Energipriserne stiger og svinger meget – også i løbet af døgnet. Priserne hænger samtidig sammen med, hvor grøn energien er. Vi kan derfor hente store gevinster, hvis vi bruger den vedvarende energi på de rigtige tidspunkter – nemlig når den produceres.
Det kan vi gøre ved at bruge kunstig intelligens og selvlærende algoritmer. Teknologierne kan hjælpe os med at udskyde eller fremrykke de dele af vores bygningers energiforbrug, som ikke behøver finde sted på bestemte tidspunkter. På den måde kan bygninger bruges som batterier, der kan lagre varme og el for at bruge det på smartere tidspunkter.
I DG STORE-projektet vil vi vise, hvordan vi kan flytte energiforbruget i en typisk dagligvareforretning til tidspunkter, hvor der er meget vedvarende energi til rådighed. I en Netto butik i Sakskøbing på Lolland installerer vi derfor en såkaldt prognosebaseret styring af butikkens energiforbrug. Ved at hente data om mængden af grøn energi til rådighed, vejrudsigt, sol, vind og regnvejrspåvirkning sikrer prognosestyringen, at Netto butikken bruger den optimale mængde energi på det mest optimale tidspunkt. Uden at gå på kompromis med temperaturen i hverken køle-/frysebokse eller i butikken.
Gevinsterne er tidligere demonstreret i både kontorbygninger, skoler, lagerhaller og produktionsfaciliteter. Men endnu ikke i en dagligvareforretning. Skalerer vi den prognosestyrede måde at bruge en dagligvareforretnings energi på til samtlige af en detailkædes forretninger, kan vi høste store gevinster – både økonomisk og i vores klimaregnskab.
Deltagere i casen
