Интеллектуальный анализ данных с теплосчетчиков

С 2003 года Томск стал одной из первых площадок в России по
массовому внедрению коммерческого приборного учёта тепловой энергии. За
2004-2005 год было установлено примерно 1900 узлов учёта [1].
Немаловажным фактором оказался новаторский подход с
обязательной диспетчеризацией каждого теплосчётчика с ежедневным
снятием показаний. Полнота опроса всех узлов учёта стала одним из
критических показателей в бизнес-процессе передачи показаний для
начислений за потреблённое тепло, так как оплата от клиентов зависела от
количества теплосчётчиков, по которым ЭСО произвела коммерческий
расчёт.
В настоящий момент ООО «ЦСО» продолжает оставаться самой
крупной организацией в Томске, фактически выполняя функции оператора
коммерческого учёта. Конкурентный рынок заставляет всех участников
рынка перенимать передовой опыт, со временем все компании начинают
предлагать схожий набор услуг, в той или иной степени. Так же, за более чем
десяток лет накоплены данные, которые уже прошли свой технологический
цикл: появление в тепловычислителе, как результат учёта, их сбор через
каналы связи на сервер хранения и обработки информации, передача в
энергоснабжающую организацию для начисления за потреблённый объем
тепла.
Актуальность темы продиктована необходимостью повышения
лояльности клиентов – жителей многоквартирных жилых домов,
пользующимися услугами оператора коммерческого учёта. Немаловажным
фактором является то, что данные с теплосчётчиков позволяют оплачивать
пользование услугой отопления по факту потребления, а не на основе
расчётных и нормативных данных. Также, с помощью обработки
накопленных данных за несколько лет может позволить сделать выводы, как
индивидуальные для каждого дома, так и систематические – внутри групп.
Также работа отвечает потребностям, указанным в указе Президента РФ от
07.05.2018 N 204 (ред. от 19.07.2018) “О национальных целях и
стратегических задачах развития Российской Федерации на период до 2024
года” пункте 11б.
Цель данной работы: Разработать алгоритм и статистическими
методами выявить отклонения в показаниях теплосчётчиков из базы ООО
«ЦСО» за 5 лет, сделать выводы управленческого уровня значимости.
Основные задачи:
• изучить современные подходы в практике коммерческого учёта в
российских и зарубежных источниках;
• очистить данные для анализа от выбросов;
• разбить множество объектов на классы по выделенным метрикам;
• обработать данные и выделить наиболее значимые признаки
статистическими методами;
• провести кластеризацию подъездов и домов по потреблению тепла и
по динамике потребления за 5 лет;
• Разработать методику систематического анализа данных с выдачей
результатов клиентам операторов учёта в качестве дополнительной услуги на
основе компьютерных моделей.
Предметом исследования является статистика суточных показаний
теплосчётчиков за период с декабря 2013 по март 2017 года, по которым был
произведён коммерческий расчёт в течение отопительных периодов с учётом
погодных условий.
Научная новизна заключается в том, что до сих пор в профильной
литературе отсутствуют доказательные методики статистической обработки
данных приборов учета тепла.
Практическая ценность работы заключается в оценке коэффициента
теплоотдачи, приведённого к площади потребления однотипных жилых
домов с ранжированием. По сути, это позволяет выявить дома как выгодно
отличающихся от медианного потребления, так и дома, потребление которых
выше среднего.
Конечный результат работы заключается в предоставлении
результатов в виде рейтинга объектов внутри классов для конечных
потребителей услуг теплоснабжения – жителям домов, управляющим
компаниям.
В результате создания методов и инструментов по интеллектуальному
статистическому анализу данных с теплосчётчиков операторы учёта и
жители будут иметь:
– в кратчайшие сроки выделять проблемные объекты;
– получать рекомендации для проведения наиболее рациональных
мероприятий для повышения эффективности потребления тепловой энергии;
– повысить лояльность потребителей, внедрив дополнительные услуги
и повысив энергоэффективность жилых домов;
– повысить обоснованность размеров оплаты за отопление;
Исследования в данной предметной области хронологически можно
связать с началом программы по установке приборов учёта тепловой энергии
в г. Томске в 2004 году. В тот момент ещё отсутствовали практики по
реализации таких масштабных проектов, опыта по обработке информации в
таком количестве и алгоритмов выстраивания процессов.
Согласно Колесникову [1] меньше половины теплосчётчиков
показывали фактическую экономию, по данным остальных – МКД
потребляли больше тепловой энергии, чем это предусматривалось
расчётными методами. Там же отмечено, что при условии, что данные
попадают в единый центр обработки, их можно анализировать как
индивидуально для каждого объекта, так и в сравнении между собой. Так
же, согласно Каневу [2] отсутствуют открытые данные, что мешает
производить статистический анализ работы приборов.
По Федосину [3] в России недостаточно используется потенциал
исследований на основе данных (в зарубежной литературе – data-driven
energy efficiency), как альтернатива дорогостоящему инструментальному
обследованию, особенно в условиях ограниченных ресурсов (как денежных,
так и кадровых) проведение детального обследования и, самое важное –
сравнения для групп многоквартирных жилых домов становится
нетривиальной задачей.
Так же, по мнению Портянкина [4] система измерения потребления
энергоресурсов должна позволять конечному потребителю использовать
результаты этих измерений для проведения мероприятий по
энергосбережению.
Пуговкин [5] предлагает решать задачи энергосбережения с помощью
математического моделирования режимов теплоснабжения зданий для
нахождения оптимальных параметров.
Принятие управленческих решений по Куприенко [6] невозможно без
полной информации об объекте управления и среде, его окружающей.
Важнейшим направлением является статистический анализ распределений,
поскольку это позволяет получить обширную информацию об объекте.
В российских публикациях тема анализа энергоэффективности на
основе математических моделей (для жилого сектора) так же затронута в
работах М. В. Щербакова [7], М. П. Силич [8], А. М. Ляпина [9], И.А.
Башмакова [10].
Результаты работы были апробированы на научных конференциях:
-XIV Международная научно-практическая конференция
«Электронные средства и системы управления» 28-30 ноября 2018 года,
Томск, ТУСУР. Получен диплом II степени.
-XVI Международная научно-практическая конференция студентов,
аспирантов и молодых ученых Молодежь и современные информационные
технологии 3-7 декабря 2018 года, Томск, ТПУ. Получен диплом III степени.