La Universidad Técnica Nacional de Atenas (NTUA), uno de los socios científicos de DEDALUS, ha completado un estudio sobre la agrupación de consumidores de electricidad residenciales, en función de su consumo histórico de electricidad, para crear programas de respuesta a la demanda más específicos.

Esta agrupación se utilizará en casi todos los servicios DEDALUS al final del día, lo que hará que los servicios estén más específicos por grupo.El estudio fuepublicadoen el diarioEnergía Aplicada.

Específicamente, el artículo presenta un marco basado en aprendizaje automático para optimizar los programas de respuesta a la demanda.Utilizando datos de casi 5.000hogaresEn Londres, se evaluaron cuatro algoritmos de agrupamiento (K-medias, K-medoides, agrupamiento aglomerativo jerárquico y DBSCAN) para identificar grupos con patrones de consumo similares.

El problema se reformuló como una tarea de clasificación probabilística, aprovechando la IA explicable para mejorar la interpretabilidad del modelo.Se encontró que el número óptimo de grupos era siete, aunque dos grupos, que comprendían alrededor del 10% de los datos, exhibieron una alta disimilitud interna y fueron excluidos de una mayor consideración.

Este marco ofrece una solución escalable para que las empresas de servicios públicos mejoren la focalización y la eficacia de las iniciativas de respuesta a la demanda.

"Nuestroinvestigacióntiene como objetivo abordar un desafío clave en la gestión de la energía: identificar y clasificar de manera eficiente los patrones de consumo de energía de los hogares para mejorar la implementación de programas de Respuesta a la Demanda", dijo Vasilis Michalakopoulos, uno de los autores del artículo.

"Optimizar el uso de la energía en los hogares es cada vez más importante, tanto para promoversostenibilidad ambientaly para permitir que las empresas de servicios públicos ofrezcan soluciones de recuperación ante desastres más específicas y efectivas.

"Este trabajo se alinea con los objetivos generales del proyecto DEDALUS, que busca expandir la participación residencial en programas de RD en toda Europa reuniendo a las partes interesadas clave y avanzando de manera más inteligente.gestión de energíaestrategias."

Más información:Vasilis Michalakopoulos et al, Un marco basado en aprendizaje automático para agrupar perfiles de carga de electricidad residencial para mejorar los programas de respuesta a la demanda,Energía Aplicada(2024).DOI: 10.1016/j.apenergy.2024.122943