Багаторічна база даних розумних лічильників на рівні кампусу

По-перше, ми визначили статус усіх лічильників, щоб гарантувати, що ті, у яких є проблеми, були виключені з подальшого аналізу та статистики. Рисунок 5 ілюструє різні стани лічильників і відповідні підрахунки. Згідно з метаданими Brick, загалом було зафіксовано 1412 метрів. Однак лише 1394 лічильники мали доступні API для доступу до даних. Деякі з цих API повертали помилки під час доступу, що вказувало на те, що інформація API не підтримувалася належним чином або не оновлювалася, і в цій категорії було 65 лічильників. Крім того, є лічильники, для яких можна отримати звичайний доступ до API, але всі отримані значення даних є нулями. До цієї категорії відносяться 46 метрів. Отже, кількість лічильників, які можна надійно використовувати для аналізу, становить 1283.

Статус збору даних лічильника.

Відсутня ставка

На рисунку 6 показано відсоток відсутніх точок даних для різних інтервалів вибірки та кварталів з 1 кварталу 2022 року до 2 кварталу 2024 року. На осі ординат наведено інтервали вибірки: 15 хвилин, 30 хвилин, 1 годину та 1 день, а вісь х охоплює різні квартали. Під час розрахунку пропущених показників ми враховували не лише лічильники, відібрані на кожному інтервалі, але й високочастотні лічильники, передискретизовані до нижчих частот. Наприклад, 15-хвилинний інтервал включає всі 15-хвилинні лічильники, 30-хвилинний інтервал включає всі 30-хвилинні лічильники плюс 15-хвилинні лічильники, оновлені до 30 хвилин, і так далі.

Відсутні показники в даних електролічильника в різні періоди та квартали вибірки.

15-хвилинний інтервал показує найвищі показники пропусків, коливаючись від 23,467% до 52,417%. Пік припадає на четвертий квартал 2022 року, що вказує на проблеми зі збором даних із такою деталізацією протягом цього періоду. У міру збільшення інтервалу вибірки кількість пропущених даних зменшується. 30-хвилинний інтервал коливається від 18,548% до 36,680%, 1-годинний інтервал від 13,988% до 29,656%, а 1-денний інтервал від 3,377% до 13,584%. Ця тенденція підкреслює труднощі у підтримці повних даних із вищою тимчасовою роздільною здатністю. Кілька причин можуть пояснити ці відсутні ставки. Вища частота збору даних (15 і 30 хвилин) може стикатися з технічними проблемами, такими як несправність датчика або помилки передачі даних. Ці проблеми менш виражені при збиранні з меншою частотою (1 година та 1 день), де передача та зберігання даних легші. Незважаючи на ці відсутні показники, дані зберігають значну цінність. Нижчі показники пропуску з інтервалами в 1 годину та 1 день все ще забезпечують повне уявлення про довгострокові тенденції та закономірності. Крім того, методи імпутації даних можуть пом’якшити вплив відсутніх значень, гарантуючи, що набір даних залишається надійним для аналізу. Крім того, тенденція до зменшення кількості пропущених даних з часом свідчить про вдосконалення процесів збору даних, що відображає зростаючу надійність набору даних.

Для подальшого з’ясування ситуації з відсутніми даними ми провели щогодинний аналіз тарифів за відсутністю для лічильників у кожній будівлі. На малюнку 7 представлено відсоток відсутніх точок даних для різних будівель і кварталів за період з першого кварталу 2022 року до другого кварталу 2024 року. На осі ординат перелічені всі будівлі в кампусі.

Відсутні тарифи в даних електролічильників у різних будівлях і кварталах.

Навчальні та дослідницькі будівлі, як-от навчальний корпус, будівля Cheng Yu Tung, завод IASR, бізнес-будівлі LSK і лабораторія NFF2, загалом показують хорошу якість даних у більшості кварталів, причому рівень браку зазвичай коливається від 0% до 20%. У випадку житлових будинків, приміщення для персоналу SSQ APT1-49 і Student Hall GGT демонструють надзвичайну якість даних, причому частота пропусків у більшості кварталів не перевищує 2%. Однак інші житлові будинки демонструють іншу тенденцію: значне збільшення кількості відсутніх, починаючи з третього кварталу 2022 року, яке було частково вирішено до третього кварталу 2023 року. Ця проблема виникла через проблеми зі збором даних під час Covid-19 пандемія. Незважаючи на те, що ці проблеми були частково вирішені після пандемії, подальше усунення неполадок все ще потрібне. Для рекреаційних будівель якість даних корелює з важливістю будівлі. Наприклад, Shaw Auditorium, визначна будівля, де часто проводяться великі вистави, має дуже високу якість даних. Навпаки, менш значні будівлі, такі як критий плавальний басейн і прибережна морська лабораторія, страждають від низької якості даних через недостатнє обслуговування.

Аналіз невідповідності енергоспоживання

У деяких зонах є головні лічильники, які вимірюють загальне споживання електроенергії на території, що дозволяє перевірити наші дані. Для цих зон ми порівнюємо значення основних лічильників із значеннями субметрів. Спочатку ми проводимо повторну вибірку всіх лічильників до щоденних даних і розраховуємо щоденне споживання для кожного лічильника. Потім ми порівнюємо загальне споживання основного лічильника із сумарним споживанням додаткових лічильників. Відносна похибка обчислюється шляхом ділення середньої абсолютної похибки (MAE) між ними на більшу з двох середніх. Визначення відносної похибки показано у формулі 1:

Де, E_{основний} (i,k) споживання електроенергії, зафіксоване k-й головний лічильник на день i, E_суб (i,j) споживання електроенергії, зафіксоване j-й підметр на день i, п це кількість днів, стор – кількість основних лічильників, а м це кількість субметрів.

Під час обчислення відносної похибки ми додатково обробили дані, щоб забезпечити перевірку. Пристрої іноді перезапускаються, що спричиняє значні розбіжності в показаннях до та після перезапуску. Ми використали метод прямокутної діаграми, щоб усунути такі викиди, обчисливши квартилі та виключивши точки, які більше ніж у 1,5 рази перевищують інтерквартильний діапазон (IQR) вище третього квартиля або нижче першого квартиля. Крім того, як згадувалося на початку розділу технічної перевірки, деякі лічильники не змогли правильно отримати дані. Таким чином, якщо певні лічильники в межах зони не мають відповідних даних часового ряду, ця зона не буде перевірена. Результати відносної похибки наведено в таблиці 4.

Таблиця 4 показує, що значення відносної похибки в різних зонах значно відрізняються в межах від 9,40% до 30,75%. Кілька факторів можуть сприяти цим розбіжностям. Деякі пристрої, ймовірно, не під’єднані до додаткових лічильників, хоча вони все ще записуються основним лічильником, що призводить до можливих розбіжностей, оскільки додаткові лічильники не фіксують все споживання енергії в зоні. Крім того, втрата даних або перерви під час тривалого моніторингу можуть призвести до розбіжностей між показаннями додаткового та основного лічильників. Відмінності в точності лічильників також відіграють роль; сублічильники з нижчою точністю можуть неточно фіксувати невеликі коливання споживання електроенергії, що спричиняє кумулятивні розбіжності. Ці фактори разом, ймовірно, сприяють відносним помилкам.

Аналіз об'єктів обліку

У 1412 лічильниках, розглянутих раніше, 1268 вимірювальних приладів, 121 вимірювальна кімната та решта вимірювальних зон. Щоб визначити, які пристрої вимірюються, ми перелічуємо 20 найпопулярніших типів пристроїв на рис. 8.

Топ-20 типів вимірюваних пристроїв.

Рисунок 8 показує, що 11,9% лічильників вимірюють «Освітлення та інше». Цікаво, що ці лічильники не контролюють виключно освітлення, що передбачає заходи економії, коли один лічильник може контролювати кілька пристроїв. Наступною за поширеністю категорією є «плата MCB», яка вказує на те, що деякі лічильники записують вимірювання плати мініатюрного автоматичного вимикача (плата MCB), не вказуючи інші пристрої. Перші 20 типів пристроїв складають 73,3% усіх лічильників. Це свідчить про те, що, незважаючи на те, що загалом вимірюється 104 типи пристроїв, решта пристроїв менш поширені в будівельному обладнанні, їх вимірюють лише меншість лічильників. Для подальшої перевірки наших даних ми провели цілеспрямований аналіз даних на пристрої, який найчастіше вимірювали, «Освітлення», деталізовано на рис. 9.

Погодинний розподіл кВт за 2 роки: будні проти вихідних у навчальному корпусі.

На малюнку 9 зображено розподіл кВт за годину протягом двох років, порівнюючи будні та вихідні дні в навчальному корпусі. Перший поверх, будучи відкритим відкритим простором, демонструє менше споживання освітлення вдень (з 7:00 до 17:00) порівняно з нічним. Ця модель незмінна незалежно від буднього чи вихідного дня. Інші поверхи мають подібні візерунки. Будні показують збільшення використання освітлення близько 8:00 ранку, пік досягає опівдні та невелике зниження приблизно опівдні, типове для обідньої перерви. З 14:00 до 23:00 використання освітлення поступово зменшується, що вказує на зменшення заповнюваності ввечері. У вихідні дні спостерігається мінімальна зміна освітлення з невеликим збільшенням у другій половині дня, що відображає менше мешканців, які в основному активні в цей період. Ця схема споживання електроенергії відповідає типовим тенденціям у навчальних і дослідницьких будівлях, підтверджуючи надійність наших даних.

Рисунок 10 ілюструє розподіл споживання електроенергії в спальнях і ванних кімнатах на першому поверсі гуртожитку GGT, класифікований за погодинними даними за чотирма сезонами: весна, літо, осінь і зима. У Гонконзі літні температури зазвичай коливаються від 80 до 88 градусів за Фаренгейтом, що вимагає тривалого охолодження для підтримки комфорту в приміщенні. Отже, споживання електроенергії влітку значно вище, ніж в інші пори року, тоді як взимку помітно зменшується через зменшення потреб в охолодженні. Протягом дня пік споживання електроенергії припадає приблизно на північ (12:00), що тісно пов’язане з інтенсивним використанням кондиціонерів та освітлення під час навчання або відпочинку студентів. З 12:00 до 6:00 споживання поступово знижується, що свідчить про те, що більше мешканців йдуть спати. Використання зростає приблизно о 7:00 ранку, трохи досягаючи піку між 10:00 ранку та 12:00 вечора, коли студенти починають свою повсякденну діяльність, використовуючи такі пристрої, як освітлення та комп’ютери. У другій половині дня спостерігається незначне зниження споживання електроенергії; однак споживання знову зростає ввечері — особливо після 19:00 — підкреслюючи, що ніч є основним періодом для діяльності студентів із частим використанням світла та електронних пристроїв. Ця модель споживання відповідає типовим тенденціям у студентських гуртожитках, підтверджуючи надійність наших даних. Через широкий спектр будівель і пристроїв детальний аналіз кожного з них є недоцільним у рамках цього дослідження.

Погодинна схема споживання електроенергії за сезонами для GGT 1 F.