Red de conocimiento informático - Material del sitio web - Los macrodatos impulsan el consumo de energía sostenible

Los macrodatos impulsan el consumo de energía sostenible

Big data promueve el consumo de energía sostenible

La aparición de la tecnología big data permite a los investigadores analizar las características antes desconocidas del consumo de energía, lo que hace que la sostenibilidad energética sea cada vez más posible.

Con el desarrollo de herramientas de análisis como la transmisión y el procesamiento de datos, la minería de datos y el aprendizaje automático, los big data se han convertido en el campo más destacado y el tema más candente de este año. Cómo entregar anuncios de manera específica, cómo descubrir planes terroristas en una gran cantidad de interacción de información y cómo proporcionar servicios de búsqueda personalizados, etc. Estos problemas técnicos que alguna vez fueron difíciles han sido superados por las nuevas y sorprendentes tecnologías de big data. era. Una solución.

Como consumo de energía que respalda el funcionamiento normal de la sociedad humana, al mismo tiempo que crea la era más próspera de la historia para la humanidad, también ha traído graves problemas de contaminación en los últimos cien años y también ha causado la mayor parte de El severo cambio climático en el mundo es una de las principales causas. La aparición de la tecnología de big data proporciona otra forma de pensar y medios técnicos para resolver este problema.

La aparición de la tecnología de big data ha hecho que sea más fácil hacer realidad el deseo de la humanidad de construir un marco de consumo de energía sostenible. Cabe señalar que la aparición de la tecnología big data permite a los investigadores analizar las características antes desconocidas del consumo de energía. Sin embargo, la forma de utilizar nueva información para diseñar las herramientas de gestión correspondientes aún necesita el apoyo de otras investigaciones.

El autor presentará la tecnología de vanguardia del uso de tecnología de big data para descubrir nueva información sobre el consumo de energía desde dos aspectos: consumo de energía y transporte inteligente. Y explore cómo combinar herramientas de otras disciplinas para desarrollar nuevas tecnologías de gestión del consumo de energía sostenible. Cabe señalar que las fronteras de la investigación de muchos temas relacionados aún están llenas de controversia y no son concluyentes.

Durante mucho tiempo, la gestión de la eficiencia energética del sistema eléctrico se ha centrado en cómo mejorar la eficiencia de las empresas de generación de energía y la eficiencia del consumo de energía de las empresas industriales, pero ha habido poca discusión y práctica al respecto. Tecnología de gestión de eficiencia energética para el consumo de energía residencial. Esto se debe en gran medida al alto grado de descentralización del consumo de electricidad residencial, lo que resulta en altos costos de monitorear el comportamiento del consumo de electricidad de los residentes. A falta de información sobre el comportamiento del consumo de electricidad de los residentes, además de promover políticas generales de control, como precios escalonados de la electricidad y precios de la electricidad según el tiempo de uso, es difícil diseñar métodos de gestión para los diferentes comportamientos de consumo de electricidad de los residentes. Sin embargo, con la madurez de la tecnología de big data, esta situación ha experimentado cambios revolucionarios.

Cuando la tecnología big data aún era inmadura, la comprensión de la gente sobre el comportamiento del consumo de electricidad era muy superficial. El comportamiento del consumo individual sólo puede adivinarse a partir de la curva de consumo global. Se ha descubierto que en diferentes países y en diferentes momentos, el consumo global de electricidad muestra las características de una curva bimodal: aparecen dos picos de consumo de electricidad por la mañana y por la tarde, intercalados con dos valles de consumo de electricidad.

Por lo tanto, los investigadores han asumido durante mucho tiempo que un gran número de comportamientos de los consumidores tienen las características de dos altibajos: temprano en la mañana, la mayoría de las familias encienden las luces y otros aparatos eléctricos después de levantarse, lavarse y preparar el desayuno en casa, formando el primer pico de consumo de electricidad, después de regresar a casa por la noche, preparar la cena y utilizar electrodomésticos para realizar otras tareas del hogar, formando el segundo pico de consumo de electricidad; Ésta parece ser una suposición muy razonable sobre el comportamiento del uso de la electricidad. Sin embargo, lo que se muestra a los investigadores a través de la tecnología de big data no es esa imagen.

Debido a los avances en la tecnología de almacenamiento y transmisión de datos de gran volumen, el costo de instalar medidores inteligentes en los hogares de los residentes se ha reducido significativamente. La tecnología, instalada a modo piloto en algunas partes de California, ya ha proporcionado a los investigadores una enorme base de datos. Al realizar una extracción de datos a partir de estos datos, los investigadores se sorprendieron al descubrir que el comportamiento de consumo de electricidad de las personas es muy diferente. Aunque el comportamiento individual del consumo de electricidad aún puede agruparse en varios tipos, de ninguna manera se trata del modelo "dominado por la curva de consumo de electricidad bimodal" como sospechaban anteriormente los investigadores.

De hecho, el consumo individual de electricidad con características de curva bimodal solo representa alrededor del 10%, mientras que otros tipos de comportamiento de consumo son muy extraños, y el comportamiento de muchos usuarios de electricidad es incluso muy aleatorio. Pero lo interesante es que estos comportamientos de consumo con diferentes características se unen para formar una curva de consumo de energía bimodal que está ampliamente presente en varios mercados energéticos.

Aclarar los patrones de consumo de diferentes consumidores nos permite ver la posibilidad de una gestión por parte del consumidor a través del apalancamiento de precios y el diseño de mecanismos.

No hay duda de que diferentes patrones de consumo darán como resultado diferentes costos de generación de energía debido al nivel de incertidumbre y la escasez de recursos de generación de energía cuando se produce el consumo.

Por ejemplo, incluso si se consume la misma cantidad de electricidad, la carga del costo de generación de energía causada por un consumidor que es muy regular y tiene una pequeña diferencia entre el pico y el valle del consumo de electricidad será menor que el de un consumidor cuyo comportamiento de consumo de electricidad es muy aleatorio y el consumo es muy aleatorio Consumidores con grandes fluctuaciones de electricidad. Sin embargo, el actual mecanismo minorista no distingue diferentes precios según los diferentes patrones de consumo. Esto da como resultado que consumidores con diferentes costos de generación paguen el mismo precio. Sin duda, esto provocará una enorme ineficiencia y es aún más injusto. Por lo tanto, independientemente del tipo de gestión por parte del consumidor, si no puede distinguir eficazmente a los consumidores con diferentes patrones de consumo, el efecto de ahorro de energía puede ser limitado. Por lo tanto, debemos diseñar una serie de mecanismos para fomentar patrones de consumo de electricidad eficientes y que ahorren energía a través de mecanismos de mercado y frenar los patrones de consumo derrochadores.

A partir de la información obtenida de la tecnología big data, se han llevado a cabo muchas discusiones sobre el diseño de los mecanismos anteriores. Cuando el autor participó en la Conferencia Anual de IEEE Power Systems de 2013, vi mucha investigación relacionada. Esto incluye no solo el desarrollo de tecnologías blandas basadas en la economía, como el diseño de contratos de precios de electricidad empaquetados, sino también la investigación de tecnologías duras relacionadas basadas en la investigación de operaciones que combina el Internet de las cosas y la tecnología de control óptimo. Nuestro país debe llevar a cabo y promover investigaciones relevantes y proyectos piloto de manera oportuna.

El progreso de la tecnología de big data también puede respaldar la investigación y el desarrollo de tecnologías que puedan reducir eficazmente el consumo de energía del transporte. En cuanto a la cuestión del consumo de energía en el transporte, lo que más preocupa a los investigadores es el desperdicio ineficiente de energía provocado por la congestión, la búsqueda de plazas de aparcamiento, etc. La mayoría de estas ineficiencias son causadas por la falta de información de la gente. También se debe a la falta de información que los métodos de gestión tradicionales, como el despacho inteligente del tráfico, sean difíciles de implementar.

Sin embargo, con la popularidad de los teléfonos inteligentes, muchos conductores utilizan el sistema de posicionamiento instalado en sus teléfonos móviles para determinar las rutas de conducción. A diferencia de los sistemas de posicionamiento tradicionales, la información posicionada a través de los teléfonos inteligentes se transmite y almacena en una gran base de datos. Estos datos masivos no solo permiten a las personas comprender el flujo de tráfico en una carretera en un determinado período de tiempo como la información de tráfico tradicional, sino que también indican claramente de dónde viene cada vehículo en la carretera y hacia dónde se dirige en cada período de tiempo. Estado de estacionamiento de cada vehículo. Al mismo tiempo, la tecnología existente también puede respaldar la retroalimentación de información, es decir, puede emitir advertencias de congestión, condiciones de congestión, distribución de estacionamientos e información de ocupación para conductores y pasajeros de vehículos.

Para el transporte urbano, que consiste principalmente en desplazamientos, la interacción de esta información es extremadamente importante. En ausencia de esta información, las personas toman decisiones basadas en experiencias pasadas, lo que las expone a un alto riesgo de aleatoriedad. Con esta información, las personas pueden obtener información más precisa y optimizar sus opciones de viaje. Debido a errores en la estimación del nivel del flujo de tráfico, las personas toman largos desvíos o tienen que soportar congestiones, lo que resulta en una gran cantidad de desperdicio de energía. A través de tecnologías como el aprendizaje automático, la ruta de viaje de cada viajero se puede predecir en función de la información histórica del viaje, lo que permite comunicar a los viajeros con antelación información como la probabilidad de congestión y el período de tiempo en el que ocurrirá. Junto con la tecnología de optimización de rutas que ahora se usa ampliamente, se puede hacer realidad el sueño de la programación inteligente o semiprogramación del flujo de tráfico. Desde la perspectiva de la tecnología blanda de gestión, a medida que la accesibilidad y la autenticidad de esta información han mejorado enormemente, también es posible establecer y cobrar tasas de congestión diferenciadas y otros métodos de gestión para diferentes períodos de tiempo y diferentes tramos de carretera.

Cabe señalar que la frontera de investigación actual se ha avanzado hacia la cuestión del despacho de tráfico integrado que combina big data y vehículos autónomos. Más importante aún, esta información ayuda a comprender qué puntos críticos son las principales causas de los problemas de congestión en una ciudad bajo el patrón de planificación actual, si el diseño de los estacionamientos es razonable y cómo brindar servicios de información personalizados para diferentes grupos de personas. serie de preguntas. Esto permite que la planificación urbana verde no sólo se base en ideas, sino que también esté firmemente arraigada en datos empíricos.

Al deshacerse del doble dilema de la dificultad para obtener datos masivos y la dificultad en el procesamiento posterior a la adquisición, los humanos comprenden mejor los detalles de su propio consumo de energía.

Y es en estos detalles donde se esconde gran parte del derroche energético ineficiente. La aplicación de big data es un esfuerzo que comienza con los detalles y puede lograr la gran narrativa de un futuro verde y sostenible.