Ślady energetyczne, czyli droga do świadomego konsumenta energii - PGE Nowa Energia

Ślady energetyczne, czyli droga do świadomego konsumenta energii

Zdaniem wielu ekspertów, spośród odbiorców indywidualnych energii w Polsce, rośnie odsetek konsumentów aktywnych tj. takich którzy nie tylko podejmują decyzje ekonomiczne związane z wyborem sprzedawcy energii lecz przede wszystkim, wykazują gotowość do zmiany swoich zachowań konsumenckich, powodujących zużycie energii elektrycznej. Zanim jednak podejmą oni konkretne działania, muszą stać się odbiorcami bardziej świadomymi i to w stopniu wykraczającym poza zrozumienie powszechnie stosowanego mechanizmu „prognoza-rozliczenie” czy znajomość wysokości własnych rachunków za energię. Głównym bodźcem do tego jest wiedza o wolumenie energii zużywanej w funkcji czasu czyli znajomość swojego profilu zużycia dziennego, tygodniowego itd.

Największe oczekiwania programu „Włącz się na przyszłość” związane są właśnie z zaawansowanym analizowaniem danych pomiarowych, które pozwoliłoby wyznaczyć profil zużycia dla danego gospodarstwa lecz nie tylko jako całkowite zużycie w wybranej jednostce czasu ale z podziałem na typy, rodzaje urządzeń elektrycznych. Wypracowanie takich informacji z bardzo dużej ilości pozyskiwanych w Smart Energy danych pomiarowych jest możliwe i chociaż ma duży potencjał dla zbudowania unikatowych produktów energetycznych dla użytkownika, wymaga opracowania złożonych algorytmów liczących, potrafiących przetwarzać mnóstwo pozyskanych danych pomiarowych, a także uczyć się rozwijać.

W przypadku algorytmów machine learning, punktem wyjściowym jest… nauczenie systemu poszczególnych typów odbiorników poprzez dostarczenie mu tzw. śladów energetycznych (energy fingerprints) czyli charakterystycznych zmian w poborze mocy spowodowanych przez urządzenia danego rodzaju.

Rola świadomego odbiorcy sprowadza się tutaj do uruchomienia „skanowania” sieci elektrycznej w trakcie działania danego odbiornika oraz wskazania w aplikacji jego typu (np. czajnik, pralka, żelazko). System zaś zadba o agregację danych pomiarowych, ich anonimizację, przesłanie i przetworzenie w chmurze obliczeniowej aby w końcu dostarczyć odbiorcy zrozumiałą informację zwrotną (zestawienia danych wraz z komentarzem).

Poprawnie skonstruowany algorytm, któremu zapewniono wystarczająco dużą bazę fingerprintów pozwoli na cykliczne dostarczanie odbiorcy raportów energetycznych zawierających m.in.:

  • zestawienia czasowe i wolumenowe energii zużytej przez poszczególne urządzenia domowe;
  • notyfikację i alerty związane z ponadnormatywnym poziomem zużycia energii przez wybrane odbiorniki;
  • pozycję w statystycznym rankingu energooszczędności wraz z poradami z czego ona wynika i czy jest pole do optymalizacji zużycia;

a w dalszej perspektywie nawet

  • informacje diagnostyczne o stanie technicznym urządzeń oraz porady odnośnie ich lepszej eksploatacji.

W przyszłości, algorytmy przetwarzające pozyskany z gospodarstwa domowego strumień big data elektryczno-energetyczny, będą uwzględniać również szereg czynników związanych ze zmiennością pogody, czy wręcz typowe zachowania i preferencje mieszkańców danego gospodarstwa. Wówczas stanie się możliwe nie tylko stwierdzenie co, kiedy i w jaki sposób zużywa energię, lecz również wymodelowanie wzajemnych zależności pomiędzy czynnikami, predykcję zdarzeń i wysterowanie wszelkich urządzeń wykonawczych zintegrowanych z systemem Smart Energy.

Gospodarstwo domowe zasłuży na przydomek smart wtedy, gdy to nie mieszkańcy będą programować i sterować automatyką domową, lecz systemy zaczną samodzielnie dopasowywać się do człowieka. Jednak najpierw to świadomy odbiorca musi pomóc systemom poznać swoje urządzenia domowe poprzez zbieranie fingerprintów.