Utilifeeds Analysplattform

Vår ambition är att ni ska få största möjliga nytta från er mätdata.

.

Funktioner


Följande funktioner är en del av plattformen. Dessa uppdateras i takt med att systemet utvecklas. Nyckeln i systemet är Utilifeeds maskininlärningsalgoritm EnergyPredict.

Produktion

Lastprognos

Träffsäkra lastprognoser tas fram baserat på EnergyPredicts lastmodell för nätet. Indata till lastmodellerna är för närvarande SMHI:s väderprognosdata som uppdateras flera ggr per dag och sträcker sig upp till tio dygn framåt i tiden. Det är även möjligt att köra lastprognoser på olika delar av nätet.

Normalårsförbrukningar

Rättvisande normalårsförbrukningar och maxeffekter beräknas genom att EnergyPredicts alla lastmodeller (unika för varje UC) körs mot 20 års historisk väderdata. Träffsäkra normalårsförbrukningar är viktiga för att kunna identifiera förändringar i faktiska förbrukningar.

Distrubition

Returtemperaturanalys

Returtemperaturerna från undercentralerna påverkar effektiviteten i hela fjärrvärmenätet. Genom att kontinuerligt analysera och normalisera dessa både på aggregerad och kundcentralsnivå kan trender och kundcentraler som behöver åtgärdas identifieras. Värdet av potentiella åtgärder kartläggs och prioriteringslistor tas fram. Detta är också ett verktyg för att utvärdera effekter av prisjusteringar i returtemperaturtaxor.

Avvikelseidentifiering

Genom att dagligen jämföra prognostiserad energi, flöde och temperatur med uppmätta värden går det att identifiera förändringar, avvikelser och potentiella fel hos kunder innan de själva upptäcker det. EnergyPredict skapar en mycket exakt prognosmodell, individuellt anpassad för varje fastighet, vilket är en förutsättning för att kunna identifiera och kategorisera alla avvikelser och samtidigt ha få falsklarm.

Systemkategorisering

Genom att analysera modellkarakteristik från EnergyPredict är det möjligt att hitta och kategorisera fastigheter med olika egenskaper som t.ex.: tidsstyrd ventilation, värmepump för dellast eller nattsänka. Det går även att läsa ut vilken inverkan faktorer som vind och solstrålning har på varje

Dimensionerande effekt och flöde

Vårt system beräknar kontinuerligt med EnergyPredict dimensionerande effekt för hela nätet och enskilda undercentraler. Finns tillgång till historisk mätdata kan förändringar över tiden även presenteras. Den dimensionerande effekten hjälper till att bedöma hur mycket ledig kapacitet som finns i nätet. På undercentralsnivå är den ett bra verktyg för att välja rätt värmeväxlare vid t.ex. ett byte.

Marknad & Försäljning

Nyttjandetid och varaktighetsdiagram

Relationen mellan effektuttag och energianvändning kan beskrivas som nyttjandetid och genom varaktighetsdiagram. Med hjälp av EnergyPredict kan normaliserad och jämförbar data skapas mellan olika år och perioder,vilket visar på trender i beteenden. Trender i hela kollektivet kan här ledas till enskilda undercentraler då analysen görs på alla mätare. En uppföljning som bland annat kan vara intressant att göra före och efter effektbaserade prismodeller tillämpats.

Prismodeller

Genom att vi bygger in de vanligaste prismodellslogikerna i plattformen och kopplar era specifika prismodeller till varje enskild anläggning skapar vi förutsättningar till en rad mycket intressanta och värdeskapande-analyser. Det kommer bland annat gå att jämföra nuvarande prissättning med en justerad prissättning för att utvärdera hur en prisjustering påverkar hela företagets ekonomi, samt varje enskild kund. Samma metodik kan användas till att jämföra helt olika prismodeller med varandra och utforma lämpliga strukturer (effektgrupper, säsonger etc.) och prisnivåer vid prismodellsbyten. Prismodellerna simuleras över de senaste 20 årens väderscenarion ner på timnivå vilket ger exakt data på olika modellers intäktsfluktuationer, samt är underlag till normalårsintäkter. Systemet kommer kunna leverera ut analysresultaten för varje enskild UC direkt till slutkunden om så önskas. Simuleringen av intäkter kommer även kopplas till en kostnadssimulering (beskriven nedan under Produktionssimulering) för att studera variation i bruttomarginal mellan olika väder-år. Kopplingen till faktiska produktionskostnader innebär att en tydlig bild av hur väl prismodeller speglar kostnadsstrukturen i nätet skapas, och de mest olönsamma/lönsamma kunderna kan identifieras. Vi har utvecklat en värmepumpsmodell som kommer nyttjas för att också ge en bild av kundens alternativkostnader.

Effektiviseringstrender

Effektiviseringstrender för en hel kundstock identifieras och analyseras genom att EnergyPredict tränas på historisk mätdata. Vilka anläggningar som bidragit mest och minst till utvecklingen framgår genom att samma analys görs på varje enskild UC. Tillkommande och frånkopplade kunder redovisas separat för analysperioden, viket möjliggör att effektiviseringstrender kan följas upp för den befintliga kundstocken.

Mätavdelning

Datavalidering och mätvärdeskvalitet

I samband med att mätvärden importeras till vår databas utförs validering och korrigering av eventuella felaktigheter i datan . Alla rättningsåtgärder som utförs loggas och kommer tillsammans med statistik över saknad mätdata visualiseras för att ge en bild över mätvärdeskvaliteten.

xxxxxxx

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique. Duis cursus, mi quis viverra ornare, eros dolor interdum nulla, ut commodo diam libero vitae erat. Aenean faucibus nibh et justo cursus id rutrum lorem imperdiet. Nunc ut sem vitae risus tristique posuere.

Vill du veta mer?

Om du vill veta mer om piloten,
ta en titt här.

pilot >

Support

Kan du inte hitta ditt svar? Ta kontakt med vårt team.

kontakt >