Utforska potentialen för generativ AI-baserad datasyntes för framtidens energisystem: data, modeller, bias och implikationer (EPAi)

Beskrivning

Uppvärmning och kylning är centrala aspekter för att minska energianvändningen i bostadssektorn. Att förutsäga byggnaders energiprestanda är dock för närvarande en svår uppgift, delvis på grund av att energianvändningsdata från slutanvändare är otillgängliga eller ibland saknas. Därför syftar detta projekt till att utveckla en ram för att generera syntetiska data för den svenska byggda miljön för att förbättra energiprognoser och hantering av topplast i värmesystem. Genom att göra detta strävar vi efter att skapa en bättre förståelse för hur energi används, av vem och vid vilka tidpunkter. Detta kommer att hjälpa till att planera för topplaster på nätet samt förbättra möjligheten att förutsäga slutanvändarnas energibehov och mer exakta utformningar av värme- och kylsystem.

Projektet kommer också att bidra till framtida energisystem i ett bredare perspektiv genom att utveckla en socio-teknisk och etisk metodologisk ram för att arbeta med syntetiska energidata. Projektet kommer att kartlägga tillgängliga data tillsammans med intressenternas behov. Data kommer att samlas in och förberedas som träningsdata för att utveckla och utvärdera en modell för syntetiska data. Projektteamet är tvärvetenskapligt, vilket kommer att säkerställa integrationen av socio-tekniska, etiska och genusaspekter av energianvändning och syntetiska data.