ระบบจัดการพลังงานทั่วไปตอบสนองต่อสิ่งที่เกิดขึ้นแล้ว ระบบ Predictive Energy Forecasting ใช้ AI คาดการณ์ล่วงหน้า 24–48 ชั่วโมง เพื่อเตรียมบ้านให้พร้อมก่อนที่ความต้องการพลังงานจะพุ่งสูง
ข้อมูล 4 ประเภทที่ AI ใช้ในการคาดการณ์
ข้อมูลที่ 1: Weather Forecast Integration — API ของกรมอุตุนิยมวิทยาและ Weather Service เชิงพาณิชย์ให้ข้อมูลอุณหภูมิ ความชื้น และดัชนี UV ล่วงหน้า 48 ชั่วโมง เมื่อ AI คาดว่าวันพรุ่งนี้อุณหภูมิจะสูงกว่า 35°C จะสั่ง Pre-Cool ห้องก่อน 07:00 น. ก่อนที่ราคาไฟจะเข้าสู่ช่วง On-Peak ข้อมูลที่ 2: Occupancy Prediction — ผสานข้อมูลจาก Calendar ดิจิทัลของผู้อยู่อาศัย วัน Work-From-Home กับวันออกไปทำงาน วันหยุด และนัดหมายต่างๆ ช่วยให้ระบบปรับโหมดพลังงานได้ล่วงหน้า ไม่ต้องรอให้ตรวจพบการเคลื่อนไหวจริง ข้อมูลที่ 3: Historical Usage Pattern — Machine Learning วิเคราะห์รูปแบบการใช้พลังงาน 6–12 เดือนย้อนหลัง สร้าง Baseline โหลดของแต่ละชั่วโมง แต่ละวัน และแต่ละฤดูกาล โมเดล ML ที่ผ่านการ Train มาดีสามารถคาดการณ์โหลด HVAC ได้แม่นยำ 85–92% ข้อมูลที่ 4: Real-Time Price Signal — สำหรับระบบที่เชื่อมต่อกับ Smart Meter ของ MEA หรือ PEA สามารถรับสัญญาณราคาไฟฟ้าแบบ Real-Time และปรับกลยุทธ์ BESS Discharge และ Load Shifting โดยอัตโนมัติตามราคาจริงในขณะนั้น
HVAC Pre-Conditioning Strategy
หนึ่งในการประยุกต์ที่ให้ผลดีที่สุดคือ HVAC Pre-Conditioning: เมื่อ AI คาดการณ์ว่าบ้านจะมีผู้อยู่อาศัยในอีก 60 นาทีและอุณหภูมิภายนอกจะสูงมาก ระบบเริ่มทำความเย็นล่วงหน้าในช่วง Off-Peak ทำให้ถึงอุณหภูมิเป้าหมายโดยใช้ไฟฟ้าราคาถูก แล้วลดกำลังลงเมื่อเข้า On-Peak โดยอาศัยความเย็นที่สะสมไว้ ประหยัดค่าไฟ HVAC ช่วง On-Peak ได้ 20–35%
Energy Budget Control
ระบบ AI กำหนด Monthly Energy Budget เป็นบาท แล้วคาดการณ์วันต่อวันว่างบจะถูกใช้ไปเท่าไหร่ หากคาดการณ์ว่าจะเกินงบ ระบบจะปรับ Temperature Setpoint ขึ้น 0.5–1°C หรือเลื่อนโหลด Non-Critical ออกไปโดยอัตโนมัติ แจ้งเตือนผ่าน LINE OA หากจำเป็นต้องดำเนินการด้วยตนเอง