Soms is een blik van buitenaf voldoende om een ​​probleem op een innovatieve manier aan te pakken. En het afleiden van het elektriciteitsverbruik in een gebouw zonder een meter te gebruiken, kan zo simpel zijn als het correleren van de gemiddelde bezetting op een bepaald moment.

Het meten van het elektriciteitsverbruik kan tijdrovend zijn of de installatie van dure apparatuur vereisen die regelmatig moet worden bijgewerkt. In vergelijking, transportingenieurs gebruiken slechts af en toe sensoren om het exacte aantal voertuigen op een bepaald stuk weg te meten, liever het gebruik van de route afleiden.

Chee-Wooi Ten, universitair hoofddocent elektrotechniek en computertechniek, en Kuilin Zhang, universitair hoofddocent transportsystemen en informatica, beide aan de Michigan Technological University, staken de koppen bij elkaar om een ​​interdisciplinaire benadering te creëren voor het modelleren van elektriciteitsverbruik met behulp van gevolgtrekkingen en gecorreleerde bezettingsinformatie.

Aanvullend, met behulp van de methoden van de onderzoekers in het kader van COVID-19, de quasi-online correlatie tussen bezetting binnen een specifieke locatie en elektriciteitsverbruik thuis kan leiden tot een verschuivende belasting van thuisblijvers. In het bulkstroomsysteem, onderzoek suggereert dat er een aanzienlijke vermindering is van de elektriciteitsbelasting in de gemeenschappelijke ruimtes - kantoorgebouwen en uitgaans- en winkelgebieden - in een regio.

Specifieker, deze studies kunnen worden gebruikt om te bepalen of maatschappelijke overeenstemming met nationale aanbevelingen om thuis te blijven om de curve af te vlakken optreedt. Aangezien de meeste mensen tegenwoordig een smartphone hebben, geaggregeerde ruimtelijke informatie verbindt met individuen. In deze kritieke tijd, de betrouwbaarheid van de stroomvoorziening aan individuen is van vitaal belang voor degenen die thuis blijven en werken. Deze informatie kan van vitaal belang zijn om de kwaliteit van leven thuis af te leiden en te verbeteren.

Ten en Zhang publiceerden "Establishment of Enhanced Load Modeling by Correlating with Occupancy Information" in het tijdschrift IEEE Transactions on Smart Grid samen met co-auteurs van Michigan Tech, het Global Energy Interconnection Research Institute North America en de School of Technology and Engineering aan de University of Washington-Tacoma.

De paper stelt een statistische benadering voor - een regressiemodel dat de bezetting binnen fysieke nabijheid en bijbehorende belastingen correleert om een ​​tijdsafhankelijk model te genereren - om de correlaties tussen geschatte bezetting van gebouwen vast te stellen op basis van eenvoudige sensoren die we allemaal in onze zak hebben - mobiele telefoons.

“Als er geen mensen bij betrokken zijn, er is hoogstwaarschijnlijk geen elektrische belasting, ' zei Tien. 'Straatlichten hebben een constante waarde. Verkeerslichten, te. Maar in winkelcentra fabrieken en huizen, je karakteriseert het consumptiegedrag op basis van wanneer mensen er zijn. Op basis van het aantal bewoners in een gebouw, we kunnen het elektriciteitsverbruik afleiden en daar een profiel van maken, dus we stoppen er niet per se een meter in om het vermogen te meten."

Ten merkte op dat hij elektrisch gebruik kon modelleren voor het Electrical Energy Resources Centre (EERC), een academisch gebouw met meerdere verdiepingen op de Michigan Tech-campus, op basis van klasaanmeldingen en lestijden. Een andere manier om de bezetting in gebouwen af ​​te leiden, kan zijn gebaseerd op locaties van mobiele telefoons en van apparaten op het Internet of Things (IoT), ongeveer hetzelfde als hoe Google of de app Waze realtime verkeersgegevens van mobiele telefoons verkrijgt om congestie op wegen af ​​​​te leiden.

"Slimme en verbonden apparaten, zoals smartphones en geconnecteerde voertuigen, zijn op grote schaal gebruikt als crowdsourced-sensoren om individuele trajectgegevens te verzamelen om menselijke activiteit en reisgedrag op elke locatie en weg langs het traject te begrijpen, ' zei Zhang.

De tijd die een persoon (geschat op basis van smartphone- of voertuiggegevens) op een bepaalde locatie doorbrengt, levert bezettingsgegevens op die kunnen worden gebruikt om belastingpatronen op het elektriciteitsnet te begrijpen.

Tien merkt op dat door gebruik te maken van statistische correlaties, nutsbedrijven zouden kunnen besparen op het installeren van meters, een aanzienlijke investering vooraf. Voor incidentele meterstanden persoonlijk, bedrijven zouden tijdelijke slimme meters kunnen gebruiken om de correlaties te controleren.

"Vanwege mobiele telefoons, die uit de cloud kunnen worden gehaald, de manier waarop verkeersopstoppingen worden gevolgd, is veranderd, Tien zei. "Hoe je een probleem ziet, is hoe je het probleem begrijpt. We benaderen dit probleem vanuit een interdisciplinaire invalshoek op een manier die ontwrichtend kan zijn, niet incrementeel."

Toekomstig onderzoek omvat het gebruik van blok-voor-blok gegevens van bewoners (in plaats van per individueel huishouden) om te schatten tussen verschillende stroomverdelingen, hoeveel stroom er door zal stromen en hoeveel inzittenden op basis van het tijdstip van de dag.