80 procent. Tekniken är enkel att skala upp och går att göra snabbt eftersom vi bara jobbar med kod. På tre timmar skulle jag och min kollega kunna lägga till 30 procent.
Alla befintliga styrsystem har blivit mycket bättre på att dela data mellan sig och det är billigt att implementera.
Uddevalla gick till 40 procent av boarean i princip i ett steg. Andreas Skälegård ser en fara i att genomföra för många småskaliga pilotprojekt.
– Det är alldeles för lätt att dra slutsatser baserat på tillfälligheter om man har för lite data.
Han exemplifierar med fyra hus i Uddevallahems bestånd. De ligger i samma område, är byggda samtidigt och har samma typ av socioekonomiska hyresgäster. Energianvändningen för ett av husen är 94 kWh per kvadratmeter och år, ett annat 101, och ett tredje 115. För det fjärde är den 84 kWh per kvadratmeter och år. Det huset skiljer sig från de andra genom att det är renoverat med FTX.
– Med AI-styrning blir det antal procent lägre energianvändning för husen, men jag kan aldrig med ingenjörsmässig heder säga exakt hur mycket som beror på ny styrning.
Minskningen kan bero på felaktigheter, till exempel i den befintliga styrningen, som har upptäckts med hjälp av AI:n, säger Andreas Skälegård.
– Om vi hade gjort en pilot på ett av dessa hus och dragit slutsatser för fler hus, hade vi dragit fel slutsatser. Det är jätteviktigt att tillämpa detta i stor skala på många hus för att få ett rimligt resultat som man kan lita på, säger Andreas Skälegård.
Genom att det är billigt att implementera tekniken blir effektiviteten hög även om besparingarna blir små i enskilda fastigheter.
– Det är svårt att säga exakt vad AI har bidragit men i snitt bedömer vi att energianvändningen har minskat med 5–7 procent. Det viktiga är att det är en nedåtgående trend generellt, över tid och att det sker kostnadseffektivt. Om det blir ett visst antal procent i en byggnad och ett annat resultat i en annan är mindre relevant. Ska vi utreda det bränner vi arbetstid på saker som inte för oss framåt.
Skulle vi göra teknikutvecklingen själva skulle det äta upp en stor del av vår årliga tillgängliga budget för den typen av satsningar.
Andreas Skälegård pekar även på kommande myndighetskrav för att minska energianvändningen i befintliga byggnader. De allmännyttiga bostadsföretagen har också målet att energianvändningen ska minska med 30 procent senast år 2030.
– Det finns inget Alexanderhugg som kan fixa det. Det är en summa av flera delmetoder och olika verktyg som tillsammans kan nå minus 30 procent där AI-styrning är ett av dem.
Andreas Skälegård ser så här långt vissa begränsningar med tekniken.
– Vi hade hoppats att algoritmerna skulle vara mer spetsiga och alerta i vissa situationer, till exempel när rumstemperaturen börjar avvika. Det är något vi jobbar med i en tät dialog med tjänsteleverantören.
