Watt Analytics GmbH

Optimalizácia spotreby energie pomocou umelej inteligencie a strojového učenia.

Prípady použitia optimalizácie spotreby energie a jej ekonomický dopad

Prípady použitia a ekonomický dopad

Oblasti použitia technológie Watt Analytics

Náš prístup k strojovému učeniu zaručuje našim zákazníkom neustále zlepšovanie v rôznych oblastiach:

  • Strojové učenie s každým ďalším pridaným zákazníkom,

  • v akejkoľvek organizácii,

  • medziodvetvové vzdelávanie,

  • katalóg zariadení / výrobkov.

Náš proces zaisťuje neustále používanie čoraz širšej databázy s údajmi na vylepšenie správania sa aplikácie pri:

  • automatickom spájaní zariadení do skupín,

  • procesoch učenia sa pod dohľadom a bez dozoru.

optimalizácia spotreby energie a oblasti použitia

Možné oblasti použitia

Systém Watt Analytics System je vhodný:

  • Pre „malých spotrebiteľov“ (<25 000 kWh / rok) na monitorovanie a ovládanie všetkých elektrických zariadení (ako sú práčky, kotly, bojlery atď.) prostredníctvom jedinej aplikácie.

  • Pre stredne veľkých spotrebiteľov elektrickej energie (25 000 - 125 000 kWh / rok), ako sú rodinné domy, kancelárie, malé reštaurácie s „väčšími spotrebičmi energie“, napríklad: nabíjacie stanice pre elektromobily, elektrické kúrenie, kotly, tepelné čerpadlá, ohrievanie bazénov, klimatizácie atď. Patria sem aj stredne veľkí spotrebitelia elektriny, berúc do úvahy akékoľvek fotovoltaické systémy alebo domáce batérie. Okrem zvýšenia pohodlia vedie optimalizácia k ekonomickej návratnosti investícií do 1-3 rokov pre zákazníka aj pre dodávateľa energie.

  • V segmente veľkých spotrebiteľov od 150 000 kWh / rok a v priemyselných aplikáciách je možné v závislosti od implementácie predchádzajúcich opatrení energetickej účinnosti dosiahnuť významné optimalizácie spotreby, ktoré v každom prípade ukazujú na ekonomickú návratnosť projektovej štúdie. Okrem toho je možné optimalizovať spotrebu elektrickej energie až o 40% tak, aby sa zvýšila spotreba vlastnej vyrobenej energie, alebo je možné vylepšiť záťažový profil, čím sa znížia náklady na energiu o 15% - 25%.

  • Pre používateľov priemyselných výrobných strojov možno pri prediktívnej údržbe očakávať veľké úspory nákladov.