Granlund palkitsi parhaita opinnäytetöitä

Vuoden opinnäytetyö -kilpailun voittajatöissä tutkittiin leikkaussalien ilmanvaihtoa sekä kysyntäjoustoa.

Granlundilla valmistui viime vuonna jopa 50 prosenttia enemmän opinnäytetöitä kuin vuotta aikaisemmin. Kaikkiaan opinnäytteitä tehtiin 35 kappaletta, joista 15 oli diplomitöitä, 3 ylempää AMK-työtä ja 17 insinöörityötä. ”Todella hyviä töitä oli viime vuonna paljon, joten palkittavien valinta oli tällä kertaa erityisen haastava”, Granlundin Innovaatiot- ja kehitysosaston johtaja Tuomas Laine sanoo.

Parhaiden töiden valinnassa vaa’assa painoivat  tieteelliset ansiot, ulkopuolinen rahoitus sekä opinnäytteen hyödyt Granlundille.

Leikkaussalin ilmanvaihtomittauksille ensimmäinen palkinto

Ensimmäisen palkinnon nappasi Aleksanteri Setälä, 29, (kuvassa oikealla) opinnäytetyöllään Leikkaussalin ilmanvaihdon todentamismittaukset.

Setälä tutki suomalaisten leikkaussalien ilman puhtautta leikkaustilanteissa. Vastaavaa tutkimusta ei ole Suomessa – tai muuallakaan – juuri tehty. Leikkaussalien ilmanvaihdon mitoitukselle ei ole tällä hetkellä olemassa standardoitua ohjetta. Tilanne on kuitenkin muuttumassa, sillä CEN-standardi on suunnitteilla. Setälän tutkimus tuo tulevan standardin suunnitteluun arvokasta tietoa esimerkiksi puhtausluokkien raja-arvojen määrittelyyn.

Setälän tutkimuksen positiivisesti yllättävä tulos oli, että suomalaisissa leikkaussaleissa ilman puhtaus leikkaustilanteissa on erittäin hyvällä tasolla.

Tekoälyn hyödyntämistä kysyntäjoustossa

Hopealle Vuoden opinnäytetyö -kisassa ylsi  Joel Sarasti, 27, (kuvassa keskellä) työllään Evaluation of load shifting potential in Espoo district heating network using a model predictive approach.

Sarastin aihe liittyy tekoälyyn ja sen hyödyntämiseen kaukolämmön kysyntäjoustossa. Sarasti on opiskellut energiatekniikkaa Aalto-yliopistossa, ja hänellä on sivuaineena ollut strateginen johtaminen. Lisäksi hän on opiskellut data-analytiikkaa.

Sarasti kehitti kysyntäjoustoalgoritmin lisäksi myös simulointiympäristön, jossa algoritmia voi testata.

”DI-työni tuloksena tuli todistettua, että malliperusteinen ennustava algoritmi soveltuu hyvin kaukolämmön kysyntäjoustoon. Sen avulla pystyy vähentämään noin 50 prosenttia energiankulutusta piikkituntien aikana, ja silti sisäilmaolosuhteet pysyivät koko ajan hyvinä”, Sarasti sanoo.

Ilmanvaihdon avulla kustannussäästöjä

Kolmanneksi Vuoden opinnäytetyö -kisassa sijoittui Waltteri Salmi, 28, (kuvassa vasemmalla) työllään Cost optimised demand response strategies with air-conditioning in office buildings.

Salmi tutki, miten toimistorakennuksessa voidaan leikata sähkö- ja kaukolämpötehoja ilmanvaihtoa hyödyntämällä. Kysyntäjoustoa toteutettiin eri strategioilla. Toisessa strategiassa leikattiin huipputehoja ja toisessa maksimoitiin hetkellisiä tehon pudotuksia sääennusteen ja spot-hintojen perusteella. Salmen mukaan huipputehoja minimoivalla strategialla pystytään pudottamaan sekä sähkön että kaukolämmön tehoja yli 20 prosenttia kiinteistössä.

”Käytännössä tämä työ on avannut mahdollisuuden suunnitella rakennus niin, että se voi osallistua kaukolämmön ja sähkön kysyntäjoustoon”, Salmi sanoo.