DEDALUS 과학 파트너 중 하나인 아테네 국립기술대학교(NTUA)는 주거용 전력 소비자를 과거 전력 소비량을 기준으로 그룹화하여 보다 목표화된 수요 반응 프로그램을 만드는 연구를 완료했습니다.

이 그룹화는 결국 거의 모든 DEDALUS 서비스에서 사용되어 그룹별로 서비스를 더욱 타겟화하게 됩니다.연구는출판됨일지에응용에너지.

특히, 이 백서에서는 수요 대응 프로그램을 최적화하기 위한 기계 학습 기반 프레임워크를 소개합니다.약 5,000개에 달하는 데이터 사용가구런던에서는 유사한 소비 패턴을 가진 그룹을 식별하기 위해 K-평균, K-medoids, 계층적 응집 클러스터링 및 DBSCAN 등 4가지 클러스터링 알고리즘을 평가했습니다.

문제는 확률적 분류 작업으로 재구성되었으며, 설명 가능한 AI를 활용하여 모델 해석 가능성을 향상했습니다.최적의 군집 수는 7개로 나타났으나, 데이터의 약 10%를 차지하는 두 개의 군집이 높은 내부 비유사성을 보여 추가 고려에서 제외되었습니다.

이 프레임워크는 유틸리티 회사가 수요 대응 계획의 목표 설정 및 효율성을 향상할 수 있는 확장 가능한 솔루션을 제공합니다.

"우리의연구보고서의 저자 중 한 명인 Vasilis Michalakopoulos는 "수요 반응 프로그램의 구현을 향상시키기 위해 가구 에너지 소비 패턴을 효율적으로 식별하고 분류하는 것"이라는 에너지 관리의 주요 과제를 해결하는 것을 목표로 합니다.

"가정 에너지 사용을 최적화하는 것이 점점 더 중요해지고 있습니다.환경 지속 가능성유틸리티 회사가 보다 목표화되고 효과적인 DR 솔루션을 제공할 수 있도록 지원합니다.

"이 작업은 주요 이해관계자를 모으고 보다 스마트하게 발전함으로써 유럽 전역의 DR 프로그램에 대한 주거 참여를 확대하려는 DEDALUS 프로젝트의 중요한 목표와 일치합니다.에너지 관리전략."

추가 정보:Vasilis Michalakopoulos et al, 수요 반응 프로그램을 향상시키기 위해 주거용 전기 부하 프로필을 클러스터링하기 위한 기계 학습 기반 프레임워크,응용에너지(2024).DOI: 10.1016/j.apenergy.2024.122943