Неинтрузивный мониторинг нагрузки (NILM), также известный как виртуальная дезагрегация, представляет собой управляемый данными подход к определению рабочего состояния (вкл./выкл.) и точного энергопотребления отдельных электрических нагрузок, принимая во внимание только совокупное потребление этих нагрузок. нагрузки. В этом отчете мы рассмотрим, почему и где NILM может помочь обезуглероживанию энергии в зданиях.

Разработки NILM восходят к 1992 году с первоначальными усилиями Харта [1, 2], а затем сильно продвинулись вперед благодаря разработкам в области искусственного интеллекта и машинного обучения (ML). Как подразумевают термины «виртуальный» и «ненавязчивый», этот метод реализуется с минимальным прерыванием работы здания и его микросети. Измерения получаются только от одного интеллектуального счетчика (рис. 1), поэтому нет необходимости развертывания дополнительного оборудования, которое увеличило бы сложность и стоимость установки.

Почему НИЛМ?

Наш опыт крупномасштабных пилотных проектов Builtrix с организациями, управляющими более чем 1000 зданий, распределенных по стране или, в некоторых случаях, по всему континенту, говорит нам о том, что основным недостатком умных зданий является покупка, установка и обслуживание многих устройств IoT. и датчики.

В отчетах указывается, что капитальные затраты на установку каждого интеллектуального счетчика электроэнергии составляют около 200 евро [3]. Эта стоимость в сочетании с нарушением работы жильцов во время установки не позволяет владельцам / управляющим недвижимостью покупать и устанавливать их. Однако стоимость и время установки — не единственная проблема, и развертывание такой огромной сенсорной сети, возможности подключения, сбора и хранения данных могут иметь разрушительные последствия для окружающей среды с точки зрения увеличения количества электронных отходов и выбросов углерода. Как однажды сказал один мудрый человек, «лучше меньше, да лучше», меньшие требования к оборудованию, предлагаемые NILM, поддерживают лучшие практики построения проектов по энергоэффективности и обезуглероживанию.

Требования к NILM

Основные требования к NILM исходят из трех основных источников: I – Коммунальные предприятия, II – Коммерческие и промышленные здания, III – Жилые здания.

Количество поставщиков коммунальных услуг в наших городах увеличивается. Поставщики электроэнергии ищут инновационные подходы, в основном предлагаемые малыми и средними предприятиями (МСП), чтобы улучшить взаимодействие с клиентами и выделиться на этих конкурентных рынках. Кроме того, NILM может даже создать новые потоки доходов для розничных продавцов энергии на основе потребностей потребителей, которые могут быть получены на основе их потребительского поведения. Очевидно, что NILM отлично подходит для этой цели, в то время как спрос со стороны розничных поставщиков продолжает расти. Между тем, коммунальные предприятия также считают NILM хорошим решением для управления гибкостью на стороне спроса. Таким образом, NILM помогает коммунальным предприятиям получать детализированные данные о потреблении в режиме реального времени и проводить действия по формированию нагрузки, такие как настройка ставок времени использования (ToU), управление местными энергетическими сообществами, развертывание фотоэлектрических установок, аккумуляторов и зарядных устройств для электромобилей. NILM помогает генерировать данные на уровне устройства и вносить более разумный вклад в гибкость со стороны спроса.

Коммерческим и промышленным зданиям нужны инструменты, которые помогут им не только оптимизировать свои энергетические активы для достижения экономии энергии, но и обнаруживать потенциальные неисправности оборудования до того, как дальнейшее ухудшение состояния вызовет более серьезные проблемы. Кроме того, правила устойчивого развития и потребность в динамической экологической сертификации подталкивают сервисные здания к необходимости получения более подробных данных о потреблении энергии.

Растущий уровень внедрения интеллектуальных бытовых приборов, электромобилей (EV) и фотоэлектрических установок, интегрированных в здания, демонстрирует растущее число производителей и потребителей энергии (так называемых просьюмеров), которые запрашивают детализированную и мгновенную информацию об их потреблении и выработке энергии, чтобы оптимизировать их. планы собственного потребления.

Бизнес-модели вокруг NILM

В текущих бизнес-моделях продукты на основе датчиков или SaaS предоставляют услуги детального мониторинга потребления в режиме реального времени и новые дополнительные услуги, основанные на анализе данных о потреблении. Эти бизнес-модели включают в себя:

B2C Услуга Plug-and-play с ключевыми дополнительными преимуществами, связанными с рекомендациями по распределению нагрузки для энергосбережения и домашней автоматизации для жилых зданий.

Услуги plug-and-play B2B (или в сочетании с существующими дополнительными счетчиками) с ключевой добавленной стоимостью, связанной с оптимизацией нагрузки для экономии энергии, профилактическим обслуживанием и обнаружением неисправностей для приборов и оборудования в коммерческом и промышленном секторах.

Услуги B2B2B в основном предоставляются с помощью продуктов с белой маркой или API, чтобы помочь коммунальным предприятиям улучшить взаимодействие с потребителями. Ключевые услуги с добавленной стоимостью включают в себя рынок, на котором потребители могут покупать новые энергоэффективные приборы, планы энергетической инфраструктуры (например, зарядная станция для электромобилей), разработку тарифов ToU и домашнюю автоматизацию для распределения нагрузки.

NILM как инструмент декарбонизации

Коммерческие здания во всем мире являются основным источником выбросов углерода, и изменение поведения в энергопотреблении в этих средах может привести к значительному сокращению выбросов парниковых газов (ПГ). Как указано в Директиве по энергоэффективности, Европейский союз (ЕС) взял на себя обязательство разработать к 2050 году устойчивую, конкурентоспособную, безопасную и обезуглероженную энергетическую систему. Для достижения этой цели особое внимание необходимо уделять строительному сектору, поскольку на него приходится 38,9% всей энергии, потребляемой в ЕС, и является одним из крупнейших секторов конечного потребления. Были предложены различные подходы к сокращению потребления энергии зданиями, в том числе принятие стандартов энергоэффективности зданий, поощрение реконструкции зданий и внедрение прикладных ИКТ-решений для автоматизации зданий, среди прочего.

Все эти инвестиции и развертывание устройств Интернета вещей нового поколения на базе 5G и других революционных технологий для быстрой и безопасной передачи данных формируют общее пространство данных об энергетике. Богатый пул данных — это первый шаг к продвижению инноваций в области энергетики на основе данных, основанных на анализе больших данных и машинном обучении. Эти инновации являются основой и интеллектуальным мозгом технологий автоматизации, ориентированных на работу и приведение в действие энергоемких компонентов зданий, таких как отопление, вентиляция и кондиционирование воздуха (HVAC), освещение, охлаждение, зарядные устройства для электромобилей (EV), фотоэлектрические установки. и Системы хранения. Основная ответственность этого мозга заключается в том, чтобы включить установленное оборудование для возобновляемых источников энергии, хранения, учета и автоматизации. При включении самых дорогих частей проектов интеллектуальных зданий (аппаратной части) окупаемость инвестиций (ROI) сокращается, и владельцы недвижимости могут чувствовать себя более комфортно с планами декарбонизации. Таким образом, такие решения, как NILM, которые не только снижают потребность в установке оборудования, но и предоставляют данные для принятия решений машинами и людьми, являются ключевыми инструментами интеллектуального строительства, разработанными с помощью данных и ИИ.

Основной драйвер рынка NILM

Основными драйверами рынка NILM являются внедрение интеллектуальных счетчиков в ЕС, рекламные акции и интенсивы в области цифровизации энергетики. Еще в 2014 году ЕС предложил документ, в котором излагается необходимость развертывания интеллектуальных счетчиков в странах-членах ЕС. Было предложено, чтобы каждая страна установила интеллектуальные счетчики электроэнергии во всех жилых и нежилых зданиях и к 2020 году достигла 80-процентного охвата. Теперь, в 2022 году, несколько стран ЕС превзошли свои требования и достигли второго этапа модернизации. Однако некоторые страны отстают от своих вех, а некоторые другие отказались от этого обязательства. Согласно Обзору Европейской комиссии в 2017 году, в среднем только 37% потребителей ЕС были оснащены умными счетчиками электроэнергии.

Германия, Чехия, Греция, Хорватия и Кипр были теми немногими странами, которые решили отказаться от развертывания в основном из-за неподготовленных юридических мер, неизвестного обмена данными и политик конфиденциальности или финансовых барьеров на пути покрытия расходов. Некоторые из этих проблем были решены на региональном или страновом уровне, и эти страны начали развертывание в рамках своих соглашений о «зеленых сделках».

Испания, Швеция, Финляндия, Эстония и Дания с более чем 80% развертыванием интеллектуальных счетчиков в 2020 году являются лидерами этого развертывания. Фактически, Испания имела ценовое преимущество в отношении интеллектуальных счетчиков (на 40% дешевле), и правительство потребовало их установки. Таким образом, они первыми достигли 100 % установки для домашних хозяйств в 2018 году и 40 % для нежилых помещений в 2019 году. Финляндия достигла 100 % развертывания своего целевого показателя и сейчас готовится ко второму развертыванию с более высоким данные о разрешении (15 минут) должны быть централизованы в концентраторе данных. Следует отметить, что многие другие страны, такие как Франция, Ирландия, Португалия и Литва, пытаются выполнить развертывание (развертывание 80–100%) к 2024 году.

Таким образом, будущее энергетики ЕС (возможно, к 2030 году) выглядит так, как будто в каждом здании будет один центральный счетчик, обеспечивающий высокое разрешение, но агрегированные данные об энергии. Это то, что разработчики модели NILM должны учитывать для развития своего рынка среди других технических критериев, таких как модель данных и вопросы совместимости.

Пример использования NILM в бизнесе

Я решил написать этот раздел о бизнес-кейсе Energy Gamification, чтобы поделиться своим опытом около 3 лет разработки программно-аппаратного продукта — и бизнеса — в этой области (Оптишауэр). Я и мой соучредитель вышли из бизнеса в 2020 году, получив обширные знания о масштабируемости. В 2017 году нам приходилось устанавливать по 3-6 умных счетчиков на номер в гостинице, чтобы иметь полное представление о потреблении электроэнергии. Помимо стоимости интеллектуальных счетчиков, время на установку и решение проблем с подключением было безумным! Хотя результаты пилотных проектов оказались успешными (см. краткий отзыв от отеля Marriott в Амстердаме), технология не была достаточно зрелой, чтобы поддерживать быструю интеграцию и масштабируемость продукта. Вот почему я восхищаюсь недавними усилиями по разработке машинного обучения в области виртуальной дезагрегации и считаю, что если бы NILM был доступен к тому времени, это могло бы помочь нам выйти на более крупные рынки.

Имейте в виду, что все технологические достижения в строительных системах непосредственно способствуют энергоэффективности всего на 42 %, что говорит о том, что влияние на энергосбережение в значительной степени зависит от поведенческой пластичности. Агентство ЕС по окружающей среде утверждает, что меры по изменению поведения могут обеспечить устойчивую экономию от 5% до 20% сверх технологических мер.

Согласно Оксфордскому словарю, геймификация означает: применение типичных элементов игры (например, подсчет очков, соревнование с другими, правила игры) в других областях деятельности, как правило, в качестве метода онлайн-маркетинга для поощрения взаимодействия с продуктом или услугой.

«Геймификация захватывающая, потому что она обещает сделать трудные вещи в жизни веселыми».

Большинство существующих кампаний по поощрению энергосбережения, как правило, разрабатываются как информационно-интенсивные, и они кажутся недостаточно мотивирующими. Тем не менее, растущий объем литературы поддерживает использование геймификации как метода изменения отношения и поведения [4–7]. В этом контексте серьезные игры определяются как виртуальные симуляции реальных действий, которые могут обучать пользователей и побуждать к изменению поведения.

Самой последней инициативой по геймификации стал финансируемый ЕС проект Horizon 2020 EnerGAware — Energy Game для повышения осведомленности об энергоэффективности в сообществах социального жилья. В рамках проекта EnerGAware была разработана и реализована инновационная серьезная игра, направленная на снижение энергопотребления и выбросов CO2 в социальном жилье. Результат проекта был протестирован в 100 домах как серьезная игра, связанная с фактическим потреблением энергии (данные интеллектуального счетчика) дома пользователя игры. Решение EnerGAware предоставило инновационную ИТ-экосистему, в которой пользователи могут играть, чтобы узнать о потенциальной экономии энергии за счет внедрения мер по повышению энергоэффективности и изменения поведения пользователей. Положительное влияние оказал проект EnerGAware. Это обеспечило среднюю экономию электроэнергии 3,46% и экономии газа 7,48%. Оптимальный срок реализации проекта составил около трех месяцев. Положительные изменения в поведении наблюдались в течение относительно короткого промежутка времени и уменьшались к финальной стадии. Кроме того, было также важно отметить, что сложность игры и отсутствие поддержки были критическими проблемами, испытуемые не осознавали, что игра связана с их поведением, что объясняет отсутствие реальной экономии энергии в результате игры.

В дополнение к EnerGAware, проект ChArGED (CleAnweb Gamified Energy Disaggregation) работал параллельно на временной шкале. CharGED рассмотрел вопрос энергопотребления в общественных зданиях с помощью структуры, которая способствует достижению большей энергоэффективности и сокращению потерь энергии. Он использует устройства с поддержкой IoT для улучшения механизмов дезагрегации энергии, которые обеспечивают события использования и потери энергии на уровне устройства, области и конечного пользователя.

Еще один проект ЕС, который находится в стадии реализации, направлен на создание нового поколения одноранговых энергетических сообществ ЕС, основанных на игровой платформе и основанных на ориентированном на пользователя обучении энергетике и бизнес-моделях, под названием NRG2peers (начался 1 сентября 2020 г. и продлится до 31 августа 2023 г.). ). Этот проект в основном направлен на глобальную экономию энергии и выбросов CO2 на уровне сообщества и поощрение инвестиций в устойчивую энергетику в ЕС.

Здесь могут возникнуть следующие вопросы:

  • Является ли потребительское поведение арендаторов настоящей головной болью управляющих недвижимостью или просто приятно иметь в своем доме инструмент геймификации?
  • Не хуже ли инвестировать в технологии изменения поведения на основе данных?
  • Какова годовая экономия и период окупаемости действий по изменению поведения?

Хотя на эти вопросы нет четкого ответа, игровые энергосберегающие решения всегда должны стремиться к более короткому периоду окупаемости за счет снижения потребности в оборудовании, настройке и затратах на их обслуживание. Если вы управляете таким бизнесом, вам следует стремиться к быстрой интеграции и короткой окупаемости инвестиций уже сейчас.

Выводы

Общей проблемой многих проектов по энергоэффективности и декарбонизации, основанных на данных, являются их основные требования к данным о потреблении с высоким разрешением. Чем более подробные данные задействованы, т. е. на уровне устройства, тем лучше понимание, осведомленность и действия могут быть предоставлены. Такие решения, как NILM, могут сыграть важную роль в таких инновациях благодаря неинтрузивному мониторингу строительной техники.

NILM может быть моделью ИИ, развернутой на сервере в качестве конечной точки API для создания точных временных рядов на уровне устройства и передачи их в игру или механизм поддержки принятия решений для процесса геймификации/анализа. Хотя NILM выглядит причудливо, но у него есть свои проблемы с масштабируемостью. Я рад, что в моем новом бизнесе (Builtrix) мы пытаемся решить эти проблемы при поддержке выдающихся исследовательских центров, поставщиков данных и центров цифровых инноваций (DIH). Если вы хотите принять участие в этом исследовании и решении проблем, свяжитесь с нами ([email protected]).

Я буду продолжать обновлять этот пост в будущем со ссылками и ссылками на наш новый продукт и достижения в бизнесе.

Рекомендации

[1] Г.В. Харт, Неинтрузивный мониторинг нагрузки устройств, Proc. IEEE 80 (1992) 1870–1891.

[2] Пуйич Д., Елич М., Томашевич Н., Батич М. (2020). Глава 10 Пример из области энергетики. В: Янев, В., Граукс, Д., Джабин, Х., Саллинджер, Э. (ред.) Графики знаний и обработка больших данных. Конспект лекций по информатике, том 12072. Springer, Cham. https://doi.org/10.1007/978-3-030-53199-7_10

[3] Исследование по анализу затрат и выгод системы интеллектуального учета в странах-членах ЕС. Доступно в Интернете по адресу [ссылка], по состоянию на июнь 2022 г.

[4] Галья, А.Г., Диалинас, Е.Н., Аргириу, А.А., Костопулу, Э., Циамитрос, Д., Стимониарис, Д., и Ласкос, К.М. (2019). Энергоэффективность европейских жилых зданий: энергопотребление, технические и экологические характеристики греческого жилого сектора – энергосбережение и сокращение выбросов CO₂. Энергия и здания, 183, 86–104.

[5] Казальс, М., Ганголельс, М., Макарулла, М., Форкада, Н., Фуэртес, А., и Джонс, Р. В. (2020). Оценка эффективности геймификации в снижении бытового энергопотребления: уроки, извлеченные из проекта EnerGAware. Энергетика и здания, 210, 109753.

[6] Соарес, Ф., Мадурейра, А., Пажес, А., Барбоза, А., Коэльо, А., Кассола, Ф., … и Соренсен, Т. (2021). ОБРАТНАЯ СВЯЗЬ: основанная на ИКТ платформа для повышения энергоэффективности за счет вовлечения потребителей зданий. Энергии, 14(6), 1524.

[7] Staddon, S.C., Cycil, C., Goulden, M., Leygue, C., & Spence, A. (2016). Вмешательство для изменения поведения и экономии энергии на рабочем месте: систематический обзор имеющихся данных. Энергетические исследования и социальные науки, 17, 30–51.