Ned Analisi del consumo istantaneo dei dispositivi elettrici attraverso un unico punto di misura

Transcript

1 Ned Analisi del consumo istantaneo dei dispositivi elettrici attraverso un unico punto di misura

2 Chi siamo Novembre 2011 Midori nasce all interno dell Incubatore delle Imprese Innovative del Politecnico di Torino Le persone Un gruppo di amici e colleghi con background derivante dal mondo ICT Il problema Scarsa consapevolezza del consumo e degli sprechi energetici nei contesti residenziali L idea Proporre strumenti semplici e non invasivi per stimare i consumi elettrici disaggregati La mission Vogliamo lasciare la nostra impronta, vogliamo migliorare quotidianamente esplorando nuove strade e perseguendo obiettivi ambiziosi

3 I bisogni del mercato L aumento della domanda e del costo di energia nel settore residenziale ha aumentato la necessità di strumenti per il controllo e la riduzione degli sprechi di energia che continuerà a crescere nel prossimo decennio [Fonte: AEEG] In Italia l adozione di misure di efficienza comportamentale produrrebbe un risparmio di oltre 0,25Mld per i consumatori [Fonte: Opower] Il primari bisogni espressi dagli utenti domestici sono la riduzione della spesa in bolletta accompagnata da una maggiore informazione sul consumo elettrico dei dispositivi, un dato oggi quasi totalmente assente! Prima di poter intraprendere interventi di efficientamento energetico è necessario far comprendere in che modo viene usata l energia durante l utilizzo dei vari dispositivi elettrici domestici. La consapevolezza energetica è il primo passo verso l efficienza energetica

4 Lo scenario sul mercato Ci sono molti strumenti oggi per rilevare informazioni sul consumo energetico che si dividono sostanzialmente in due categorie soluzioni composte da smart plug da collegare ad ogni dispositivo e che comunicano tra loro attraverso una rete wireless, molto costosi e poco attrattivi per applicazioni domestiche soluzioni basate sulla sola misura del consumo aggregato al contatore, dunque poco costosi, ma con uno scarso valore aggiunto perchè l informazione sul consumo è sempre aggregata

5 Ned (Not-Intrusive Energy Disaggregation) è un sistema di power estimation capace di stimare automaticamente i consumi elettrici istantanei dei dispositivi presenti in un appartamento attraverso la misura del solo carico aggregato al contatore. Avere un solo punto di misura permetterà di mantenere costi contenuti Non sarà richiesta alcuna complessa fase di set-up iniziale all utente Sarà semplice da installare senza la necessità di un intervento da parte di un professionista Si basa sulla tecnologia NIALM (Non Intrusive Appliance Load Monitoring) per il riconoscimento dei carichi elettrici Attraverso un App per smartphone il servizio Ned Base fornirà feedback in tempo reale, che creeremo sulla base dell esperienza di Kiui

6 Misura della potenza Event Detection Feature Extraction Labeling Energy Estimation NedPoint misura la potenza istantanea attiva e reattiva del carico aggregato al contatore campionando corrente e tensione a 1 Hz Il riconoscimento dei transitori elettrici permette di isolarli e analizzarli. Questa fase è inclusa nello strumento di misura in casa Ogni evento transitorio è analizzato da Ned in cloud per estrarre le signatures necessarie per la stima dell energia Ned confronta le signatures degli eventi transitori catturati dall algoritmo di Event Detection con quelli di riferimento dei dispositivi L energia stimata associata ai vari dispositivi viene visualizzata attraverso una semplice interfaccia web o un app

7 Misura della potenza Event Detection Feature Extraction Labeling Energy Estimation NedPoint misura la potenza istantanea attiva e reattiva del carico aggregato al contatore campionando corrente e tensione a 1 Hz

8 NedPoint è un semplice strumento di misura di corrente e tensione istantanee, campionate ad 1 Hz, collegato al contatore o al quadro elettrico per mezzo di una pinza amperometrica e della presa di alimentazione. Attraverso i dati misurati, NedPoint calcolerà i valori istantanei di potenza attiva e reattiva che saranno inviati sui nostri server attraverso il router domestico, connesso in WiFi, o direttamente tramite rete cellulare 2G/3G.

9 La misura di potenza L acquisizione della potenza attiva e reattiva del carico aggregato sarà possibile attraverso la misura della corrente e della tensione istantanee, campionate a 1 Hz Misura della corrente una pinza amperometrica misura la corrente istantanea che fluisce attraverso il contatore Misura della tensione la tensione istantanea viene misurata attraverso la rete elettrica

10 Misura della potenza Event Detection Feature Extraction Labeling Energy Estimation Il riconoscimento dei transitori elettrici permette di isolarli e analizzarli. Questa fase è inclusa nello strumento di misura in casa

11 Event Detection L analisi di Ned parte dal riconoscimento della presenza di eventi elettrici transitori Si definisce un evento transitorio il cambio del livello di potenza assorbita, di breve durata e con un ampia dinamica. L algoritmo di Event Detection è in grado di riconoscere ed isolare gli eventi transitori che compaiono nel tracciato misurato dal sistema di acquisizione della potenza attiva e reattiva. Gli eventi transitori sono suddivisi in eventi transitori di ON se il salto in potenza è positivo eventi transitori di OFF se il salto in potenza è negativo Si definisce uno stato stazionario lo stato operativo di un dispositivo elettrico a cui è associato un consumo (quasi) costante o, in altre parole, lo stato operativo tra un evento transitorio di ON e uno di OFF

12 Event Detection L algoritmo di Event Detection è in grado di riconoscere transitori elettrici associati a dispositivi ON-OFF e multistato Dispositivi multistato Dispositivi ON-OFF dispositivi caratterizzati dalla sequenza di più stati all interno di un ciclo operativo, come un ciclo di lavaggio di una lavabiancheria composto dalla sequenza di fasi di riscaldamento dell acqua e stati legati alla rotazione del cestello dispositivi che possono incorrere solo nello stato OFF (potenza assorbita nulla) o nello stato ON (potenza assorbita maggiore di zero), come le lampade ad incandescenza

13 stato stazionario stato transitorio di ON stato transitorio di OFF

14 stato transitorio di ON stato stazionario stato transitorio di OFF

15 Misura della potenza Event Detection Feature Extraction Labeling Energy Estimation Ogni evento transitorio è analizzato da Ned in cloud per estrarre le signatures necessarie per la stima dell energia

16 Feature Extraction Una volta identificato un evento transitorio attraverso l algoritmo di Event Detection Ned lo analizza estraendo alcuni parametri (o signatures) Si definisce come signature un parametro calcolabile dall analisi del tracciato del consumo aggregato. Un insieme di signatures (o signaures pattern) descrive univocamente l origine di quell evento e il dispositivo che l ha generato. Tra le signature che possono essere calcolate esiste una classificazione tra steady-state signatures che descrivono l incremento o il decremento di potenza attiva assorbita o potenza reattiva generata da un certo stato operativo transient signatures che descrivono il comportamento dei transitori elettrici

17 Transient Signatures Alcuni esempi di transient signatures sono la misura degli impulsi di corrente attraverso parametri geometrici come la durata dell impulso e l ampiezza la valutazione della forma dell impulso attraverso l analisi della rapidità di salita e di discesa dei fronti nei transitori e il rapporto tra la potenza di picco e la potenza assorbita duranto lo stato stazionario l analisi sulla sequenza e la ripetibilità di transitori che descrivono uno stato operativo all interno di un ciclo, come le varie fasi di riscaldamento e gli stati legati alla rotazione del cestello durante un ciclo di lavaggio di una lavabiancheria

18 Misura della potenza Event Detection Feature Extraction Labeling Energy Estimation Ned confronta le signatures degli eventi transitori catturati dall algoritmo di Event Detection con quelli di riferimento dei dispositivi

19 Labeling L algoritmo di Labeling associa ad ogni transitorio elettrico un etichetta che identifica la tipologia dell evento descritto da quel transitorio e il dispositivo che l ha generato Le etichette vengono assegnate attraverso un controllo a massima verosimiglianza le signatures estratte dall algoritmo di Feature Extraction con le signatures analizzate offline per ogni evento di ogni dispositivo preso in esame Oltre ad etichettare ogni transitorio, l algoritmo di Labeling identifica il momento esatto in cui esso si verifica

20 Misura della potenza Event Detection Feature Extraction Labeling Energy Estimation L energia stimata associata ai vari dispositivi viene visualizzata attraverso una semplice interfaccia web o un app

21 with the NIALM approach, we can now estimate the energy consumption of the individ ces in our investigation list that in turn could provide us with an itemized insight of th Energy Disaggregation gy consumption contribution. Il fine ultimo di Ned è la stima dell energia assorbita istantaneamente dai e the operational dispositivi activities presi in esame of the target appliances are detected and identified by us proposed Conoscendo NIALM algorithms, il momento their in cui energy si verificano estimation i transitori can beelettrici simplye computed gli eventi by tak On-O time associati and the ad essi steady-state Ned stima power il consumo of eachassorbito operationdall i-esimo using Equation dispositivo 9. attraverso la seguente formula KX E i = P ss (t offk t onk ) k=1 re P ss is dove the average P ss è il steady livello state di potenza power, media i refers assorbita to appliance tra la number, k-esima K coppia indicates di the nu of identified eventi paired transitori eventson-off, and t off K indica and t on il are numero the on/o di coppie timesdi ofeventi each operation transitori cycle. ance the associtati tabulatedall i-esimo results shown dispositivo in Table e ton 12,13, e toff and14 rappresentano indicategli the istanti t on, in t off cui, t cycle, estimated si verificano energy of l evento each detected transitorio events di on for e appliances. quello di off

22 L energia stimata da Ned è l area del rettangolo

23 RISULTATI SPERIMENTALI

24 Scenario di simulazione Abbiamo ottenuto risultati di simulazione partendo da dataset di misure condotte sul campo da Midori, centri di ricerca e provider energetici Abbiamo analizzato le prestazioni di Ned per i seguenti dispositivi pilota 1. frigorifero e congelatore 2. lavatrice, 3. lavastoviglie 4. bollitori elettrici, scaldacqua, macchinette del caffè, ecc. 5. fornelli ad induzione 6. illuminazione alogena e ad incandescenza 7. televisione Le misure sono state fatte per diversi giorni sul consumo del carico aggregato al contatore e dei carichi dei dispositivi campionati ad 1Hz

25 Risultati di simulazione L errore medio sul riconoscimento di cicli completi (1-Fscore) è dell 8% circa Table 21: Quality measures for event detection from house1 L errore medio sull energia stimata invece è del 5% Appliance N e N d N TP TPR N FP FPR N FN FNR F-score Fridge CW DW 8 Table 8 21: Quality 8 measures 1for event detection 0 from0.00 house Overall Appliance 791 N e 729 N d 701 N TP 0.89 TPR 28 N FP 0.04 FPR 90 N FN 0.89 FNR 0.92 F-score Fridge Moreover, CW Table indicates 508the performance results of 18the detection 0.03 algorithm 65 using days data DWfrom house2. 8As can be 8 seen in8 the tabulated 1 detection 0 results 0.00 from0 both households, the overall Overall accuracy is791 above 92% 729 as indicated 701 by0.89 the F-score Riportiamo in basso i risultati di due appartamenti (house1e house2) le cui misure sono durate rispettivamente 5 e 14 giorni house1 house2 Table 22: Quality measures for event detection from house2 Moreover, ApplianceTable 22 N e indicates N d the performance N TP TPR results Nof FP the detection FPR algorithm N FN using FNR 14 F-score days data Fridge from house As can be 757seen in708 the tabulated 0.91 detection 49 results 0.06 from70both households, the overall CW accuracy is1485 above 92% 1347as indicated 1282 by0.86 the F-score DW 78 Table 78 22: Quality 72 measures 0.92 for event detection 6 from0.08 house Overall Appliance 2341 N e 2182 N d 2062 N TP 0.88 TPR 120 N FP 0.05 FPR 279 N FN 0.88 FNR 0.91 F-score Fridge Energy CW estimation 1485of target 1347 appliances:

26 Altri risultati di simulazione Ned sarà in grado di riconoscere le attività dei dispositivi elettrici e di notificarne l avvio e lo spegnimento. Qui accanto è possibile vedere un esempio di detection eseguita dagli algoritmi di Ned su una misura effettuata in un appartamento (in rosso la potenza attiva, in blu la potenza reattiva). È possibile notare come Ned sappia etichettare le attività con notevole precisione: questo permetterà di imparare le abitudini di consumo domestiche e prevederle nel breve periodo.

27 Ancora risultati di simulazione Ned non sarà in grado solo di riconoscere i momenti di attività dei dispositivi, ma calcolerà il consumo associato ad ogni dispositivo preso in esame. Qui accanto ci sono due esempi: in alto il riconoscimento fatto da Ned dei cicli di un frigorifero (in rosso) sovrapposti al consumo aggregato (in blu), mentre in basso l intero ciclo di una lavatrice (in rosa) è stato ricostruito da Ned a partire dalla misura dell energia aggregata (in blu).

28 Vantaggi per l utente Visualizzazione in tempo reale e statistiche dello storico del consumo stimato di ogni apparecchio investigato in KWh Euro C02 Riconoscimento automatico degli apparecchi meno efficienti e consigli mirati ad indurre a un comportamento più virtuoso nell uso dell energia Controllo sul consumo dell appartamento da remoto Attraverso un app per smartphone e tablet Attraverso un interfaccia web Previsione della domanda energetica basata sul riconoscimento di abitudini domestiche nell utilizzo dei dispositivi elettrici

29 Vantaggi per l utente Impostazione di allarmi a soglia per prevenire sovraccarichi energetici In presenza di un impianto fotovoltaico sarà possibile combinare la previsione della domanda energetica e quella della produzione di energia elettrica e indicare, così, in tempo reale i momenti più adatti per usare certi dispositivi Ned potrà stimolare una competizione virtuosa nell uso dell energia confrontando l analisi dettagliata dei consumi di appartamenti simili per dimensione e numero di abitanti Il prezzo al dettaglio dello strumento di acquisizione dell energia sarà molto contenuto rispetto alle soluzioni presenti sul mercato

30 Vantaggi per l operatore energetico Profilatura delle abitudini di consumo degli utenti personalizzazione delle offerte commerciali agli utenti attraverso la conoscenza diretta del dettaglio dei loro consumi servizi a valore aggiunto personalizzati Previsione della domanda energetica degli utenti (Energy Forecasting) attraverso il riconoscimento delle abitudini di utilizzo dei dispositivi elettrici Gestione dinamica centralizzata dei carichi energetici per l ottima gestione dei periodi di massimo assorbimento energetico [1] il demand-response è alla base del paradigma di Smart Grid e tema centrale di un intero topic del programma H2020 (EE-6) [1] Bergman, David C., et al. "Distributed non-intrusive load monitoring." Innovative Smart Grid Technologies (ISGT), 2011 IEEE PES. IEEE, 2011.

31 Energy Forecasting Il sistema di fornitura di elettricità è fondato su: generazione, trasporto e distribuzione (e marketing). Al crescere delle dimensioni della rete elettrica per ognuno di questi livelli l efficienza energetica diminuisce e sono necessari strumenti per ridurne gli sprechi Avere informazioni in tempo reale e attendibili pattern di consumo permetterà di realizzare sofisticati e accurati modelli di previsione della domanda energetica Esistono numerose strategie di Energy Forecasting oggi [2], ma molte di esse sono basate su statistiche ricavate dallo storico della domanda energetica aggregata Ned potrà essere lo strumento che permette di ottenere i dati necessari per una previsione energetica nel breve termine accurata [2] Hernández, L.; Baladrón, C.; Aguiar, J.M.; Carro, B.; Sánchez-Esguevillas, A.; Lloret, J.; Massana, J. A survey on electric power demand forecasting: Future trends in smart grids, microgrids and smart buildings. IEEE Commun. Surv. Tutor

32 Ned Premium/Premium PV Un obiettivo perseguibile attraverso la predizione accurata della domanda energetica è la realizzazione di politiche di controllo e management all interno di piccole reti intelligenti di distribuzione energetica, basate su vere e attendibili informazioni. E sempre più diffusa [3] la convinzione che si stia già assistendo ad un lento, ma deciso, cambiamento strutturale nella distribuzione dell energia elettrica, sempre più orientata verso soluzioni meno centralizzate e che coinvolgano in modo sempre più attivo i cosiddetti prosumers. L evoluzione di Ned Base sarà Ned Premium che permetterà di sfruttare l apprendimento di Ned per prevedere la domanda energetica dei dispositivi nel breve periodo e dare feedback in anticipo agli utenti. Ned Premiun PV sarà un servizio che abbinerà la previsione della domanda energetica con la previsione della produzione di un impianto PV. Quest ultima sarà fatta grazie a NedSun, un sistema di tre sensori per la misura dell irradiazione solare, umidità e temperatura da installare in prossimità di un impianto PV per ottenere un altissima precisione rispetto alle stazioni meteo in essere. [3] P. J. Werbos, Computational Intelligence for the Smart Grid-History, Challenges, and Opportunities, IEEE Computational Intelligence Mag- azine, vol. 6, no. 3; pp , 2011.

33 Contatti Via Pier Carlo Boggio 59, Torino Christian Camarda Responsabile R&D Valeria Ferro Consulente organizzativo