En el mundo actual, se hace imprescindible tanto la optimización de recursos como la reducción de la contaminación ambiental. El estudio y optimización del consumo energético, así como la búsqueda de eficiencias en las diferentes fuentes de energía a utilizar, se han vuelto una necesidad imperiosa en un mundo en el que los recursos se vuelven escasos y la conciencia ecológica está calando en las personas.
Así pues, todos los consumidores de energía, tanto usuarios particulares como empresas tienen la necesidad de reducir el consumo manteniendo las mismas prestaciones, con la consecuente reducción de costos o aumento de beneficios que esto conlleva, promoviendo de este modo la sostenibilidad económica, política y ambiental.
Necesidades
•Determinar y comprobar la relación entre diferentes variables para determinar su influencia en el consumo.
•Obtener patrones de consumo en determinados ambientes.
•Correlar medidas locales de indicadores ambientales con datos meteorológico y consumos.
•Determinar acciones de optimización de consumo.
Datos de partida
•Base de datos que contiene la evolución del consumo y coste durante los meses de enero a mayo de 2016 de una vivienda tipo.
•La vivienda dispone de 9 estancias repartidas en dos alturas y para cada una de ellas se miden las condiciones de temperatura y humedad de cada una de las estancias de la vivienda (condiciones interiores), así como el consumo eléctrico de puntos lumínicos y resto de aparatos.
•Datos de presión atmosférica, velocidad del viento, visibilidad y puntos de rocío (condiciones exteriores).
Alcance
•Para poder determinar aquellas variables que mejor pueden determinar el potencial ahorro energético y las principales palancas que lo activan, se marca como objetivo técnico la construcción de modelos analíticos que partiendo de los patrones identificados, identifiquen los predictores que más aproximen la respuesta al objetivo de negocio perseguido.
Trabajo realizado
(Tratamiento de datos)
Tratamiento de datos
Tras obtener los datos del cliente se inicio el procesos de normalización de los datos, el cual consistió en:
Cambiar el formato de los datos.
Aplicar discriminación de tarifas horarias en el gasto de luz, así obtener el gasto en euros de la luz (light) y de los aparatos (appliances).
Creación de histogramas y gráficas
Modelización descriptiva
Una vez normalizados los datos se inicio la visualización de estos.
Para visualización de los datos se usaron diferentes alternativas.
•Qlik View
•Power BI
Se mostró realizaron comparativas del consumo total en función de las temperaturas y humedades exteriores e interiores a la edificación. No solo fue realizada esta comparación, también en el modelo descriptivo se comparó el consumo de la edificación con las demás variables.
•Temperatura de rocío
•Velocidad del viento
•Visibilidad
•Presión …
Modelización predictiva
Una vez entendido el negocio y realizada la visualización descriptiva de lo que los datos nos mostraban, se realiza una modelización predictiva para determinar cómo linfluyen las variables externas e internas en el modelo, se realiza un análisis en R Studio, con el fin de:
•Obtener la relación entre las variables.
•Obtener la importancia de las diferentes variables.
•Aplicación de modelos como GBM (Gradient Boosting Machine), RF (Random Forest)…
•Identificación de predictores.
•Análisis multi-variante.
•Visualización.
Se realizan los análisis estadísticos para el modelo predictivo con las siguientes librerías y en función de las variables de las que se disponía.
library(partykit)
library(gbm)
library(doParallel)
library(pROC)
library(corrplot)
library(psych)
library(Hmisc) library(lubridate)
Resultados
Resultado de los modelos aplicados para la predicción del consumo energético.
Resultados
En la modelización de patrones de consumo, no todas las variables influyen de igual manera en el consumo eléctrico. Por ejemplo, la visibilidad o el día de la semana apenas tienen influencia directa.
Con el modelo descriptivo y predictivo, se ha conseguido un cuadro de mandos de carácter descriptivo y predictivo con el que se podrá:
Ver los gastos de su edificación
Ver como varían los gastos en función de las variables externas e internas (T,HR,Presion…)
Poder tomar decisiones para disminuir el consumo.
Realizar simulaciones y predicciones del comportamiento en otra tipología de vivienda.
Con el modelo predictivo, se podrá aconsejar la implementación de nuevas tecnología en base al comportamiento esperado dentro de una tipología de edificio y uso de los dispositivos eléctricos para aprovechar de las variables externas como por ejemplo:
La visibilidad para Implantar y dimensionar paneles solares así disminuir el gasto energético.
Es posible el uso de cuadros de mando descriptivos que incluyan la variable predictiva, para plasmar la evolución del consumo en cualquier otro tipo de vivienda y sugerir cambios de consumo y de dispositivos que permitan mejorar el consumo.
Aprendemos del pasado observando como se relacionan los datos.
Analizamos los datos, obtenemos datos de valor y ofrecemos respuestas a las preguntas de negocio.
Ofrecemos soluciones tecnológicas que apoyan la transformación de nuestros clientes.
