Az iOKOS Corp egy innovatív magyar technológiai vállalat, amely intelligens energiakezelési megoldásokat fejleszt a fenntartható jövőért. 2022-ben alapított cégünk mesterséges intelligencia, blockchain technológia és IoT eszközök integrálásával forradalmasítja az energiatermelést, -tárolást és -kereskedést.
Termékportfóliónk magában foglalja az iDEC közösségi energiarendszert, az iHOME okos épületkezelőt, az iPOWER napenergia farm menedzsmentet, valamint az iAQUA víz- és iDIAG autóipari megoldásokat. Az IENN (Intelligent Eco Node Network) platformunk lehetővé teszi épületek, járművek és közösségek számára, hogy részt vegyenek egy zökkenőmentes energia ökoszisztémában.
Küldetésünk az energia demokratizálása intelligens, elosztott rendszereken keresztül, ahol minden kilowattóra értéket teremt. Víziónk egy olyan világ, ahol közösségek energiafüggetlenséget érnek el intelligens összekapcsolódás révén, maximalizálva a hatékonyságot és minimalizálva a környezeti hatást.

Az ügyfél egy közepes méretű kereskedelmi társaság, amely egy országos franchise hálózat tagjaként működik. Az érintett kiskereskedelmi egység mintegy 600 négyzetméter alapterületű, napi tizennégy órás nyitvatartással hétköznap, hétvégén pedig rövidebb nyitvatartási idővel üzemel. Az épület néhány éve részben korszerűsített, rendelkezik közel 35 kWp csúcsteljesítményű napelemes rendszerrel és korszerű LED világítással. Éves villamos energia fogyasztása meghaladja a 130.000 kWh-t, míg földgázfogyasztása rendkívül alacsony, mivel a temperálást elsődlegesen klímaberendezések biztosítják. A létesítmény jelentős, közel 24 kW összteljesítményű hűtéstechnikai infrastruktúrával rendelkezik, amely húsz különböző hűtőberendezésből áll. A tulajdonos hálózat több tucat hasonló egységet üzemeltet országszerte, amelyek számára skálázható, központilag felügyelhető energiamenedzsment megoldásra van szükség.
A kiskereskedelmi egység több, egymással összefüggő energetikai kihívással szembesült, amelyek jelentős költségtöbbletet okoztak és korlátozzák a jövőbeli bővítési lehetőségeket. A meglévő napelemes rendszer által termelt energiát nem tudták hatékonyan összehangolni a tényleges fogyasztási mintázatokkal, így jelentős mennyiségű villamos energiát kellett kedvezőtlenebb feltételekkel visszatáplálni a hálózatba ahelyett, hogy helyben hasznosították volna. A részletes, valós idejű energiamonitoring hiánya miatt nem volt rálátás a fázisonkénti fogyasztásra és az egyes berendezések energiaigényére, így lehetetlen volt azonosítani a pazarló eszközöket és az energiafelhasználás ineffektivitásait. A szezonális fogyasztási csúcsok kezelése sem volt optimalizált, különösen a nyári hűtési és téli fűtési időszakokban, mivel nem állt rendelkezésre időjárás-előrejelzésre alapozott prediktív szabályozás. Az épület működése teljes mértékben manuális, reaktív módon zajlott, nem volt automatizált jelenlét-alapú világítás- és klímavezérlés, a beállításokat a személyzetnek kellett elvégezni, gyakran nem optimális időpontban vagy módon. Végül, de nem utolsósorban, a franchise hálózat több mint harminc üzlete és franchise partnerei számára egységes, központilag felügyelhető megoldásra volt szükség, amely lehetővé tenné a tapasztalatok megosztását és a skálázható energiahatékonysági fejlesztéseket a teljes hálózatban.
A bevezetett mesterséges intelligenciával támogatott energiamenedzsment platform négyfázisú megközelítéssel valósult meg. Az első szakaszban hat hónapon át zajlott a monitoring infrastruktúra kiépítése: háromfázisú teljesítménymérés, kritikus fogyasztók egyedi követése, napelem-termelés valós idejű monitorozása, valamint hőmérséklet-, páratartalom- és jelenlétérzékelők telepítése. Ez lehetővé tette a fogyasztási mintázatok feltérképezését és az optimalizálási pontok azonosítását.
A második fázisban a szakértők a gyűjtött adatok alapján kézi beavatkozásokat végeztek, visszamérték hatékonyságukat, és kidolgozták az automatizálás alapját. A harmadik szakasz az automatizációt jelentette: időjárás-alapú prediktív temperálás-szabályozás, napelem-termelés előrejelzése és fogyasztás-igazítás, távollét esetén automatikus lekapcsolások, valamint biztonsági rendszerek integrációja. A negyedik fázisban a rendszer gépi tanulással finomhangolja működését és folyamatosan optimalizálási javaslatokat generál.
Az eredmények jelentősek. Mintegy harmadával csökkent a temperálási energia, mintegy negyedével a világítási energia, míg a napenergia-hasznosítás hatékonysága közel ötödével nőtt. Az automatizált működés, távfelügyelet és prediktív vezérlés további üzemeltetési megtakarításokat eredményezett. A karbantartási költségek mérséklődtek a megelőző karbantartás hatékonyságnövekedése, az alkatrészek hosszabb élettartama és a munkaerő-optimalizálás révén. A bevételi oldalon a precízebb hűtésszabályozás javította a termékminőség-megőrzést és csökkentette a veszteséget, az optimális környezeti paraméterek növelték a vásárlói komfortot, a készletforgás felgyorsult. A beruházás várhatóan kettő-négy év alatt megtérül, miközben a rendszer folyamatosan tanul és egyre pontosabb javaslatokat állít elő.