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.