Smart Energy: predecir el consumo para detectar desviaciones

Monday, November 14, 2016

Smart Energy: predecir el consumo para detectar desviaciones


By Elena Cruz Martín (Data Scientist) and Francisco Javier Vilchez Torralba (Intern) at LUCA.



No han pasado ni 150 años desde que Thomas Alva Edison patentó su bombilla. Sin embargo, en un mundo donde el avance tecnológico es tan rápido en unas décadas hemos pasado de sorprendernos por poder tener luz por la noche a un consumo masivo de energía: ya no solo no nos maravillamos por esto, sino que damos por supuesto que en nuestros edificios tendremos la iluminación correcta para cada hora del día y que en nuestra oficina habrá unos agradables 22º. 


Smart energy
Figure 1: Smart Energy: utilizar algoritmos para predecir desviaciones

Cada vez somos más conscientes del coste implicado, no solo económico, sino también para el Planeta. Por eso, cada día aparecen equipos más eficientes e inteligentes para reducir el gasto de energía y normativas que obligan a racionalizar el consumo. Telefónica dispone ya de productos de eficiencia energética que ayudan a las empresas a hacer una mejor gestión de sus instalaciones y recursos, disminuyendo el consumo energético…pero ¿podemos conformarnos solo con esto? La respuesta de un ingeniero va a ser siempre un rotundo ¡NO! 

Desde LUCA hemos estado hablando con los responsables de los productos, para conocer cuáles son esas preguntas a las que, con las herramientas actuales, no pueden darles respuesta, y hemos encontrado que unas de las cosas mas preocupantes son los ‘Expedientes X’: ¿Por qué en una oficina aparece un pico de consumo que no sabemos explicar? ¿Por qué hay días que gasto más que otros similares? Una vez conocimos estas preguntas, nos pusimos manos a la obra para construir un sistema que permita predecir cuál va a ser el consumo de energía y avisar, casi en tiempo real, de las desviaciones en este para poder analizarlas.




Empezamos construyendo nuestro algoritmo de predicción usando datos de consumo energético como series temporales. Además de saber que necesitábamos datos de más de un año para poder detectar variaciones estacionales (diferencias de comportamiento que se repiten en determinados meses), hemos visto que los datos de consumo únicamente no nos son suficientes, necesitamos más fuentes de datos: información de temperatura dentro y fuera de las oficinas, ya que el aire acondicionado suele ser uno de los sistemas de mayor consumo; datos sobre el calendario laboral de las ciudades, conocimiento sobre el número de personas en cada momento en los edificios…y un largo etcétera de datos que iremos filtrando y refinando en sucesivas versiones del algoritmo. Todos estos datos están convenientemente anonimizados y protegidos, para que la privacidad de nuestros clientes quede siempre garantizada.

Un buen algoritmo, necesita una herramienta de visualización que permita la interpretación de sus resultados por los usuarios. En nuestro caso se optó por hacer uso de Spotfire, que permite representar información de forma interactiva e intuitiva. Para su desarrollo se hicieron uso de datos de distintas oficinas dentro de España. La interfaz se divide en dos zonas: filtrado de datos y visualización.

Herramienta Smart Energy
Figure 2: Nuestra herramienta de Smart Energy

El filtrado de datos permite seleccionar ciudad, oficina y sensor que queremos analizar, de modo que el usuario puede acceder rápidamente a los datos que le son útiles. En cuanto a la visualización, se le muestra al usuario la diferencia existente entre el consumo de energía previsto y el real, para que pueda analizar y actuar sobre los puntos conflictivos.

Con esto damos herramientas para controlar el consumo energético en base a predicciones, pudiendo detectar algún tipo de anomalía que se salga del comportamiento esperado, para poder tomar medidas de forma inmediata para hacer un uso eficiente de la energía, reduciendo costes e impacto medioambiental. Desde LUCA estamos trabajando para incorporar este producto a la gestión energética de Telefónica y esté disponible para los clientes lo antes posible.

No comments:

Post a Comment