AI finder unormalt strømforbrug

• Af:
  
• John Nyberg

Hvor meget strøm bruger de forskellige restauranter og kiosker i en forlystelsespark? Er der nogen, der har glemt at slukke for strømmen til frituregryden? Hvad tid bliver softicemaskinerne tændt? Er der nogle apparater, der bruger unødvendigt meget strøm, og som måske trænger til vedligeholdelse? Det er spørgsmål som disse, som Sommerland Sjælland snart kan få svar på ved hjælp af AI og den data, som forlystelsesparken har opsamlet i løbet af den seneste sæson. Opsamlingen er foregået ved hjælp af målere, som parken har sat op på alt fra brødristere, friturekar, kasseapparater og frysere. Kort sagt alt det, som skal til for at holde en forlystelsespark i gang. Det er sket i samarbejde med Alexandra Instituttet og i regi af AI Denmark, der hjælper danske virksomheder med at udnytte data og AI-værktøjer i deres digitale omstilling. Listen over potentielle strømslugere har således vist sig lang, og for at få et bedre overblik over, hvornår det bedst kan betale sig at tænde og slukke de forskellige apparater, har Kåre Dyvekær, der er ejer af Sommerland Sjælland, længe haft øje for, at det kunne være en god idé at sætte målere op, men løsningerne var typisk for store og industrielle:

“Vi har mange mindre installationer, så da der kom det her AI-projekt, så tænkte vi, at det kunne være fint, hvis man kunne måle på el og samtidig kunne sætte kunstig intelligens til at detektere, hvis eller når en installation falder uden for i normalforbrug,” fortæller Kåre Dyvekær.

Han fortæller videre, at den største gevinst med dataopsamlingen været, at de har fået et bedre overblik over strømforbruget de forskellige steder i parken:

“Lige nu er AI’en ikke klogere end os, men vi har fået mod på det. Vi får et dataoverblik, der gør, at vi kan se anormaliteter. I takt med at vi får flere målesteder, så vil vi kunne se, om der er sammenhæng mellem noget tidsmæssigt og hvem, der eventuelt er gode til at spare på strømmen. Det har enormt stor betydning, om du først tænder frituregryden, når du skal bruge den og ikke, når du møder ind. Det fokus har vi ikke haft før, fordi vi ikke har kunnet måle det”.

Udfordringen med dataopsamling er, at de får en masse signaler ind, som bliver samlet i en stor masse. Det vil derfor kræve, at de får lavet et ‘fingerprint’ eller el-signatur for hvert apparat. Det vil ifølge Kåre Dyvekær gøre, at man kan sætte en måler op på hovedforsyningen til hver kiosk og så sætte AI’en til at analysere, når der sker noget unormalt.

“Kort sagt så kunne AI’en godt se, når noget faldt ud fra normen. Det kunne være et apparat, der var gået på standby, som skulle være tændt. Men jeg kunne godt tænke mig, at AI’en helt ned på apparatniveau kunne detektere, hvis filtret i en emhætte trænger til at blive skiftet, eller hvis et varmelegeme bliver dårligt. Mange af de her vedligeholdelsesting vil man sandsynligvis kunne se i strømforbruget”.

AI kan måske også bruges til at forudsige, hvor mange frituregryder eller andre apparater, som de skal tænde, alt efter hvor mange gæster de forventer:

“Jeg tror, at når vi har nok data, så begynder AI’en at kunne gennemskue nogle mønstre, som vi ikke ser og dermed kommer til sin ret. Hvis vi fodrer den med data på vores gæsteantal, så vil den måske kunne sige, at i dag har vi X antal gæster og har brug for følgende installationer,” siger Kåre Dyvekær.