Kann Datenanalytik Menschen in der Energieeffizienz ersetzen?

Kann Datenanalytik Menschen in der Energieeffizienz ersetzen?

von Steve Baab, DNV GL

Kann Datenanalytik den Menschen in der Energieeffizienz ersetzen?

Big Data und Analytik sind seit geraumer Zeit Schlagworte. Im Versorgungsbereich hat die Advanced Metering Infrastructure (AMI) neue Möglichkeiten eröffnet, Energieverbrauchsdaten zu sammeln und zu nutzen. In der Vergangenheit sammelten die meisten Versorgungsunternehmen nur Verbrauchsdaten auf Basis des Zählertyps und des Ableseplans.Verschiedene Zählertypen sammelten unterschiedliche Mengen an Informationen. Bei größeren Kunden wurden Energieverbrauch (kWh) und Bedarf (kW) in verschiedenen Intervallen (monatlich, stündlich, alle 30 min...) erfasst. Für alle Kunden war der Ableseplan in der Regel monatlich und wurde manuell von einem Ableser durchgeführt. Mit AMI-Systemen besteht die Möglichkeit, Daten zu sammeln, ohne jemanden ins Feld zu schicken, und die Daten zu sammeln, wann immer ein Versorgungsunternehmen sie haben möchte, anstatt nach einem vorgeschriebenen Zeitplan. Versorgungsunternehmen, die AMI-Systeme implementieren, installieren in der Regel drei Hauptkomponenten: die Zähler, das Netzwerk zur Kommunikation mit den Zählern und das Zählerdaten-Informationssystem. Damit sich ein Versorgungsunternehmen für die Installation eines AMI-Systems entscheidet, müssen die Vorteile (Arbeitseinsparungen, Betriebseffizienz, Kundenzufriedenheit) die Kosten rechtfertigen.

Einer der größten Vorteile der Installation von AMI-Netzwerken auf der Versorgungsseite sind Arbeitseinsparungen. Die Arbeit der Zählerableser wird durch ein AMI-Netzwerk vielleicht am stärksten beeinflusst, aber es gibt auch andere Bereiche, in denen Arbeitskosten eingespart werden können. Die Möglichkeit, Ausfälle zu lokalisieren, die Arbeit zur Erstellung von Rechnungen zu reduzieren und den Service aus der Ferne zu unterbrechen, sind ebenfalls Bereiche, in denen ein AMI-Netzwerk die Arbeitskosten senken kann. Was die Kundenzufriedenheit betrifft, so kann ein Versorgungsunternehmen seinen Kunden durch die Verfügbarkeit von Intervalldaten flexiblere Abrechnungsoptionen und bessere Informationen über den Verbrauch anbieten.

Aber was ist mit dem Einsatz der Intervall-Verbrauchsdaten für die Energieeffizienz? Kann die erhöhte Granularität der Verbrauchsdaten Arbeit innerhalb von Effizienzprogrammen einsparen? In all diesen Daten ist eine ansehnliche Menge an Informationen untergebracht. Wenn die Intervalldaten mit externen Daten wie Gebäudetyp, -größe und -alter kombiniert werden, könnte ein Analyst oder vielleicht sogar ein einfacher Computeralgorithmus Einsparungsempfehlungen geben. Dies könnte potenziell Arbeit einsparen, da Kunden nicht mehr besucht werden müssen, um Einsparungen durch ein Audit oder eine Bewertung zu finden.

Obwohl die Analytik extrem hilfreich ist, um für potenzielle Kunden zu erkennen, wo es Möglichkeiten zur Energieeffizienz gibt, glaube ich nicht, dass sie sich jemals so weit entwickeln wird, dass sie den Menschen ersetzen kann (oder zumindest innerhalb der nächsten 10-20 Jahre). Hier ist der Grund dafür:

Vorhandene Lastinformationen können nicht genau bestimmen, was das Lastmuster verursacht.

DNV GL und andere werden immer besser darin, Lastformmuster mit Hilfe von erweiterten Daten zu identifizieren. Detaillierte Lastverläufe unterstützen Auswirkungsbewertungen, Potenzialstudien und informieren über Effizienz- und Demand-Response-Programme. Auf einer Kundenbasis können Analysen jedoch nur richtungsweisende und keine umsetzbaren Informationen liefern. Analysen können nur in die richtige Richtung weisen, aber ohne eine visuelle Bestätigung haben Sie keine Möglichkeit, sicher zu sein.

Unfähigkeit, den genauen Gerätetyp zu bestimmen, der die Lasten erzeugt.

Software und Analysen werden immer ausgefeilter bei der Identifizierung von Lastmustern, aber es gibt immer noch Unsicherheiten beim Kundenverhalten und den Geräten, die das Lastmuster erzeugen. Ein ineffizientes Kühlsystem oder die Vorliebe eines Bewohners, sein Gebäude zwei Grad kühler zu haben als alle anderen, kann ähnliche Lastmuster erzeugen. (Auch schlechte Isolierung, hohe interne Lasten oder alles andere, was abnormale Kühllasten verursacht.) Analysen können gute Richtungsindikatoren auf der Grundlage von Intervallzählerdaten liefern, aber nur eine Person, die sich mit Energieeffizienz und der Ausstattung des Standorts auskennt, kann konkrete Empfehlungen zur Reduzierung des Energieverbrauchs geben.

Menschliche Interaktion fördert das Interesse an Energieeffizienz

Berichte, E-Mails, Textnachrichten oder Webportale können dazu beitragen, das Interesse zu wecken und das Bewusstsein zu schärfen, aber nichts löst eine Aufforderung zum Handeln aus wie ein echter Mensch. Aus dem gleichen Grund, aus dem Vertriebsjobs in absehbarer Zeit nicht verschwinden werden, wird auch die Rolle der Energieeffizienz-Experten, die Audits und/oder Bewertungen durchführen, in naher Zukunft nicht verschwinden.Während einer Energiebewertung haben der Kunde und der Energieeffizienz-Experte die Möglichkeit, miteinander zu interagieren. Der Energieeffizienz-Experte lernt den Kunden kennen, der Kunde lernt etwas über Energieeffizienz, und gemeinsamwerden sie gegenseitiges Vertrauen aufbauen und dann diebeste Vorgehensweise zum Energiesparen entwickeln.

Zusammenfassend lässt sich sagen, dass die Analytik vielleicht in der Lage ist, einen Teil des technischen Potenzials der Energieeffizienz aufzudecken und die Mitarbeiter anzuleiten, welche Kunden sie besuchen sollen, aber sie wird niemals in der Lage sein, das Interesse und die Motivation der Kunden zu messen, die die Wahl haben, Zeit und Geld für Energieeffizienz auszugeben (oder nicht). Menschen dazu zu bringen, energieeffizienter zu werden, erfordert ein Gespräch mit den Menschen, die Energie verbrauchen. Es gibt einen großen Unterschied zwischen Gebäuden, die das technische Potenzial haben, Energie zu sparen, und Kunden, die das Interesse haben und nach Empfehlungen handeln. Meiner Erfahrung nach funktionieren Gespräche von Angesicht zu Angesicht viel besser als Computeralgorithmen.

Steve Baab: Steve arbeitet bei DNV GL als Service Line Leader für Programmentwicklung und -implementierung. Steve arbeitet daran, Best Practices und innovative Programmideen zu den Kunden von DNV GL zu bringen. Bevor er zu DNV GL kam, war er Portfoliomanager für C&I bei ComEd, wo er das Programm Smart Ideas von der Einführung im Jahr 2008 bis zu einem Programm leitete, das ein breites Spektrum an Kundenlösungen sowohl für Energiesysteme als auch für Marktsegmente bietet.

Ursprünglich hierveröffentlicht