Oppvarming av boligblokker blir vanligvis styrt etter faste kurver og enkle utendørssensorer. Dette fører ofte til ustabile temperaturer og unødvendig energibruk. Ved å kombinere innendørs sensordata med algoritmer som forutsier værutviklingen, kan varmesystemene styres på en langt mer intelligent måte.
– Når vi kobler sammen data og kunstig intelligens, blir varmeforsyningen ikke bare reaktiv, men prediktiv. Det gjør en stor forskjell, både for energieffektiviteten og beboernes opplevelse, sier Kristin Berg, Senior Vice President for Facility og Energy Management i EG, ifølge en pressemelding.
Dokumenterte resultater
Programvareselskapet EG har gjennom sin EG EnerKey-plattform analysert data fra over 1 500 finske bygninger, inkludert 100 boligkomplekser, der energistyringssystemet Danfoss Leanheat ble innført i 2022. Resultatene snakker for seg selv: Det årlige energiforbruket ble i løpet av to og et halvt år redusert fra 31,5 til 28,4 GWh, en gjennomsnittlig nedgang på nesten 10 prosent. Samtidig lå innetemperaturen stabilt på 21,7–22 °C gjennom hele vinteren, noe som førte til færre klager fra beboerne.
– Disse besparelsene går ikke på bekostning av komfort. Tvert imot ser vi at leilighetene holder en jevn temperatur, og at flere beboere opplever bedre forhold enn tidligere, sier Berg.
Lavere topplast og høyere verdi
I tillegg til redusert energiforbruk viser data fra EG EnerKey at Leanheat også bidrar til en lavere topplast. For boligblokker tilknyttet fjernvarme, betyr det et lavere kapasitetsledd – og dermed lavere priser. I én av de analyserte bygningene sank topplasten ved -15 °C fra 90–160 kW til 80–100 kW på bare tre år.
– Dette er et viktig aspekt for eiendomsforvaltere. De får et datadrevet verktøy som både gir økonomiske besparelser og mer fornøyde beboere, forklarer Berg.
Hun mener at konklusjonen er tydelig: Å bruke kunstig intelligens til oppvarming er ikke et fremtidsscenario, men en realitet som allerede i dag bidrar til grønnere bygg og høyere trivsel for beboerne.







