L'analisi dei dati può sostituire le persone nell'efficienza energetica?

L'analisi dei dati può sostituire le persone nell'efficienza energetica?

da Steve Baab, DNV GL

L'analisi dei dati può sostituire le persone nell'efficienza energetica?

Big data e analitica sono parole d'ordine ormai da un po' di tempo. Nell'ambito delle utility, l'Advanced Metering Infrastructure (AMI) ha aperto nuove opportunità per raccogliere e utilizzare i dati sull'uso dell'energia. In passato, la maggior parte delle utility raccoglieva informazioni sull'uso solo in base al tipo di contatore e al programma di lettura.Diversi tipi di contatori raccoglievano diverse quantità di informazioni. I clienti più grandi avevano l'uso di energia (kWh) e la domanda (kW) in vari intervalli (mensile, ogni ora, ogni 30 minuti...). Per tutti i clienti, il programma di lettura era solitamente mensile e veniva eseguito manualmente da un lettore di contatori. Con i sistemi AMI c'è l'opportunità di raccogliere dati senza inviare qualcuno sul campo, e di raccogliere i dati ogni volta che un'azienda lo desidera, piuttosto che secondo un programma prestabilito. Le aziende che implementano i sistemi AMI di solito installano tre componenti principali: i contatori, la rete per comunicare con i contatori e il sistema di informazione sui dati dei contatori. Per un'azienda che decide di installare un sistema AMI, i benefici (risparmio di lavoro, efficienza operativa, soddisfazione del cliente) devono giustificare i costi.

Uno dei maggiori benefici dell'installazione di reti AMI sul lato dell'utilità è il risparmio di manodopera. I posti di lavoro dei lettori di contatori sono forse i più significativamente influenzati da una rete AMI, ma ci sono altre aree di risparmio della manodopera. La capacità di individuare le interruzioni, ridurre il lavoro di stima delle bollette e disconnettere il servizio a distanza sono anche aree in cui una rete AMI può ridurre i costi della manodopera. Per la soddisfazione del cliente, avere a disposizione i dati di intervallo permette a un'azienda di servizi pubblici di offrire ai propri clienti opzioni di fatturazione più flessibili e informazioni migliori sul consumo.

Ma per quanto riguarda l'utilizzo dei dati di intervallo per l'efficienza energetica, la maggiore granularità dei dati di utilizzo può far risparmiare manodopera nei programmi di efficienza? C'è una discreta quantità di informazioni contenute in tutti quei dati. Quando i dati di intervallo sono combinati con dati esterni come il tipo di edificio, le dimensioni e l'età, un analista o forse anche semplici algoritmi informatici potrebbero fornire raccomandazioni di risparmio. Questo potrebbe potenzialmente far risparmiare manodopera, non dovendo visitare i clienti per trovare i risparmi attraverso un controllo o una valutazione.

Anche se l'analisi è estremamente utile nell'identificare per i potenziali clienti dove ci possono essere opportunità di efficienza energetica, non credo che si evolverà mai al punto da sostituire le persone (o almeno entro i prossimi 10-20 anni). Ecco perché:

Le informazioni esistenti sul carico non possono determinare esattamente cosa sta creando il modello di carico.

DNV GL e altri stanno diventando bravi a identificare i modelli di forma del carico usando dati avanzati. Le forme di carico dettagliate supportano le valutazioni di impatto, gli studi di potenziale e informano i programmi di efficienza e di risposta alla domanda. Tuttavia, su base cliente per cliente, l'analitica può solo fornire informazioni direzionali rispetto a quelle utilizzabili. L'analitica può solo indicarvi la direzione giusta, ma non avrete modo di saperlo con certezza senza una conferma visiva.

Incapacità di determinare il tipo esatto di attrezzatura che genera i carichi.

I software e le analisi stanno diventando molto sofisticati nell'identificare i modelli di carico, ma c'è ancora incertezza nel comportamento del cliente e nelle attrezzature che creano il modello di carico. Un sistema di raffreddamento inefficiente o la preferenza di un occupante di avere il suo edificio due gradi più fresco di tutti gli altri possono creare modelli di carico simili. Le analisi possono fornire buoni indicatori direzionali basati sui dati dei contatori a intervalli, ma solo una persona esperta di efficienza energetica e delle attrezzature del sito può fornire raccomandazioni tangibili per ridurre l'uso di energia.

L'interazione umana guida l'interesse per l'efficienza energetica

Rapporti, e-mail, messaggi di testo o portali web possono tutti aiutare a guidare un certo interesse e consapevolezza, ma niente fa scattare una chiamata all'azione come una persona reale. Per la stessa ragione per cui i lavori di vendita non spariranno presto, anche il ruolo degli esperti di efficienza energetica che eseguono verifiche e/o valutazioni non sparirà nel prossimo futuro.Durante una valutazione energetica, il cliente e l'esperto di efficienza energetica avranno la possibilità di interagire: l'esperto di efficienza energetica conoscerà il cliente, il cliente conoscerà l'efficienza energetica, e insieme stabilirannola fiducia reciproca e poi svilupperanno lamigliore linea d'azione per risparmiare energia.

In sintesi, l'analisi può essere in grado di scoprire alcune delle potenzialità tecniche dell'efficienza energetica e guidare il personale su quali clienti visitare, ma non sarà mai in grado di valutare l'interesse e la motivazione dei clienti che hanno la scelta di spendere tempo e denaro per l'efficienza energetica (o meno). Ottenere che le persone diventino più efficienti dal punto di vista energetico richiede una conversazione con le persone che usano l'energia. C'è una grande differenza tra gli edifici che hanno il potenziale tecnico per risparmiare energia e i clienti che hanno l'interesse e agiscono in base alle raccomandazioni. Nella mia esperienza, le conversazioni faccia a faccia funzionano molto meglio degli algoritmi informatici.

Steve Baab: Steve lavora presso DNV GL come Service Line Leader per lo sviluppo e l'implementazione dei programmi. Steve lavora per portare le migliori pratiche e le idee di programmi innovativi ai clienti di DNV GL. Prima di arrivare a DNV GL, Steve è stato il portfolio manager di ComEd C&I dove ha guidato il programma Smart Ideas dal lancio iniziale nel 2008 a un programma che offre un ampio spettro di soluzioni ai clienti sia nei sistemi energetici che nei segmenti di mercato.

Originariamente pubblicato qui