Parfois, un point de vue extérieur suffit pour aborder un problème de manière innovante. Et déduire la consommation d'électricité dans un bâtiment sans utiliser de compteur pourrait être aussi simple que de corréler l'occupation moyenne à un moment donné.

La mesure de la consommation électrique peut prendre du temps ou nécessiter l'installation d'équipements coûteux nécessitant une mise à jour régulière. En comparaison, les ingénieurs des transports n'utilisent qu'occasionnellement des capteurs pour mesurer le nombre exact de véhicules sur un tronçon de route donné, préférant déduire l'utilisation de l'itinéraire à la place.

Chee-Wooi Ten, professeur agrégé de génie électrique et informatique, et Kuilin Zhang, professeur agrégé de systèmes de transport et d'informatique, tous deux à l'Université technologique du Michigan, se concertent pour créer une approche interdisciplinaire pour modéliser l'utilisation de l'électricité à l'aide d'inférences et d'informations d'occupation corrélées.

En outre, en utilisant les méthodes des chercheurs dans le contexte du COVID-19, la corrélation quasi-en ligne entre l'occupation dans un lieu spécifique et la consommation d'électricité à domicile peut déduire une charge changeante des personnes au foyer. Dans le système d'alimentation en vrac, la recherche suggère qu'il y a une réduction significative des charges d'électricité dans les espaces communs - immeubles de bureaux et quartiers de divertissement et de commerce - dans une région.

Plus précisement, ces études peuvent être utilisées pour déterminer si la société se conforme aux recommandations nationales de rester à la maison pour aplatir la courbe. Comme la plupart des gens possèdent un smartphone aujourd'hui, l'information spatiale agrégée se connecte aux individus. En cette période critique, la fiabilité de la fourniture d'électricité aux particuliers est vitale pour ceux qui restent et travaillent à domicile. Cette information pourrait être d'une importance vitale pour déduire et améliorer la qualité de vie à la maison.

Ten et Zhang ont publié « Establishment of Enhanced Load Modeling by Correlating with Occupancy Information » dans la revue IEEE Transactions on Smart Grid avec des coauteurs de Michigan Tech, le Global Energy Interconnection Research Institute North America et la School of Technology and Engineering de l'Université de Washington-Tacoma.

L'article propose une approche statistique - un modèle de régression qui corrèle l'occupation à proximité physique et les charges associées pour générer un modèle dépendant du temps - pour établir les corrélations entre l'occupation estimée des bâtiments sur la base de capteurs simples que nous portons tous dans nos poches - les téléphones portables.

"S'il n'y a pas de personnes impliquées, il n'y a probablement pas de charge électrique, " Dix dit. " Les lampadaires ont une valeur constante. Feux de circulation, trop. Mais dans les centres commerciaux, usines et maisons, vous caractérisez le comportement de consommation en fonction du moment où les gens sont là. En fonction du nombre d'occupants dans un bâtiment, nous pouvons déduire la consommation d'électricité et établir un profil de celle-ci, donc nous ne mettons pas nécessairement un compteur pour mesurer la puissance."

Ten a noté qu'il était capable de modéliser l'utilisation de l'électricité pour le Centre de ressources en énergie électrique (EERC), un bâtiment universitaire à plusieurs étages sur le campus de Michigan Tech, en fonction des inscriptions et des horaires de cours. Une autre façon de déduire l'occupation des bâtiments peut être basée sur l'emplacement des téléphones portables et des appareils sur l'Internet des objets (IoT), de la même manière que Google ou l'application Waze acquièrent des données de trafic en temps réel à partir de téléphones portables pour déduire la congestion sur les routes.

"Des objets intelligents et connectés, tels smartphones et véhicules connectés, ont été largement utilisés comme capteurs participatifs pour collecter des données de trajectoire individuelles afin de comprendre l'activité humaine et le comportement de déplacement à chaque endroit et route le long de la trajectoire, " dit Zhang.

Le temps qu'une personne (estimée à partir des données de son smartphone ou de son véhicule) passe à un endroit donné fournit des données d'occupation qui peuvent être utilisées pour comprendre les modèles de charge sur le réseau électrique.

Ten note qu'en utilisant des corrélations statistiques, les entreprises de services publics pourraient économiser sur l'installation de compteurs, un investissement initial important. Pour les relevés de compteurs occasionnels en personne, les entreprises pourraient utiliser des compteurs intelligents temporaires pour vérifier les corrélations.

"A cause des téléphones portables, qui peut provenir du cloud, la façon dont les embouteillages sont suivis a changé, " Dix dit. " Comment vous voyez un problème est la façon dont vous comprenez le problème. Nous abordons ce problème sous un angle interdisciplinaire d'une manière qui pourrait être perturbatrice, pas incrémentiel."

Les recherches futures incluent l'utilisation de données sur les occupants îlot par îlot (plutôt que par ménage individuel) pour estimer entre les différentes distributions d'énergie, quelle quantité d'énergie circulera et combien d'occupants en fonction de l'heure de la journée.