DEDALUS の科学パートナーの 1 つであるアテネ国立工科大学 (NTUA) は、より的を絞った需要応答プログラムを作成するために、過去の電力消費量に基づいて家庭用電力消費者をグループ化する研究を完了しました。

このグループ化は、最終的にはほぼすべての DEDALUS サービスで使用され、グループごとにサービスの対象が絞られるようになります。その研究は、出版された日記で応用エネルギー。

具体的には、この論文では、需要応答プログラムを最適化するための機械学習ベースのフレームワークを紹介します。約5,000のデータを使用世帯ロンドンでは、K 平均法、K-medoid、階層的凝集クラスタリング、DBSCAN の 4 つのクラスタリング アルゴリズムが評価され、同様の消費パターンを持つグループが特定されました。

この問題は確率的分類タスクとして再構成され、Explainable AI を活用してモデルの解釈可能性が向上しました。最適なクラスター数は 7 であることが判明しましたが、データの約 10% を構成する 2 つのクラスターは高い内部非類似性を示したため、さらなる検討から除外されました。

このフレームワークは、需要対応イニシアチブのターゲット設定と有効性を強化するためのスケーラブルなソリューションを電力会社に提供します。

"私たちの研究この論文の著者の一人であるヴァシリス・ミカラコプロス氏は、「家庭のエネルギー消費パターンを効率的に特定して分類し、デマンド・レスポンス・プログラムの実施を強化するという、エネルギー管理における重要な課題に取り組むことを目指している」と述べた。

「家庭のエネルギー使用を最適化することは、エネルギーの利用を促進するためにもますます重要になっています。環境の持続可能性公益事業会社がより的を絞った効果的な DR ソリューションを提供できるようにするためです。

「この取り組みは、主要な利害関係者を結集させ、よりスマートに推進することでヨーロッパ全土のDRプログラムへの住民の参加を拡大することを目指すDEDALUSプロジェクトの包括的な目標と一致しています。エネルギー管理戦略。」

詳細情報:Vasilis Michalakopoulos 他、需要応答プログラムを強化するために家庭用電力負荷プロファイルをクラスタリングするための機械学習ベースのフレームワーク、応用エネルギー（2024年）。DOI: 10.1016/j.apenergy.2024.122943