Atlikti tyrimai parodė, kad vien Panevėžio mieste yra 86 proc. nerenovuotų ir energetiškai neefektyvių pastų, kurie skatina bereikalingą šilumos energijos švaistymą. Tokiu būdu yra teršiama aplinka, didėja pastatų išlaikymo kaštai. Šiai dienai rinkoje siūlomi tradiciniai metodai, kurie skirti tausoti šilumos energiją: pastatų renovavimas, šilumos punkto modernizavimas, gana sudėtingos ir kompleksinės šilumos automatikos valdymo sistemų integravimas į pastatą.

Pastebima, kad kiekvienas pastatas turi ir skirtingus šilumos eikvojimo šaltinius: langai, sienos, stogas, šalčio tiltai, per kuriuos šilumos energija yra nevaldomai eikvojama, taip pat ir žmogiškieji įpročiai. Atsižvelgiant į šilumos energijos eikvojimo problematiką, kilo idėja sukurti save besimokantį statistinį algoritmą, kurį sumodeliuoja dirbtinio intelekto skaitmeninės priemonės.

Pasiūlyto algoritmo paskirtis – teikti statistines rekomendacijas, susijusias su šilumos energijos kiekiu, užtikrinant šilumos ergonomiką patalpose. Algoritmas taip pat padės įvertinti bendros šildymo sistemos temperatūrų skirtumus, atsižvelgiant į šalčiausio pastato patalpos temperatūrą, lauko temperatūrą, drėgmę, vėjo greitį ir prognozuojamą temperatūrą.

2018 m. rugsėjo mėnesį buvo pradėti projekto temperatūrinio įrenginio komponentų parinkimo darbai. Telemetrinės įrangos sukūrimui buvo pasirinkti mikrokompiuteriai bei skaitmeniniai temperatūros ir drėgmės matavimo įtaisai. Kadangi šie įrenginiai eksploatuojami šilumos punktuose ir auditorijose, todėl papildomai buvo integruoti 3G mobilaus interneto ryšio modemai. Surinkus įrenginius kelis mėnesius lokaliomis sąlygomis buvo testuojamas ir stebimas telemetrinių įrenginių stabilumas.

Lygiagrečiai minėtų darbų taip pat buvo ruošiama temperatūrinių duomenų saugojimo vieninga sistema, telemetrinių įrenginių siunčiamoms reikšmėms saugoti. Algoritmo kūrimo etape, pasitelkti neuroniniai dirbtiniai tinklai. Apmokyto dirbtinio neuroninio tinklo tikslas – išmokti įvertinti energijos suvartojimo kiekį užtikrinant ergonomišką temperatūrą patalpoje. Algoritmas mokomas pateikiant jam 4 dienų orų prognozę, santykinę oro drėgmę, vėjo greičius, patalpų temperatūrą, patalpų apkrovimą (valandomis), laisvadienius ir paros valandas. Apmokytas tinklas gali nustatyti, kokį energijos kiekį suvartos 4 dienų eigoje, ar kokia temperatūra bus šalčiausioje pastato patalpoje.

Besimokančiam algoritmui reikalingas, didelis duomenų ir variacijų kiekis, kuris sukaupiamas vieno šildymo sezono metu. Dirbtinio intelekto algoritmas realiame laike persimoko su naujausiais iš tyrimo objekto gautais duomenimis, taip įvertinant algoritmo mokymosi kokybę ir intensyvumą. Telemetriniai įrenginiai sumontuoti Panevėžio Minties gimnazijoje ir Panevėžio kolegijoje.