Towards a web-based energy consumption forecasting platform

Abstract

Nowadays, energy efficiency is a major issue in modern day societies, due to increasing worldwide energy demands. Having this in mind several different solutions are emerging with the purpose of helping the control of energy in all possible ways, whether at its starting pipeline, i.e. where the energy is produced, at the middle pipeline, i.e. where and how the energy is transported, or finally, at the end of the pipeline, where the energy is consumed. At the moment, most solutions are addressing the problem at the end of the pipeline, because it is easier to control the consumption, than it is to alter all of the parts that compose an energy system.Thus, the solution proposed in this paper refers to the development of a platform capable of providing energy prediction on buildings, whether the building is commercial, industrial or residential. The platform will be composed of prediction algorithms, supported by the use of computational intelligence methods such as Artificial Neural Networks (ANN). The main objective of this platform is to use datasets previously recorded of the building energy consumption, along with a number of other parameters, to accurately predict the energy consumption of a given day, so that future, and pondered actions can be taken in order to provide a suitable response for that given day. Technically, the platform itself will be based on standard online remote communication protocols, and this platform is to be integrated with, amongst other equipment, energy meters.

Estimating Overhead Performance of Supervised Machine Learning Algorithms for Intrusion Detection

“…Energy consumption is the amount of energy utilized in the execution of a process (Taborda et al, 2015). The quest to optimize modern computing platforms has resulted in a significant increase in energy consumption, resulting in increased running costs and failure rates (Sundriyal & Sosonkina, 2013).…”

Revisión sistemática de literatura sobre modelos de pronósticos de consumo de energía eléctrica

“…El constante incremento del consumo de energía eléctrica (CEE) [1][2], estrechamente ligado al desarrollo socioeconómico [3][4], se ha convertido en uno de los temas que más ocupa la atención de políticos y científicos, tanto para determinar políticas de energía [3][4][5] como para considerar la disminución de costos en todos los puntos de su proceso de producción (generación, distribución y consumo, con énfasis en este último) [6][7] y preservar el medio ambiente [8][9]. La marcada tendencia a la desregulación del mercado de la energía eléctrica [10][11], los cambios climáticos [12][13], la expansión del uso de las energías renovables [14] y la escasez de combustibles fósiles hacen más complejo el escenario; por lo tanto, contar con pronósticos de CEE que den cuenta acabadamente de esta complejidad se vuelve un desafío.…”

“…Las investigaciones en pronóstico de CEE abarcan un conjunto variado de diferentes aristas del problema, por esta razón se encuentran, tanto trabajos referidos a pronósticos de consumo a largo plazo [1][2][3][4][5], que parten de considerar la correspondencia entre factores socioeconómicos y valores de consumo, como de mediano [4][5][6][7][8] y corto plazo [15][16] donde se consideran otras variables como la temperatura y el día de la semana. Resulta recurrente en la mayoría de los estudios revisados, la dificultad que reviste la selección de variables de entrada [10][11][12][13][14][15][16][17], ya sea por determinar cuáles considerar/no considerar o por la cantidad de datos históricos que habría que incluir, haciendo más compleja aún la definición del modelo de pronóstico.…”

“…De forma general, en los estudios sobre pronóstico de CEE y de acuerdo con las restricciones identificadas, se seleccionan los modelos más adecuados o se considera la definición de un nuevo modelo. El objetivo en la mayoría de los casos es encontrar aquel modelo del que se obtengan los pronósticos más precisos, al tiempo que pueda atender la variabilidad de las condiciones en las que tiene lugar el consumo [11][12][13][14][15][16][17], por ejemplo, adaptarse a los cambios en los patrones de comportamiento de los consumidores, temperatura ambiental, luminosidad, etc. Para ello, en varios estudios se realizan análisis comparativos entre modelos preexistentes y el modelo propuesto a través de técnicas de medición de error, determinándose el porcentaje de mejora que aportan y en qué aspectos de su desempeño resultan particularmente superiores (por ejemplo, costos computacionales y tiempos de entrenamiento) [16].…”