Tekoäly energia data-analyysin tukena

Abstract

Yhä useammat yritykset omaksuvat tekoälyn keinona parantaa liiketoimintaansa. Tässä työssä selvitetään tekoälyn ja koneoppimisen integrointia kohdeyrityksen järjestelmiin. Menetelmät valitaan ”State of the art” – analyysillä. Löytyneistä ratkaisuista johdetaan yritykselle sopiva toteutus. Tutkimuksen tavoitteena on löytää ajatusmalleja ja uusia työkaluja energian säästökohteiden löytämiseksi. Tutkimuksessa selvisi, että LSTM - neuroverkot soveltuvat energiadatan ennustamiseen erinomaisesti ja niitä voidaan käyttää hyväksi poikkeavuuksien havaitsemisessa. Tekoälyn integroiminen järjestelmiin edellyttää erityistä perehtymistä sen toimintaan ja muutoksia tukijärjestelmiin, jotta tekoälystä saadaan haluttu hyöty irti.

More and more companies are embracing artificial intelligence as a way to improve their businesses. This work explores the integration of artificial intelligence and machine learning into the systems of the case company. Methods are selected through a State of the art -analysis. The solutions found are used to derive a suitable implementation for the company. The aim of this study is to find thought models and tools for finding energy-saving targets. The study found that LSTM neural networks are excellent for predicting energy data and can be used to detect abnormalities. The integration of artificial intelligence into the information systems requires in-depth knowledge with its functioning and changes to the supporting systems in order to achieve the desired benefits of artificial intelligence.