La desagregación busca ganar una parte del pastel de la eficiencia energética.


El mercado de la gestión de la energía en el hogar ha hecho muchas promesas, pero todavía tiene que ofrecer una visión profunda y reducciones significativas en el uso de energía en el hogar.

Microsoft intentó y fracasó con la plataforma de energía Hohm. Por su parte Google.org probó con el famos paquete de energía para el hogar PowerMeter, solo para luego abandonar el esfuerzo en su famosa primavera de limpieza para adquirir la marca de termostato Nest en su lugar.

 Las empresas de administración de energía centradas en hardware, como Tendril, EnergyHub y Onzo, han tenido que hacer cambios drásticos en la estrategia de productos y canales para mantenerse en la búsqueda del cliente. Encontrar un plan de negocios rentable que navegue por los ciclos de gasto de los servicios públicos, los cambios regulatorios y el comportamiento de los clientes de energía ha resultado ser un desafío.

Nest ha trasladado la tecnología de termostatos al año 2008, mientras que Opower, con destino a la oferta pública inicial, ahorra a los clientes de servicios públicos residenciales un promedio de 1,5 a 2,5 por ciento en su factura de electricidad. 

Pero «se acerca el tren de la desagregación», según el director general de Bidgely, Abhay Gupta. La desagregación podría ahorrarle al cliente dinero real y cantidades significativas de energía, cambiar la relación de la empresa de servicios públicos con su cliente e impulsar el mercado de administración de energía para el hogar.

Photo by Constantine Kim on Pexels.com

Datos de energía a nivel de electrodomésticos de Bidgely

El director ejecutivo de Bidgely afirma que su software de «reconocimiento de patrones profundos» puede brindar datos de consumo de energía a nivel de electrodomésticos, utilizando únicamente la señal del medidor inteligente de una casa.

Segun el CEO de Bidgely, Abhay Gupta, se debería mover la retroalimentación de energía de «un nivel de motivación como Opower a un nivel de empoderamiento.

Con datos de Green Button o AMI a intervalos de una hora, Bidgely puede identificar y detectar cargas de calefacción, refrigeración y bombas, así como energía solar en el techo. Los datos de la red de área doméstica del medidor inteligente pueden brindar suficiente información para identificar electrodomésticos adicionales, como calentadores de agua, estufas, secadoras, bañeras de hidromasaje o vehículos eléctricos.

El CEO dijo que «los servicios públicos nos están empujando hacia nuevos usos». Dio un ejemplo de un programa de bomba de piscina de servicios públicos donde Bidgely realiza la medición y verificación de los dispositivos. También sugirió que la empresa de servicios públicos podría identificar las casas en un territorio que tenía bombas de piscina ineficientes.

La empresa financiada por Khosla Ventures obtiene acceso a los datos de uso no de los sensores de nivel de enchufe, sino a través de grandes conjuntos de datos y análisis inteligentes (aunque se asocia con proveedores de hardware como Blue Line Innovations ). Si Bidgely realmente puede analizar los dispositivos individuales del flujo de datos, los consumidores realmente pueden comenzar a comprender su uso y comenzar a tomar decisiones energéticas más significativas. Las empresas de servicios públicos pueden segmentar el mercado como nunca antes. ¿La empresa de servicios públicos necesita apuntar a 1,500 hogares con bombas para piscinas para un programa de eficiencia energética? Bidgely podría identificar potencialmente a esos propietarios de bombas de piscina.

La firma ha trabajado con cinco empresas de servicios públicos no identificadas, y otras ahora están evaluando el software, que ofrece participación del cliente, gestión del lado de la demanda e inteligencia empresarial.

Preston Roper, director de marketing de la empresa, enfatizó el extremo de ventas del negocio y la necesidad de simplificar el despliegue de una solución de extremo a extremo para una empresa de servicios públicos. Roper describió que la empresa se encuentra en la etapa de comercialización y venta agresiva. Dijo que tiene «vendedores hambrientos y clientes hambrientos que quieren hacer más con los datos«. (Cabe destacar que Opower gastó 30,5 millones de dólares en ventas y marketing en 2013, su mayor gasto, justo por delante de I+D, según su S-1).

«Opower ha hecho un trabajo fantástico en eficiencia energética a través de las ciencias del comportamiento», dijo el CEO de Bidgely. Agregó que Opower había «abierto baldes de dólares y abrió el canal, pero lo estamos llevando al siguiente nivel».

PlotWatt desagrega en Wendy’s, KFC y Dunkin’ Donuts

PlotWatt tiene su propio giro en el software de desagregación basado en la nube. El director ejecutivo de la startup, Luke Fishback, le dijo a GTM que «la desagregación en sí misma es menos interesante que el tipo de inteligencia que podemos ofrecer en función de la desagregación».

«Una factura de electricidad detallada está bien, pero en nuestra experiencia, no es [suficiente]. Lo que realmente perturba al sector es toda la inteligencia genial y procesable que se puede derivar de los datos».

En teoría, los datos de un medidor inteligente o de un conjunto de datos de Green Button tienen el potencial de indicar si hay un segundo refrigerador ineficiente en el garaje o una bomba de piscina deshonesta que consume energía por la tarde, o detectar si un restaurante no está abierto. el congelador está a punto de fallar.

El director ejecutivo de PlotWatt nos dijo que la empresa «ya está generando un nivel increíble de ahorros» con «un nivel de compromiso» mucho más allá del estado de cuenta mensual de kilovatios-hora.

Según Fishback, «Opower ha hecho un trabajo brillante al abordar los puntos débiles de las empresas de servicios públicos». Pero mientras que Opower puede obtener ahorros del 2 por ciento, Fishback sugiere que la tecnología de su empresa puede acercarse a niveles de ahorro del 10 al 15 por ciento. Dijo: «No se ven muchos programas que brinden el nivel de eficiencia energética que nosotros podemos. Tal vez el 2 por ciento es la forma en que se incentivan de manera óptima las empresas de servicios públicos. No se les incentiva para brindar ahorros del 5 por ciento o del 10 por ciento».

Si bien Bidgely se enfoca en los servicios públicos, Fishback de PlotWatt habló de ir donde estaban los datos, y en una de las estrategias de mercado de la empresa, PlotWatt descubrió que los franquiciados de las cadenas de comida rápida Wendy’s, KFC y Dunkin’ Donuts son clientes entusiastas, dada la El ROI de un año reclamado por el producto y más del 10 por ciento de ahorro de electricidad. El servicio de suscripción que ofrece PlotWatt puede reducir las facturas, detectar electrodomésticos averiados y averiados, y proporcionar inteligencia comercial, como si una ubicación en particular cierra antes de tiempo o si las entregas se retrasan. PlotWatt utiliza hardware en la caja de interruptores como registrador de datos. No hay participación de las empresas de servicios públicos, según el CEO.

El CEO enfatizó que no son los datos sin procesar los que ahorran un 14 por ciento de electricidad en la ubicación de Wendy’s: es el correo electrónico enviado al gerente de la tienda que le notifica que el horno se dejó encendido a la hora de cerrar o que una cámara frigorífica está a punto de abrirse. fallar.

La estrategia de mercado de PlotWatt se dirige a cualquier nodo donde se agreguen datos de redes inteligentes. Entonces, además de los restaurantes, la empresa se enfoca en flujos de datos residenciales y de servicios públicos.

El CEO dijo que la parte residencial de este mercado es el «gigante dormido» y agregó: «Queremos construir un negocio para que cuando el gigante despierte o cuando sea provocado, estemos listos».

El líder del mercado Opower no se queda quieto

Opower, que domina el mercado, y su motor de participación del cliente con destino a la oferta pública inicial es una historia de éxito de una startup. La compañía de software financiada por VC creó un nuevo mercado con una inclinación de TI y escaló a lo grande y rápido.

Opower buscaba recaudar $110 millones a través de una oferta pública inicial. Como informó Stephen Lacey de GTM, los ingresos de Opower crecieron de $28,7 millones en 2011 a $88,7 millones en 2013. Más del 90 por ciento de sus ingresos en 2013 provinieron de suscripciones con los 93 clientes de servicios públicos de Opower. 

Lacey señala que los ciclos de ventas de Opower van desde tan solo seis meses hasta veinticuatro meses. Muchos de los clientes más importantes de Opower verán expirar sus contratos en 2014 o 2015. Opower identifica a sus competidores como Aclara, C3 Energy, Nest Labs, Oracle, SAP y Tendril, «así como muchos otros proveedores más pequeños». La firma tiene sus propias patentes sobre la desagregación de datos de carga.  

Opower sigue siendo la fuerza a tener en cuenta y probablemente insistiría en que este «Opower 2.0» del que sigo escuchando provendrá del mismo Opower.

Un negocio impulsado por programas de eficiencia de servicios públicos

Los contratos y los ingresos que obtiene Opower y que son el objetivo de Bidgely, PlotWatt y el resto de la industria de eficiencia energética generalmente provienen de programas de respuesta a la demanda o eficiencia energética de servicios públicos exigidos por la PUC de un estado. Estos programas brindan incentivos significativos para las reducciones en el consumo anual de energía, además de imponer sanciones por incumplimiento.

Los programas de eficiencia energética de las empresas de servicios públicos financiados por los contribuyentes se han más que duplicado entre 2006 y 2010 a $ 4.8 mil millones, y se espera que los programas se dupliquen nuevamente para 2025, según un estudio del Laboratorio Nacional Lawrence Berkeley.

Photo by Alex Azabache on Pexels.com

Comportamiento humano

Jeff St. John informó sobre los hallazgos de un estudio de EPRI que analizó cómo las tecnologías de desagregación de energía pueden producir niveles de precisión muy diferentes.  

«Comprender la parte del comportamiento humano y la ciencia humana es tan importante, si no más importante» que los desafíos técnicos involucrados en el desglose de energía, dijo Peter Porteous de Blue Line Innovations en el informe de St. John. «Las empresas que serán exitosos serán los que tengan ambos.”

“Creo que la credibilidad triunfa sobre la precisión” cuando se trata de datos detallados de desglose de viviendas, dijo Porteous. “Lo que quiero decir con eso es que si esta es tu casa, y estás conectado, y de repente los datos regresan y te dicen que estás gastando $10 al mes en un jacuzzi, y tú… Si no tienes un jacuzzi, bueno, nunca volverás a mirar los datos”. Esa comprensión fundamental de la naturaleza humana es la razón por la cual Bidgely o PlotWatt adoptan un «enfoque conservador y muy reacio al riesgo para revelar el uso».

Eso no solo es valioso para los propietarios de viviendas, señaló. “La respuesta de las empresas de servicios públicos, cuando ven que ahora pueden tener acceso a estos datos, realmente cambia las reglas del juego”, dijo. “Esa es su principal frustración: no tienen idea de lo que hacen sus clientes dentro de la casa y dedican grandes cantidades de investigación a tratar de averiguarlo”.

Opower ha tenido una gran ventaja y pronto tendrá acceso a capital público. Los programas de la empresa permiten que las empresas de servicios públicos cumplan con los mandatos de eficiencia sin amenazar el sustento de la empresa de servicios públicos. Como sugirió el director ejecutivo de PlotWatt, «tal vez el 2 por ciento es la forma óptima de incentivar a las empresas de servicios públicos», y un ahorro del 15 por ciento puede ser demasiado perturbador para alentarlo en este momento.

En cualquier caso, esté atento a la convergencia de la ciencia del comportamiento de Opower con la tecnología de los desagregadores en los próximos años. Si el genio de la desagregación es real, no se puede volver a poner en la botella.

Fuente https://www.greentechmedia.com/articles/read/Can-Bidgely-or-PlotWatt-Compte-With-Opower-in-Home-Energy-Engagement

Sobre el santo grial de la desagregación de la monitorización del consumo eléctrico


A principios de la década de 1980, el Instituto Americano de Investigación de Energía Eléctrica y el MIT ya habían comenzado a realizar investigaciones teóricas relacionadas con la segregacion del consumo eléctrico de forma no intrusiva (los documentos representativos son: Hart, GW Monitoreo de carga de dispositivos no intrusivos, IEEE Proc 1992, 80, 1870–1891).

George W. Hart, Ed Kern y Fred Schweppe del MIT recibieron fondos del Instituto Nacional de Investigación de Energía Eléctrica para inventar el Monitor de Carga de Aparatos No Intrusivos (NALM). Es decir, supervisión de carga de dispositivos no intrusiva ( supervisión de carga de dispositivos no intrusiva) )

La literatura en este período es similar a la idea del tema, que es descomponer la diferencia de potencia de diferentes equipos eléctricos, Esta «descomposición de carga eléctrica» tiene muchos nombres. . . desagregación de carga, monitoreo de carga no intrusivo (NILM) y monitoreo de carga de dispositivo no intrusivo (NIALM o NALM) Todos significan lo mismo de todos modos. . .

El monitoreo de carga no intrusivo del consumo de energía de los electrodomésticos residenciales es en realidad: convertir la señal analógica del voltaje y la corriente de la electricidad a la casa en una señal digital y procesarla para detectar cambios en algunos parámetros.

Entre ellos, la técnica de análisis de conglomerados se utiliza para medir la variación de un conjunto de datos en determinadas categorías, y su lógica se puede utilizar para identificar cada dispositivo y la energía consumida. Para ser claros, es mediante el monitoreo de algunos de los datos identificar los dispositivos en uso (la dirección inicial de la investigación es similar a lo que pienso actualmente, que es estudiar la potencia de los equipos eléctricos ac)

La imagen de arriba es un ejemplo de un antiescarcha refrigerador libre de heladas

Otro ejemplo de ello es la supervisión no intrusiva de la carga de los dispositivos

ARRIBA (LI PENG. DESCOMPOSICIÓN Y MONITOREO DE CARGA DE ENERGÍA NO INVASIVA. TIANJIN: UNIVERSIDAD DE TIANJIN, 2009.)

Entonces, ¿ qué son la potencia reactiva y la potencia activa?..

  • Primero, la potencia activa. en los circuitos de ca, la parte de la energía consumida en el elemento de resistencia que se reemplaza irreversiblemente por la potencia.(POR EJEMPLO, LA CONVERSIÓN A ENERGÍA TÉRMICA, ÓPTICA O MECÁNICA) SE DENOMINA POTENCIA ACTIVA, EXPRESADA EN «P» EN VATIOS (W).refleja el tamaño de la capacidad de la fuente de alimentación de ca para trabajar en elementos de resistencia, o la cantidad de energía eléctrica convertida en otras formas de energía en una unidad de tiempo.de hecho, es la cantidad de energía eléctrica que se alterna instantáneamente en otras formas de energía durante un período de tiempo.es el promedio de la potencia instantánea de la potencia alterna durante un período de tiempo, de ahí la potencia media.
  • En segundo lugar, la potencia reactiva ,en los circuitos de ca, los componentes que son inductivos o capacitivos se construyen después de la adopción. el campo magnético de la del inductor o el campo eléctrico entre las placas del capacitor después de pasar bobinas inductivas el campo eléctrico entre el campo magnético o la placa del condensador.por lo tanto, la primera mitad de cada ciclo de ca ( potencia instantánea en tiempo positivo, absorberán energía de la fuente de alimentación para establecer un campo magnético o campo eléctrico, mientras que la segunda mitad (la potencia activa) instantánea, potenativa establecido o la energía del campo eléctrico regresa a la fuente de alimentación.por lo tanto, el valor promedio de esta potencia es igual a cero durante todo el ciclo.es decir, la energía de la fuente de alimentación está relacionada con la energía del campo magnético o la energía de campo eléctrico la conversión de energía reversible se lleva a cabo consumir energía.con el fin de reflejar los hechos anteriores y expresarlos, el inductor o energía intercambiada entre el inductancia o capacitancia elementos capacitivos la potencia intercambiada de un lado a otro con la alimentación de ca se denomina none potencia, expresada en «Q». La unidad es Var..la potencia reactiva es la parte de la potencia eléctrica en el circuito de ca que es convertible debido a la presencia de un elemento eléctricamente resistivo (refiriéndose al inductor puro o condensador puro), que expresa la velocidad ener intergía a la que se la fuente de alimentación de ca con el campo magnético o la energía del campo eléctrico. en la práctica, donde hay una carga inductiva de bobinas y núcleos de hierro, la potencia consumida por el campo magnético que crean durante el trabajo es potencia reactiva. sin potencia reactiva, el motor y el transformador no puedo fun magnest.
  • En tercer lugar, la potencia que depende LA POTENCIA TOTAL QUE PUEDEN PROPORCIONAR LAS FUENTES DE ALIMENTACIÓN DE CA, LLAMADA POTENCIA VISIBLE O POTENCIA EXPRESIVA, ES NUMÉRICAMENTE EL PRODUCTO DEL VOLTAJE Y LA CORRIENTE EN EL CIRCUITO DE CA. EL PODER DESUAL SE VA RESA ENDA ENDA S. PARA GENERAL, SE UTILIZA REPRESENTAR EL TAMAÑO DE LA CAPACIDAD DE LAS FUENTES DE ALIMENTACIÓN DE CA, COMO LOS TRANSFORMADORES.nota. potencia total-potencia activa-potencia reactiva la potencia visual es la suma vectorial de potencia activa y potencia reactiva.
  • Cuatro, triángulo de potencia.DEPENDIENDO DE LA RELACIÓN ENTRE POTENCIA (S), POTENCIA ACTIVA (P) Y POTENCIA REACTIVA (Q), SE PUEDEN USAR TRIÁNGULOS DE POTENCIA PARA REPRESENTARLA.COMO SE MUESTRA EN LA SIGUIENTE IMAGEN. ES UN TRIÁNGULO RECTÁNGULO CON DOS LADOS RECTÁNGULO, QYP, RESPECTIVAMENTE., EL BISEL ES S. EL ÁNGULO ENTRE SYP ES EL ÁNGULO DEL FACTOR DE POTENCIA, QUE REFLEJA EL VOLTAJE Y LA CORRIENTE EN EL CIRCUITO DE CA. fase (ángulo) entre el voltaje y la corriente en el circuito de CA. factor de potencia es cos.factor = cos (ɸ).

Teóricamente, es posible distinguir entre diferentes equipos eléctricos bajo ciertas restricciones (de hecho, se ha aplicado pero no es exacto)

DESDE UNA PERSPECTIVA NALM, HAY APROXIMADAMENTE TRES MODELOS ELÉCTRICOS:

  • PRIMERO: EQUIPOS ON / OFF (DOS ESTADOS), COMO BOMBILLAS O TOSTADORAS. EN CUALQUIER MOMENTO DADO, YA SEA ENCENDIDO O APAGADO.
  • SEGUNDO: DISPOSITIVOS POLIMÓRFICOS, COMO LAVADORAS O LAVAVAJILLAS. HAY DIFERENCIAS OBVIAS EN EL ESTADO DE ON, POR EJEMPLO, RIEGO, ENJUAGUE, ROTACIÓN, ETC. (SEGÚN LA REVISIÓN, B PRODUCTSCATA AHORA EN EEST)
  • EL TERCER TIPO: EQUIPO VARIABLE CONTINUO, ES EL TIPO DE EQUIPO EN ESTADO, SE PUEDE AJUSTAR MANUALMENTE EQUIPO ELÉCTRICO. ESTOS SON DIFÍCILES DE MONITOREAR UTILIZANDO MÉTODOS DE MONITOREO NO INVASIVOS.

George usó un modelo llamado máquina de estado finito (FSM) para estudiar un segundo «dispositivo polimórfico».(es una máquina de estado finito, conocida como máquina de estado)

  • Si la condición de «Girar el interruptor hacia abajo» se cumple en el estado de encendido, el estado se apaga
  • Si la condición de «Girar el interruptor hacia abajo» se cumple en el estado apagado, el estado pasa a estar encendido

Hay por degracia ejemplos mucho mas compeljos como por ejemplo el Refrigerador sin escarcha

Una cosa que los investigadores tienen en común es que deben haber construido una base de datos de carga recopilada real antes de que se desarrollara el algoritmo, y la introducción de la base de datos relevantes puede serida por el. De Oliver Parson.

blog.oliverparson.co.uk http: // /2012/06/public-data-sets-for-nialm.html

A través de estas bases de datos públicas, otros investigadores también pueden usar sus propios algoritmos nuevos y los algoritmos reconocidos actuales para comparar, convertirse en estudios

En consecuencia, se desarrolló un sistema de monitoreo de carga no intrusivo relacionado. Pero cuando los tipos y cantidades de cargas son grandes, la precisión del monitoreo de carga cae drásticamente. Por lo tanto, a principios de este siglo, los investigadores generalmente adoptaron métodos para aumentar las características de carga, que incluyen:

  • Características transitorias: características de forma de onda de potencia transitoria , características de forma de onda de corriente de inicio, características de ruido de voltaje
  • Características de estado estable: características de paso de potencia, características de forma de onda de corriente de estado estable , características de trayectoria VI, características armónicas de alto orden
  • Otras características: características del período , características del ciclo de trabajo, características de transición de estado

Este tipo de método mejora aún más la velocidad correcta de descomposición, pero cuando problemas como el tiempo de uso del equipo se superponen, o cuando hay demasiados dispositivos del mismo tipo, no se puede garantizar la descomposición correcta dentro del tiempo efectivo. Por lo tanto, en los últimos cinco años, la dirección de la investigación se ha desplazado gradualmente hacia el uso de métodos de reconocimiento de patrones, incluido el uso de modelos de Markov ocultos y otros métodos mejorados para mejorar la precisión del reconocimiento a través de una gran cantidad de entrenamiento de datos reales.

En 2012 y 2014, se llevaron a cabo dos conferencias académicas temáticas NILM, y la tercera conferencia se llevará a cabo en Canadá en mayo de 2016.

Los autores de los algoritmos como Zico Kolter, Oliver Parson, etc. son los principales investigadores en la dirección de investigación actual, y se deben básicamente a la investigación en la dirección NILM En los últimos años, el doctorado obtenido y el contenido del algoritmo se describen con detalle en la gran tesis del autor del programa.

Los métodos de investigación de estos investigadores tienen una cosa en común, es decir, antes de que se desarrolle el algoritmo, se debe establecer una base de datos de carga recopilada real. Para la introducción de la base de datos relacionada, consulte el blog de Oliver Parson.

A través de estas bases de datos públicas, otros investigadores pueden comparar sus nuevos algoritmos con los algoritmos actualmente reconocidos y convertirse en ejemplos de cálculo estándar

Aunque el concepto de NILM se ha propuesto durante casi 30 años, con el auge de la ciencia de datos, ha resurgido su valor práctico en los últimos años, y los métodos de investigación se han vuelto más complejos y diversos. La extracción de características es solo uno de los enlaces, y los algoritmos básicos son casi todos ellos han sido tratado (por ejemplo, los estudiantes graduados de un maestro chino probaron los algoritmos clásicos en el aprendizaje de máquinas manuales , tales como método de difundir la Red , de vectores de soporte máquinas, modelos de Markov, Random Forests, etc.,

Conjuntos de datos públicos para NIALM


Es esencial utilizar datos del mundo real al comparar el rendimiento de las técnicas NIALM. Sin embargo, estos conjuntos de datos requieren mucho tiempo, son costosos y, a menudo, son incómodos de recopilar. Con este fin, los investigadores han comenzado a publicar sus conjuntos de datos, lo que permite a otros investigadores comparar sus enfoques con puntos de referencia comunes.

Photo by Constantine Kim on Pexels.com

 A continuación vamos a mostrar algunas descripciones breves de los conjuntos de datos ( DataSets) :

Conjunto de datos de almanaque de energía mínima (AMPds)

Stephen Makonin lanzó la primera versión del  conjunto de datos Almanac of Minutely Power . El conjunto de datos contiene lecturas de medidor agregadas de 1 minuto, así como lecturas submedidas de 19 circuitos individuales. Cada lectura incluye medidas de voltaje, corriente, frecuencia, factor de potencia, potencia real, potencia reactiva y potencia aparente. Además, el consumo total de gas y agua también se midió a intervalos de 1 minuto, además de 1 uso individual para cada servicio. El conjunto de datos abarca un año completo desde abril de 2012 hasta marzo de 2013 de un solo hogar en el área metropolitana de Vancouver, BC, Canadá.

El conjunto de datos está disponible para cualquier persona de forma gratuita, aunque los autores requieren que se solicite un nombre de usuario y una contraseña para realizar un seguimiento del uso.

Conjunto de datos de desagregación energética de Berkeley (BERDS)

La Universidad de California, Berkley, ha publicado datos de electricidad recopilados del Cory Hall en el campus de UC Berkeley. El conjunto de datos contiene datos recopilados de 4 categorías de cargas submedidas: iluminación, HVAC, receptáculo (enchufes) y otros, para los cuales hay muchas fuentes disponibles para cada categoría de carga.

 El conjunto de datos contiene mediciones de potencia activa, reactiva y aparente que se recopilaron a intervalos de 20 segundos. Los datos están disponibles de forma gratuita a través  del sitio web de Mehdi Maasoumy , y un  documento que  describe brevemente el conjunto de datos apareció en el  taller Big Learning en NIPS 2013 .

Un conjunto de datos de entorno de oficina a nivel de edificio de electrodomésticos típicos (BLOND)

Thomas Kriechbaumer y Hans-Arno Jacobsen de la Universidad Técnica de Munich (TUM) lanzaron recientemente el conjunto de datos BLOND, que contiene lecturas de voltaje y corriente para circuitos agregados y datos de verdad de tierra totalmente etiquetados (mediciones de aparatos individuales). El estudio cubre 53 aparatos (16 clases) en una red eléctrica trifásica en Alemania.

 Los autores han publicado dos versiones del conjunto de datos: 1) BLOND-50 contiene 213 días de mediciones muestreadas a 50 kHz (agregado) y 6.4 kHz (aparatos individuales), 2) BLOND-250 consta de la misma configuración: 50 días, 250 kHz (agregado), 50 kHz (aparatos individuales). El conjunto de datos también se describe con más detalle en el artículo de Datos científicos .

Conjunto de datos de desagregación de electricidad completamente etiquetado a nivel de edificio (BLUED)

El conjunto de datos BLUED contiene datos a nivel de hogar de alta frecuencia (12 kHz) de un solo hogar de EE. UU. Durante un período de aproximadamente 8 días. El conjunto de datos también contiene una lista de eventos de cada vez que un electrodoméstico dentro del hogar cambia de estado (por ejemplo, se enciende el microondas). 

Este conjunto de datos se recopiló principalmente para la evaluación de métodos NIALM basados ​​en eventos.  Los autores también tienen acceso protegido con contraseña al conjunto de datos para realizar un seguimiento de su uso.

Conjunto de datos de biblioteca de cargas controladas de encendido / apagado (COOLL)

El conjunto de datos COOLL fue publicado por investigadores del laboratorio PRISME de la Universidad de Orleans, que contiene alta frecuencia de 12 tipos diferentes de aparatos. De manera similar a los conjuntos de datos de tracebase y PLAID, se midieron varias instancias de cada tipo, y cada instancia se midió a lo largo de 20 operaciones. Durante cada operación controlada, se recopilaron datos de corriente y voltaje a una frecuencia de muestreo de 100 kHz. El conjunto de datos se resume en un  artículo académico y se puede  descargar de github  después de completar un formulario de registro.

Base de datos de  puerto de datos (anteriormente WikiEnergy)

Pecan Street Inc  ha publicado una gran cantidad de datos de electricidad doméstica a través de la  iniciativa Dataport.Al  momento de escribir este artículo, los datos contienen datos de 669 hogares, en los que tanto la demanda de energía agregada de los hogares como las demandas de energía de los electrodomésticos individuales se monitorean en intervalos de 1 minuto. Las instalaciones comenzaron en enero de 2011 y todavía se están recopilando datos para la mayoría de los edificios. 

Los datos están disponibles gratuitamente para los miembros de la Universidad de la comunidad WikiEnergy, y los detalles completos para el acceso a la base de datos se pueden encontrar en la  página de inicio de Dataport .

Conjunto de datos de demanda de electricidad doméstica de electrodomésticos individuales en Alemania (DEDDIAG)

Marc Wenninger, Andreas Maier y Jochen Schmidt han lanzado  DEDDIAG , un conjunto de datos de demanda de electricidad doméstica de electrodomésticos individuales en Alemania. El conjunto de datos contiene grabaciones de 15 hogares durante un período de hasta 3,5 años, en los que se han registrado 50 aparatos a una frecuencia de 1 Hz. El conjunto de datos se centra en electrodomésticos de importancia para fines de cambio de carga, como lavavajillas, lavadoras y refrigeradores. Una casa también incluye lecturas de red trifásica que se pueden utilizar para tareas de desagregación.

Además, DEDDIAG contiene anotaciones manuales de eventos de verdad en tierra para 14 dispositivos, que proporcionan marcas de tiempo precisas de inicio y parada. Los autores también han publicado el  código fuente del sistema de recopilación de datos., así como una  herramienta de línea de comandos de Python  para cargar los datos.

Conjunto de datos de energía residencial holandés (DRED)

La Universidad Tecnológica de Delft (TUDelft) ha publicado un conjunto de datos DRED, que contiene información sobre el consumo de energía tanto a nivel de la casa como del electrodoméstico. El despliegue en vivo consta de varios sensores que miden la electricidad, la ocupación de los ocupantes y los parámetros ambientales en un hogar.

 El conjunto de datos DRED incluye datos de electricidad (consumo de energía agregado y consumo de energía a nivel del aparato), información ambiental (temperatura interior a nivel de la habitación, temperatura exterior, parámetros ambientales), información de ocupación (información de ubicación de los ocupantes a nivel de la habitación, información de WiFi y BT RSSI para localización) e información del hogar (diseño de la casa, número de electrodomésticos monitoreados, mapeo de ubicación de electrodomésticos, etc.).

 El conjunto de datos está disponible públicamente y se puede obtener en el  sitio web de DRED..

Conjunto de datos de consumo y ocupación de electricidad (ECO)

El conjunto de datos ECO es un conjunto de datos para el monitoreo de carga no intrusivo y la investigación de detección de ocupación. Se recogió en 6 hogares suizos durante un período de 8 meses. Para cada uno de los hogares, el conjunto de datos ECO proporciona datos de consumo agregado de 1 Hz (corriente, voltaje y cambio de fase para cada una de las tres fases en el hogar) y también datos de nivel de enchufe de 1 Hz medidos de electrodomésticos seleccionados. 

Además, el conjunto de datos también incluye información de ocupación medida a través de una tableta (etiquetado manual) y un sensor de infrarrojos pasivo (en algunos hogares).

 El conjunto de datos se describe en detalle en un artículo publicado en BuildSys 2014.

Conjunto de datos GREEND

El conjunto de datos GREEND fue publicado por una colaboración entre investigadores de la  Alpen-Adria-Universität Klagenfurt  y  WiTiKee srl . 

El conjunto de datos contiene mediciones de potencia activa tomadas a intervalos de 1 segundo de 9 electrodomésticos individuales y la demanda de energía total de los hogares de 9 casas en Italia y Austria, durante un período de hasta un año. Se pueden encontrar más detalles en el  documento arXiv adjunto . 

Además,  también está disponible un  convertidor NILMTK para el conjunto de datos.

Estudio de uso de electricidad en el hogar (HES)

En 2012, el Energy Savings Trust del Reino Unido  , el  Departamento de Energía y Cambio Climático y el  Departamento de Medio Ambiente, Alimentación y Asuntos Rurales  publicaron un informe de 15 páginas llamado  Powering the Nation . Este informe resume el estudio completo de 600 páginas sobre el  uso de electricidad en el hogar., cuyo objetivo era comprender mejor cómo se consume la electricidad en los hogares del Reino Unido. 

Como parte de este estudio, se monitorearon 251 hogares ocupantes de propietarios en Inglaterra entre abril de 2010 y abril de 2011. De estos hogares, 26 fueron monitoreados durante 12 meses y 225 durante 1 mes. Para cada hogar, se controló el consumo de energía de 13-51 electrodomésticos a intervalos de 2 minutos.

 Actualmente se está desarrollando un portal de software para proporcionar acceso al conjunto de datos, aunque mientras tanto, los datos pueden solicitarse individualmente a  ICF International  contactando  [email protected]  y proporcionando una dirección postal y detalles del sistema operativo.

Conjunto de datos de energía del hogar IDEAL 

Publicado por investigadores de la Universidad de Edimburgo, el conjunto de datos de energía del hogar IDEAL comprende datos de 255 hogares del Reino Unido. Junto con los datos de electricidad y gas de cada hogar, el corpus contiene lecturas individuales de temperatura y humedad de la habitación y lecturas de temperatura de la caldera. Para 39 de los 255 hogares, se dispone de datos más detallados, incluidos datos sobre el uso de aparatos eléctricos individuales y datos sobre radiadores individuales. 

Los datos de los sensores se incrementan con datos de encuestas anonimizados y metadatos, incluidos los datos demográficos de los ocupantes, la conciencia y las actitudes energéticas autoinformadas, y las características del edificio, la habitación y los electrodomésticos.

Conjunto de datos de la India para el agua y la energía ambientales (iAWE)

El Instituto Indraprastha de Tecnología de la Información publicó recientemente el  conjunto de  datos iAWE , que contiene datos agregados y submedidos de electricidad y gas de 33 sensores domésticos con una resolución de 1 segundo. 

El conjunto de datos cubre 73 días de una sola casa en Delhi, India. Cada canal individual de datos se puede descargar por separado en formato SQL o CSV desde la sección de descarga en la parte inferior de la página web.

Conjunto de datos de consumo de energía eléctrica individual del hogar 

EDF Energy publicó un conjunto de datos en 2012 que contiene mediciones de energía realizadas en un solo hogar en Francia durante 4 años. Las mediciones promedio están disponibles a una resolución de 1 minuto de la potencia activa, la potencia reactiva, la tensión y la corriente agregadas del hogar, así como la potencia activa de 3 circuitos submedidos. 

Aunque cada circuito contiene algunos aparatos, este es el conjunto de datos más grande en términos de duración de la medición. 

El conjunto de datos completo está disponible de forma abierta en el Repositorio de aprendizaje automático de la  UCI .

Pecan Street Research Institute  (ya no está disponible)

Pecan Street Research Institute  anunció el lanzamiento de un nuevo conjunto de datos  diseñado específicamente para permitir la evaluación de la tecnología de desagregación de electricidad. Un conjunto de datos de muestra gratuito está disponible para los miembros de su consorcio de investigación, que ahora se ha abierto a los investigadores universitarios. El conjunto de datos de muestra contiene 7 días de datos de 10 casas en Austin, TX, EE. UU., Para los cuales también se encuentran disponibles datos agregados y de circuito que contienen lecturas de potencia en intervalos de 1 minuto. Además de las cargas domésticas comunes, 2 de las casas también tienen sistemas fotovoltaicos y 1 casa también tiene un vehículo eléctrico.

Conjunto de datos de desagregación energética de referencia (REDD)

REDD contiene datos tanto a nivel de hogar como a nivel de circuito de 6 hogares de EE. UU., Durante varias duraciones (entre unas pocas semanas y unos meses). Cada casa tiene una entrada de red bifásica y de 10 a 25 circuitos monitoreados individualmente.

 Los datos de corriente y voltaje de alta frecuencia  (kHz)  están disponibles para ambos circuitos de red, mientras que las mediciones de potencia de baja frecuencia (intervalos de 3-4 segundos) están disponibles para los circuitos del aparato.  

Este conjunto de datos se recopiló principalmente para la evaluación de métodos NIALM no basados ​​en eventos.  Los autores tienen acceso protegido con contraseña al conjunto de datos para realizar un seguimiento de su uso.

REFIT del conjunto de datos de medidas de carga eléctrica

El conjunto de datos REFIT fue publicado como parte del proyecto  Smart Home and Energy Demand Reduction  , por  David Murray  y  Lina Stankovic. en la Universidad de Strathclyde. El conjunto de datos contiene mediciones de potencia activa del agregado y 9 aparatos individuales de 20 hogares en el área de Loughborough del Reino Unido, con una resolución de 1 muestra cada 8 segundos. Esto convierte al REFIT en el único conjunto de datos del Reino Unido que contiene datos a nivel de electrodomésticos a una frecuencia de muestreo superior a una vez por minuto.

Además, los datos agregados de consumo de gas también se registraron a intervalos de 30 minutos. Sin embargo, debe tenerse en cuenta que los datos se comprimieron al eliminar muestras para las que la demanda de energía no había cambiado desde la última lectura.

Se pueden encontrar más detalles en una  presentación de la conferencia EEDAL 2015 ,  un informe técnico detallado y el archivo Léame del conjunto de datos  .. Además,  también está disponible un  convertidor NILMTK para el conjunto de datos.

Conjunto de datos de Smart * Home  (a través del UMassTraceRepository)

Aunque no se recopila específicamente para el desglose de energía, el conjunto de datos Smart * (Smart Star) proporciona datos de energía de 3 hogares reales submedidos. La granularidad de los datos recopilados para los monitores de nivel de circuito (conjunto de instalaciones y circuitos individuales) es de una lectura por segundo, mientras que las cargas de los enchufes individuales se miden aproximadamente cada pocos segundos. Cada casa contiene de 21 a 26 medidores de circuito y casi todos los electrodomésticos se miden con medidores de enchufe. Por el momento, los datos agregados, de circuitos y de electrodomésticos están disponibles para la casa A, pero solo los datos agregados están disponibles para las casas B y C.

Tracebase

El  repositorio de tracebase  contiene datos de dispositivos individuales con la intención de crear una base de datos para entrenar algoritmos NIALM. El repositorio contiene un total de 1883 días de lecturas de energía, tomadas a intervalos de 1 segundo, para 158 instancias de dispositivos, de 43 tipos de dispositivos diferentes. 

Dado que el objetivo es crear una base de datos de dispositivos, no se recopilan medidas agregadas. Los datos se introducen en  Reinhardt et al. 2012  y está disponible en el  repositorio de tracebase . 

Los archivos están protegidos con contraseña, pero se puede solicitar una contraseña a través de la  página de descarga .

Conjunto de datos de electricidad a nivel de electrodomésticos del Reino Unido (UK-DALE)

Jack Kelly lanzó la primera versión de UK-DALE en enero de 2015. El conjunto de datos contiene lecturas de medidores agregados de voltaje y corriente de 16 kHz y datos de energía submedidos de 6 segundos de electrodomésticos individuales en 3 hogares del Reino Unido, así como un agregado de 1 segundo y Datos de potencia submedidos de 6 segundos para 2 hogares adicionales. En agosto de 2015 se publicó una actualización del conjunto de datos que amplió los datos disponibles para la casa 1 a 2,5 años

 Los datos de baja frecuencia están disponibles para descargar en formato CSV o NILMTK HDF5, mientras que los datos de alta frecuencia se pueden descargar en formato de archivo FLAC.

Fuente https://blog.oliverparson.co.uk/2012/06/public-data-sets-for-nialm.html