Green Grid Energy — демонстрация науки о данных
ОДНА КЛИМАТИЧЕСКАЯ ЗОНА. Знаете ли вы, что в большинстве домов в США есть центральное отопление или охлаждение, но только одна зона климат-контроля? Энергия тратится на обогрев или охлаждение всего дома, поскольку контроль температуры измеряет только одну часть дома.
СВОБОДНЫЕ ПОМЕЩЕНИЯ. Домовладельцы не регулируют энергопотребление своего дома, находясь в отъезде. (пример: отпуск или рабочий день)
40% — бытового энергопотребления расходуется на отопление жилого помещения, еще 30% — на технику и освещение и 18% — на нагрев воды.
УСТАРЕВШИЕ ПРИБОРЫ — увеличивает общее энергопотребление дома и ваш ежемесячный счет за коммунальные услуги.
Green Grid Energy сочетает искусственный интеллект с полностью автоматизированной системой климат-контроля, чтобы помочь домовладельцам управлять потреблением энергии с помощью мобильного телефона.
Данные и моделирование
Наша интеллектуальная система на основе искусственного интеллекта смоделирована с использованием 20 000 точек данных, собранных системой внутренних и наружных датчиков за период около 4,5 месяцев со следующими переменными:
- Температура/влажность в помещении (на 7 комнат в доме)
- Наружная температура/влажность
- Скорость ветра **
- Видимость **
- Барометрическое давление **
- Точка росы
- Энергопотребление устройства
- Общее потребление энергии
Целевая переменная:
Прогнозируйте уровень энергопотребления владельца дома на основе климатических данных в помещении и на улице.
Средний тариф на электроэнергию в США составляет 0,12 доллара США, а в Калифорнии — 0,20 доллара США, поэтому мы также можем преобразовать уровни в расчетный ежемесячный счет.
Что касается разработки признаков, я объединил 10-минутные точки данных в часовые сегменты и получил сумму и средние значения для каждой из точек данных. Я также разработал почасовой градиент энергии, сравнивая его с предыдущим часом. Эта разница в изменении мощности позволяет нам обучать модель потреблению энергии (например, когда приборы включены или выключены) в течение дня.
Логистическая регрессия против случайного леса
Сравнение рабочих характеристик приемника (ROC)
Логистическая регрессия 0,70 ← → 0,73 Случайный лес (область ROC)
Logistic Regression Accuracy Score: 51% Random Forest Accuracy Score: 56%
Приложение для оценки энергопотребления
Основанное на модели искусственного интеллекта — это веб-приложение дает владельцам домов возможность прогнозировать, каким будет их счет за электроэнергию, путем корректировки подмножества входных климатических переменных.
Вы можете увидеть работающее приложение Energy Estimator здесь.