Av Alexander Kristensen
|
19. oktober, 2023
Hvilken kvalitet bør du forvente av energidata?
Mye av energidataen på markedet i dag er av lav kvalitet. Hva kjennetegner den gode dataen? Og hva bør du kunne forvente?
Kvalitetsdata går ned på komponentnivå
Skal du optimalisere strømforbruket i et bygg, er du nødt til å kunne identifisere strømdriverne. Energidata av lav kvalitet gir aggregerte verdier og serverer deg totalforbruket for hele eller deler av bygget.
Høykvalitets energidata gir deg mye mer innsikt. Den er finkornet nok til at du kan hente ut informasjon i sanntid, helt ned på komponentnivå. Og det er her dataene virkelig blir verdifulle.
Med høykvalitets energidata får kundene dine svar på blant annet:
- Hvor i bygget brukes mest energi, og til hvilken tid?
- Hva er det som utgjør bunnlasten?
- Hvilke komponenter er de største energidriverne?
- Er noen enkeltkomponenter utsatt for uforholdsmessig høy last?
- Leverer noen komponenter under forventet evne?
- Er det direkte feil i drift eller tekniske anlegg?
Denne innsikten muliggjør tiltak med større effekt for både strømforbruket og strømregningen.
God energidata bør korrigere for feil
Et godt system skal også kunne korrigere for feil i installasjonen og levere prosessert data som stemmer selv om rådataene inneholder mangler.
Problemer med hardware, installasjon og dataoverføring kan alle medføre at 1 kWh ikke lenger blir målt som 1 kWh. Heldigvis er det mye som kan gjøres for å korrigere dette - så lenge du oppdager at målingene er feil.
Denne typen prosessering og korrigering er en nøkkelkomponent ved energidata av høy kvalitet.
|
Eksempel fra virkeligheten: En strømkabel ut har tre faser: 1-2-3. Likevel er det ganske vanlig at installasjonen gjøres feil, slik at fasene blir 2-3-1 i stedet. Da vil måleren din gi deg helt feil avlesninger. Med en enkel algoritme er det mulig å korrigere for dette, uten å måtte installere noe på nytt. |
God energidata er tilpasset riktig formål
I tillegg til at energidataen skal være høyoppløselig og korrigert for feil, må den også tilpasses endelig bruk.
Det betyr at dataen ikke bare gjennomgår standard kvalitetskontroll, men også at den prosesseres og struktureres med metadata til sitt spesifikke formål. Med andre ord, det kunden får opp av umiddelbar informasjon, er det de er mest opptatt av å måle - i den oppløsningen som gir mening for deres bruk.
For noen industrier vil det for eksempel være mye å hente på å kunne lese av energiforbruket på enkeltkomponenter minutt for minutt for å kunne identifisere de mest energibesparende tiltakene. I et kontorbygg holder det kanskje å kunne skille mellom ulike deler av bygget for å sikre korrekt leietakerfakturering.
Vi tilbyr som baseline energidata med høy oppløsning og pålitelighet, uten forsinkelser. Med dette i bunn kan du dekke alle kvalitetskrav kundene dine måtte sette.
Ta gjerne kontakt, så kan vi se nærmere på dine konkrete behov.
|
Eksempel fra virkeligheten: Vi hentet ut data fra 125 eksisterende målere i et bygg. Skyløsningen vår vasket og strukturerte dataen som pleide å være utilgjengelig, før den ble levert i sanntid på API til kunden. Algoritmene våre oppdaget feil i dataen fra 10 av energimålerne, inkludert hovedmåler, og rekonstruerte det faktiske energiforbruket. |
