District heatnet står ofte over for ineffektivitet, store energitab og dyre spidsbelastninger. Yuon Optimizer bruger AI og Model Predictive Control til automatisk at afbalancere produktion, distribution og forbrug. Det betjener forsyningsselskaber og energileverandører, der sigter mod at sænke omkostninger, emissioner og driftskompleksitet.
Forudser termisk efterspørgsel baseret på vejrudsigter, bygningsdynamik og forbrugsmønstre for at optimere produktion og distribution i realtid.
Opretter en digital tvillingemodel af hele netværket for løbende at simulere og optimere systemets ydeevne, reducere spidsbelastninger og forbedre energieffektiviteten.
Administrerer og optimerer automatisk termiske netværk ved hjælp af avanceret maskinlæring og prædiktiv kontrol. Softwaren integreres problemfrit i eksisterende infrastruktur, hvilket muliggør automatiseret drift, adaptiv kontrol og kontinuerlig forbedring af ydeevnen.
Yuon Optimizer er en softwareløsning, der hurtigt kan implementeres uden hardwareændringer. Dens modulære design gør det muligt for forsyningsselskaber at skalere fra enkeltnetværk til store multi-site-operationer effektivt.
Fælles projekt af Yuon, Energie 360° og Hoval demonstrerer 33% reduktion af spidsbelastning, 25% kapacitetsbesparelser og energibesparelser i Zürichs byvarmenet gennem AI-drevet prædiktiv kontrol.
Yuon Optimizer muliggjorde belastningsstyring i realtid i et byvarmenetværk. Piloten reducerede spidsbelastningerne med 33% og reducerede den tilsluttede kapacitet med 25%, alt sammen med problemfri integration og intet komforttab, hvilket viser skalerbar effekt for byens forsyningsselskaber.