Hae sivustolta

Mitä etsit?

Voisiko rakennus auttaa tasapainottamaan sähköverkkoa?

Tätä rahoitamme

Rakennukset voisivat tulevaisuudessa olla paljon muutakin kuin energiankuluttajia. Metropolian Älykkäät kiinteistöt älykkäissä yhteisöissä -hankkeessa tutkitaan, miten rakennusten automaatiota, antureita ja tekoälyä voidaan hyödyntää sekä energiatehokkuuden parantamisessa että sähköverkon tasapainottamisessa. Vuonna 2026 julkaistut kolme tutkimusta tuovat aiheesta uutta tietoa.

Tuuli- ja aurinkovoiman lisääntyessä sähköjärjestelmä tarvitsee yhä enemmän joustoa eli keinoja tasapainottaa sähkön tuotantoa ja kulutusta. Rakennuksilla voi olla tässä merkittävä rooli: niiden lämmitys, ilmanvaihto ja muut tekniset järjestelmät kuluttavat paljon energiaa, mutta niiden kulutusta voidaan myös ohjata.

Samalla rakennuksissa on jo runsaasti antureita ja automaatiojärjestelmiä, joiden tuottamaa tietoa voitaisiin hyödyntää nykyistä tehokkaammin.

Metropolian hankkeessa tutkitaan, kuinka rakennusten energiankulutusta voidaan ohjata älykkäämmin ja kuinka rakennukset voivat osallistua sähköjärjestelmän joustoihin. Tavoitteena on yhdistää energiatehokkuus, käyttäjien hyvinvointi ja uudet tekoälyyn perustuvat ratkaisut.

Vuonna 2026 hankkeessa julkaistiin kolme kansainvälistä tieteellistä tutkimusta. Niissä tarkasteltiin ilmanvaihdon hyödyntämistä sähköverkon tasapainottamisessa, rakennuksen henkilömäärän arviointia koneoppimisen avulla sekä alan tekoälymenetelmien mahdollisuuksia ja haasteita.

Voisiko toimiston ilmanvaihto auttaa sähköverkkoa?

Tutkimuksessa selvitettiin, voidaanko toimiston ilmanvaihtoa säätää sähköverkon taajuuden mukaan ilman, että sisäilman laatu tai työntekijöiden suorituskyky kärsii. Kokeeseen osallistui 20 henkilöä.

Tulokset olivat lupaavia. Ilmanvaihdon lyhytaikainen säätäminen ei heikentänyt sisäilman laatua merkittävästi, eikä osallistujien kognitiivisessa suorituskyvyssä havaittu merkitsevää muutosta.

Tulokset viittaavat siihen, että rakennusten ilmanvaihtoa voitaisiin tulevaisuudessa hyödyntää sähköverkon nopeassa tasapainottamisessa. Käytännön soveltaminen vaatii kuitenkin vielä pidempiaikaisia kokeita todellisissa rakennuksissa.

Tutkimus:
Xu, Y., Huotari, M., Karhula, N., Mikala, J., Ketomäki, J. & Ihasalo, H. (2026). Investigating the impact of ventilation primary frequency control on indoor climate and cognitive performance in office settings. Building and Environment. DOI: 10.1016/j.buildenv.2025.113730

Voiko rakennus päätellä, kuinka monta ihmistä sen tiloissa on?

Ilmanvaihto kuluttaa energiaa silloinkin, kun tiloissa on vain vähän ihmisiä. Entä jos rakennus osaisi päätellä itse, kuinka paljon ihmisiä paikalla on, ja säätää ilmanvaihtoa sen mukaan?

Tutkimuksessa kehitettiin koneoppimismalli, joka arvioi henkilömäärää hiilidioksidipitoisuuden ja ilmanvaihdon ilmavirran perusteella.

Malli tunnisti henkilömäärän oikein parhaimmillaan noin 79 prosentissa tapauksista. Kun ilmanvaihtoa ohjattiin mallin arvioiden perusteella, tarkkuus säilyi noin 75 prosentissa.

Tulokset osoittavat, että rakennusten olemassa olevia antureita voidaan hyödyntää tarpeenmukaisen ilmanvaihdon kehittämisessä. Tulevaisuudessa energiaa voitaisiin siten säästää ilman erillisiä henkilömäärää mittaavia järjestelmiä.

Tutkimus:
Mikala, J., Xu, Y. & Huotari, M. (2026). Estimating occupant counts using deep neural networks and CO2 sensors in a mechanically ventilated environment. Energy and Buildings. DOI: 10.1016/j.enbuild.2026.118015

Mitä tekoäly todella osaa päätellä rakennusten käyttäjistä?

Kolmannessa tutkimuksessa tarkasteltiin 368 tieteellistä julkaisua, joissa rakennusten henkilömäärää arvioidaan antureiden ja koneoppimisen avulla.

Katsauksen perusteella tekoäly tarjoaa paljon mahdollisuuksia rakennusten älykkääseen ohjaukseen, mutta käytännön sovelluksissa on edelleen ratkaistavia haasteita. Erityisesti eri rakennuksissa luotettavasti toimivien menetelmien kehittäminen vaatii lisää tutkimusta.

Katsaus nostaa esiin myös avoimien tutkimusaineistojen ja menetelmien merkityksen. Niitä tarvitaan, jotta eri tutkimusten tuloksia voidaan vertailla ja ratkaisuja hyödyntää nykyistä laajemmin.

Tutkimus:
A Systematic Review of Sensor-Based Machine Learning Methods for Building Occupancy Estimation (2026). IEEE Access. DOI: 10.1109/ACCESS.2026.3741999

Rakennus voi olla osa energiajärjestelmää

Tutkimusten yhteinen viesti on kiinnostava: rakennus voi tulevaisuudessa olla aktiivinen osa energiajärjestelmää sen sijaan, että se olisi vain energian käyttäjä.

Rakennusten automaation, anturidatan ja tekoälyn avulla energiankulutusta voidaan sovittaa sekä käyttäjien tarpeisiin että sähköjärjestelmän tilanteeseen. Samalla ratkaisuissa on huolehdittava sisäolosuhteista ja rakennusten käyttäjien hyvinvoinnista.

Hankkeen tulokset luovat pohjaa ratkaisuille, joissa rakennukset mukautuvat käyttäjiensä tarpeisiin, käyttävät energiaa nykyistä älykkäämmin ja voivat samalla tarjota joustoa sähköjärjestelmälle.