Energiforbruget i bygninger udgør i dag op til 40 % af det samlede energiforbrug i Danmark. Mange fjernvarmeoperatører er afhængige af data, der befinder sig i isolerede siloer og benytter proprietære løsninger med begrænset mulighed for systemintegration og datadeling. RACE 1.0 demonstrerede, at AI-drevne prognoser og setpunkter kan bruges til at styre både varmeproduktion og -distribution i realtid med markante gevinster inden for optimering, bæredygtighed og økonomi.
RACE 2.0 vil demonstrere:
- nye AI-optimeringsstrategier ved at inddrage forbrugsstyring af bygninger.
- to nye anvendelsesområder for HydroState-enheder.
- styrket operationel fleksibilitet og cybersikkerhed via en robust hybrid implementeringsmodel.
- et AI Optimiser Framework, som gennem konfiguration importerer topologien for fjernvarmenettet til sin digitale tvilling.
- realtidsbaseret AI-drevet anomali-detektering.
Målet er at opnå mindst 10 % årlige energibesparelser og reducerede omkostninger, selv ved en udbygning af fjernvarmenettet på op til 50 %.
