Paranna lämpölaitoksen päästötehokkuutta Supersensen raportoinnilla ja ennusteilla

Reaaliaikaisella tilannekuvalla ja lähes-reaaliaikaisilla päästöraporteilla on valtava merkitys kaukolämpölaitoksen tuotannon päästötehokkuuteen. Supersensen data-analyysi- ja raportointityökalun hyödyntäminen on auttanut mm. Kemin Energia ja Vesi Oy:tä omissa päästötavoitteissaan. Ja tarvetta onkin, sillä heidän pitkän aikavälin päästöjen vähennystavoitteensa ovat kunnianhimoisia.  

Jatkossa oikeiden valintojen tekeminen on Supersensen käyttäjille vielä helpompaa, sillä olemme luoneet koneoppimiseen perustuvan ennustamistyökalun, jonka avulla voidaan ennakoida tuotantotarvetta 66 tuntia eteenpäin.

”Ennustaminen on vaikeaa, varsinkin tulevaisuuden ennustaminen”, totesi Niels Bohr aikanaan. Mutta Nielsillä ei ollutkaan vielä käytössään koneoppimista. Meillä onneksi on, ja se tarkoittaa uutta harppausta kaukolämpölaitosten päästötehokkuudessa.

Miten Supersensen koneoppiminen toimii?

Koneoppimista hyödynnetään siten, että tuotannon historiatietoa sekä Ilmatieteenlaitokselta peräisin olevia säätietoja yhdistetään ja verrataan niin ikään Ilmatieteenlaitokselta peräisin oleviin sääennusteisiin. Aiempien tuotantotarpeiden pohjalta Supersense kykenee esittämään tarkkoja arvioita myös tulevasta tuotantotarpeesta. Ja ennusteet vain tarkentuvat, kun dataa kertyy lisää.

Miten tuotantotarpeen ennusteet vaikuttavat päästötehokkuuteen?

Päästö-, tuotanto- ja kustannustehokkuus nivoutuvat kaikki tiukasti yhteen energiateollisuudessa. Kun tuotanto kyetään pitämään optimaalisena ja vältetään ylituotannosta syntyvää hukkatehoa, eikä jouduta alituotannon vuoksi polttamaan öljyä, kiittää talousosaston lisäksi ympäristö.

Pian on mahdollista optimoida myös poltettavan materian käyttöä

Toinen tärkeä asia kaukolämmön tuotannon päästötehokkuuden parantamisessa on itse tuotantoprosessin ja poltettavan materiaalin käytön optimointi. Kokonaisuutta sekä tuotantotarpeeseen liittyviä ennusteita seuraamalla voidaan vaikuttaa siihen, että yhden tai useamman lämpölaitoksen tuotantoa johdetaan optimaalisesti, mutta se ei ota vielä kantaa siihen, mitä materiaalia tuotannossa poltetaan.

Olemme kehittämässä nyt omaa työkalua myös tuotantoprosessin optimointiin. Siihen, missä suhteessa poltetaan esimerkiksi märkää turvetta ja kuivaa biomassaa.  

Tämä tulee kytkeytymään tuotantotarpeen ennusteeseen ja se tekee suosituksia siitä, mitä tuotantotapoja sekä -tehoja olisi päästöjen (sekä kustannusten) kannalta tehokkaina käyttää.

Miten Supersenseä käytetään?

Supersensen teknologinen pohja perustuu pitkälti Microsoftin ratkaisuihin. Sen hyödyntäminen ei lähtökohtaisesti vaadi organisaatiolta muuta kuin Office 365:n käyttöä. Data on peräisin kaukolämpölaitoksen valvomojärjestelmästä sekä IoT-ratkaisuista, ja datan omistaa energiayhtiö itse. Data siirtyy turvallisesti Microsoftin Azure pilvipalveluun, jossa Supersense analysoi ja aggregoi datan hyödylliseen muotoon, jonka jälkeen erilaiset näkymät luodaan Power BI:ä hyödyntäen. Oikeudet näkymiin voidaan antaa kaikille niitä työssään tarvitseville. Ilman takaisinkytkentää, joten datan esittäminen on täysin turvallista.

Myös ennusteissa hyödynnetään Microsoft Azure pilvipalvelun sisäänrakennettuja koneoppimisen resursseja. Käyttöönotto voidaan tehdä nopeasti ja tuloksiin päästään melkein yhtä nopeasti. Päästötehokkuuden parantaminen kannattaakin aloittaa jo tänään.