System bazuje na algorytmach uczenia maszynowego (ARIMA, regresja liniowa, sieci neuronowe LSTM, XGBoost, itp.) Predykcje generowane są w dwóch trybach: na kolejną dobę oraz na kolejną godzinę. Zakres danych treningowych obejmuje odczyty godzinowe na poszczególnych instalacjach, warunki atmosferyczne, itp. System generuje codziennie ponad 300 modeli AI, uzyskując skuteczność około 95%. Modele zostały wdrożone i zintegrowane z innymi systemami (poprzez API).
System powstał w architekturze hybrydowej: dane są gromadzone i integrowane on-premise, następnie są anonimizowane i wysyłane do chmury. W chmurze odbywa się uczenie modeli AI, następnie gotowe modele są kopiowane do systemów on-premise (następuje deanonimizacja). Infrastruktura chmurowa jest wykorzystywana wyłącznie od uczenia modeli AI.
