Rakennusautomaatiossa käytettävän tilatiedon ennakointi tekoälyn avulla

Abstract

Työn päämääränä oli kehittää tekoälyn avulla ennustusmenetelmä tilatietojen indikointeihin rakennusautomaatiojärjestelmään. Tavoitteena oli luoda toimiva ratkaisu, joka mahdollistaisi tilatietojen ennustamisen. Ennustuksia hyödynnettäisiin kiinteistöissä tarjoamaan pohjan energiatehokkuuden optimoimiselle. Työssä suunniteltiin ja toteutettiin strategia työn aloitukselle.

Python-kirjastojen ohjekirjat toimivat olennaisena apuna työssä tarjoten kattavan kuvauksen kirjastojen toiminnasta ja niiden hyödyntämisestä projektiin. Lisäksi työssä selitettiin käytettyjen Python-kirjastojen peruskäsitteitä sekä tutkittiin erilaisten koneoppimismallien ohjeistuksia valitun mallin määrittämiseksi ja käyttöön ottamiseksi. Työssä hyödynnettiin myös tekoälyyn ja koneoppimiseen liittyvää kirjallisuutta tarkentamaan näiden käsitteiden sisältöä ja merkitystä.

Työssä kuvattiin myös Excel-makron käyttö datan luomisessa koneoppimismallin käyttöön opetus- ja testaustiedostoina. Työn aikana selvitettiin tiedostojen hakuprosessit hakemistoista ja niiden integrointi koodiin sekä käsiteltiin datan esikäsittelyä ennen sen syöttämistä koneoppimismallille. Työssä analysoitiin eri koneoppimismallien käyttäytymistä datan opettamisessa ja selvitettiin tekijät, jotka vaikuttavat koneoppimismallin oppimiseen. Lopulta työssä päätettiin hyödyntää LSTM-mallia ja käsitellä sen koulutusvaihetta sekä ennustuksen toteuttamista.

Työssä käsiteltiin myös ennustusten tarkkuutta ja kohtaa, jossa ennustus perustui aluksi vain viimeisimpään päivämäärään. Tämän haasteen ratkaisemiseksi kehitettiin toinen ennustusmenetelmä, jonka avulla ennusteiden visualisointi voitiin laajentaa pidemmälle ajalle. Lisäksi työssä toteutettiin käyttöliittymä ohjelmalle hyödyntäen Pythonin tarjoamaa kevyttä käyttöliittymää. Työssä saatiin tuloksena ohjelma, joka pystyy ennustamaan sille annetusta datasta indikoinneille tilatietoja. Ennustuksen antamien tuloksien tarkkuus on noin 80–90 %.