WattScale es una herramienta de IA de código abierto que identifica hogares que desperdician energía


Investigadores de la Universidad de Pittsburgh, la Universidad de Massachusetts Amherst y Microsoft Research India han desarrollado un sistema, WattScale, que utiliza IA para seleccionar los edificios menos eficientes energéticamente de una población a nivel de ciudad o regional. En un estudio previo a la impresión, demostraron que la mitad de los edificios en un conjunto de datos con 10,000 edificios eran ineficientes, lo que se debió en gran parte a una construcción deficiente.

Los edificios, incluidas las oficinas, los hogares y las empresas, utilizan el 40% de los edificios de energía de los EE. UU. Y el 70% de su electricidad, según Alliance to Save Energy. También emiten más de un tercio de los gases de efecto invernadero del país, más que cualquier otra industria. Para abordar la desigualdad, se deben identificar los edificios que son menos eficientes y, por lo tanto, más necesitados de mejoras. Sin embargo, los enfoques basados ​​en la antigüedad de un edificio o sus costos totales de energía no funcionan bien. Un mayor consumo de energía no necesariamente indica ineficiencias.

WattScale tiene como objetivo remediar esto con (1) una técnica de modelado bayesiano que captura distribuciones variables que determinan el consumo de energía de un edificio, y (2) un algoritmo de análisis de errores que las utiliza. Estas distribuciones informan causas probables por ineficiencia. La herramienta de código abierto ofrece dos modos, individual y regional, que caracterizan edificios ineficientes comparando su distribución con casas similares en una ciudad o con distribuciones aprendidas para toda la población en una región con condiciones climáticas comparables.

En experimentos, los investigadores aplicaron WattScale a conjuntos de datos de tres ciudades: Austin, un pequeño pueblo no identificado en Nueva Inglaterra y Boulder, Colorado, y utilizaron la Base de datos de rendimiento de edificios, el mayor conjunto de datos disponible públicamente de información comercial y residencial relacionada con la energía, para distribuciones de edificios por Región. Los conjuntos de datos de Austin y Boulder incluyeron un desglose a nivel de dispositivo, mientras que New England Corpora rastreó el consumo de energía basado en medidores de electricidad y gas e información de bienes raíces, incluyendo el tamaño del edificio, la cantidad de habitaciones, dormitorios y tipo de propiedad.

VB Transform 2020 en línea – 15.-17. Julio. Únase a los principales líderes de IA: regístrese para la transmisión en vivo gratuita.

  WattScale

Los coautores informan que WattScale encontró errores en casi el 95% de los casos y encontró ineficiencias de los datos en más de la mitad de los 10,107 edificios residenciales. La envolvente del edificio, la barrera física entre los alrededores acondicionados y no acondicionados de un edificio, se identificó como la principal causa de ineficiencia y representó alrededor del 41% de las casas. Las fallas del sistema de calefacción y refrigeración fueron las siguientes causas principales, que afectaron el 23.73% y el 0.51% de los edificios iluminados por WattScale, respectivamente.

En la ciudad de Nueva Inglaterra, que tiene más días de invierno que las otras dos regiones, WattScale descubrió que el 18.06% de las viviendas tenían problemas con altas temperaturas objetivo de calefacción o refrigeración y la mayoría fueron construidas antes de 1945 y en el mismo lugar preparar. También se descubrió que los desarrollos de uso mixto, con la excepción de fallas relacionadas con los equipos de HVAC, tenían la mayor proporción de edificios ineficientes, seguidos de casas multifamiliares y unifamiliares.

Los investigadores imaginan que los servicios públicos y los encargados de formular políticas utilizan WattScale para identificar edificios ineficientes dentro de una cohorte y evaluar el impacto de varios subsidios en el uso de energía. Incluso los propietarios de viviendas pueden beneficiarse de la herramienta, afirman los investigadores, ya que puede comparar la eficiencia de una casa en combinación con los datos de geolocalización de cada región.

"Debido a que WattScale utiliza un consumo de energía diario y anual de grano grueso para crear una distribución para un edificio y una región, vemos un enorme potencial en el uso de nuestro enfoque basado en datos para diversos análisis de eficiencia energética", escribieron los investigadores. “Tenemos la intención de proporcionar a los distintos propietarios de viviendas un informe de ineficiencia individual creado a partir de WattScale. Estos empujones se pueden usar para motivar a los propietarios e incentivar medidas de eficiencia energética. “

En el futuro, el equipo planea expandir WattScale con datos satelitales y patrones de ocupación para edificios. También esperan explorar cómo se puede usar la herramienta para rastrear el ahorro de energía durante el día y las estaciones y para cuantificar la efectividad de las modificaciones en el hogar.

El documento describe WattScale, que se basa en el sistema de detección de ineficiencia anterior de los investigadores, WattHome, sigue un modelo de IA propuesto que utiliza datos de ubicación de teléfonos inteligentes para predecir el uso de la red. En un estudio de preimpresión publicado en junio, investigadores de Microsoft y la Universidad de Washington describieron en detalle un sistema que utiliza datos de ubicación de teléfonos inteligentes para predecir cargas eléctricas. Afirmaron que su arquitectura, que tiene en cuenta los datos de la región geográfica de los Estados Unidos y Europa, puede superar los métodos de pronóstico tradicionales en más de tres veces.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *