I consumi energetici e la domanda di energia cambiano nel tempo. Monitorare e gestire gli squilibri di una Smart Grid, consente di prevedere la produzione di energia da fonti rinnovabili, oppure il consumo di energia in distretti urbani o comunità energetiche per prevedere i comportamenti futuri.
Come funziona l’algoritmo di FlairBit per la previsione del consumo energetico
Attraverso i dati raccolti da edifici o impianti collegati a fonti rinnovabili, gli algoritmi di Machine Learning sviluppati da FlairBit consentono di:
- Monitorare i consumi passati e prevedere quelli futuri;
- Ridurre i consumi totali;
- Effettuare un bilanciamento previsionale delle reti elettriche;
- Calcolare il prezzo dinamico dell’energia (energy pricing).
Il bilanciamento tra consumo e produzione, permette di non sprecare l’energia prodotta e di non doverne prelevare dalla rete, minimizzando consumi e sprechi.
Prevedere i consumi energetici con Senseioty
Anche per il settore dell’energia le applicazioni di Senseioty sono molteplici: si tratta di sistemi basati su reti a grafo che presentano caratteristiche simili in termini di approccio ICT, ottimizzazione/automazione, sicurezza e resilienza.
In questo ambito, l’attenzione è focalizzata sulle reti elettriche che includono generazione rinnovabile, sistemi di storage, carichi distribuiti e attivi e sensori intelligenti.
Il crescente passaggio all’automazione, alla digitalizzazione e alle soluzioni IoT (Internet of Things) richiede una gestione globale, al fine di raccogliere, monitorare ed elaborare grandi quantità di dati tramite Big Data Analytics e machine learning (ML), analizzare e sintetizzare algoritmi di controllo in tempo reale.
La nostra piattaforma Senseioty consente di evitare i falsi allarmi attraverso un aggiornamento continuo degli algoritmi sfruttando un concetto di normalità dinamico: il modello matematico viene aggiornato in modo periodico e ciclico tenendo conto dei cambiamenti di mercato, di contesto e ambientali.
