Ibland räcker det med ett yttre perspektiv för att tackla ett problem på ett innovativt sätt. Och att sluta sig till elanvändning i en byggnad utan att använda en mätare kan vara så enkelt som att korrelera genomsnittlig beläggning vid en given tidpunkt.

Att mäta elförbrukningen kan vara tidskrävande eller kräva installation av dyr utrustning som kräver regelbunden uppdatering. I jämförelse, transportingenjörer använder bara ibland sensorer för att mäta exakta antal fordon på en viss vägsträcka, föredrar att dra slutsatser om ruttanvändning istället.

Chee-Wooi Ten, docent i el- och datateknik, och Kuilin Zhang, docent i transportsystem och datavetenskap, båda vid Michigan Technological University, slå ihop sina huvuden för att skapa ett tvärvetenskapligt tillvägagångssätt för att modellera elanvändning med hjälp av slutsatser och korrelerad beläggningsinformation.

Dessutom, använda forskarnas metoder i samband med covid-19, den kvasi-online-korrelationen mellan beläggning inom en specifik plats och elförbrukning i hemmet kan tyda på en skiftande belastning av personer som vistas hemma. I bulkkraftsystemet, forskning tyder på att det finns en betydande minskning av elbelastningen i de gemensamma utrymmena – kontorsbyggnader och nöjes- och shoppingdistrikt – i en region.

Mer specifikt, dessa studier kan användas för att avgöra om samhällelig överensstämmelse med nationella rekommendationer att stanna hemma för att platta till kurvan förekommer. Eftersom de flesta äger en smartphone idag, aggregerad rumslig information kopplar till individer. Vid denna kritiska tidpunkt, tillförlitligheten i kraftleveransen till individer är avgörande för dem som stannar och arbetar hemifrån. Denna information kan vara mycket viktig för att sluta sig till och förbättra livskvaliteten i hemmet.

Ten och Zhang publicerade "Establishment of Enhanced Load Modeling by Crelating with Occupancy Information" i tidskriften IEEE Transactions on Smart Grid tillsammans med medförfattare på Michigan Tech, Global Energy Interconnection Research Institute North America och School of Technology and Engineering vid University of Washington-Tacoma.

Uppsatsen föreslår ett statistiskt tillvägagångssätt – en regressionsmodell som korrelerar beläggning inom fysisk närhet och tillhörande belastningar för att generera en tidsberoende modell – för att fastställa korrelationerna mellan uppskattad beläggning av byggnader baserat på enkla sensorer som vi alla bär i våra fickor – mobiltelefoner.

"Om det inte är några inblandade, det finns troligen ingen elektrisk belastning, " Tio sa. "Gatubelysning har ett konstant värde. Trafikljus, för. Men i köpcentra, fabriker och hus, du karaktäriserar konsumtionsbeteendet utifrån när människor är där. Baserat på antalet personer i en byggnad, vi kan sluta oss till elförbrukningen och bygga en profil av det, så vi sätter inte nödvändigtvis in en mätare för att mäta effekten."

Tio noterade att han kunde modellera elektrisk användning för Electrical Energy Resources Center (EERC), en flervånings akademisk byggnad på Michigan Tech campus, baserat på klassanmälningar och lektionstider. Ett annat sätt att sluta sig till beläggning i byggnader kan baseras på mobiltelefonplatser och från enheter på Internet of Things (IoT), ungefär på samma sätt som hur Google eller appen Waze skaffar trafikdata i realtid från mobiltelefoner för att sluta sig till trängsel på vägar.

"Smarta och anslutna enheter, sådana smartphones och uppkopplade fordon, har använts i stor utsträckning som sensorer med crowdsourcing för att samla in individuella bandata för att förstå mänsklig aktivitet och färdbeteende på varje plats och väg längs banan, " sa Zhang.

Den tid en person (uppskattat utifrån sin smartphone eller fordonsdata) tillbringar på en given plats ger beläggningsdata som kan användas för att förstå belastningsmönster på elnätet.

Tio noterar att genom att använda statistiska korrelationer, energibolag kan stå för att spara på att installera mätare, en betydande förhandsinvestering. För enstaka mätaravläsningar personligen, företag skulle kunna använda tillfälliga smarta mätare för att kontrollera mot sambanden.

"På grund av mobiltelefoner, som kan hämtas från moln, hur trafikstockningar spåras har förändrats, " Tio sa. "Hur du ser ett problem är hur du förstår problemet. Vi kommer till detta problem från en tvärvetenskaplig vinkel på ett sätt som kan vara störande, inte inkrementell."

Framtida forskning inkluderar att använda block-för-block boendedata (snarare än av enskilda hushåll) för att uppskatta mellan olika effektfördelningar, hur mycket ström kommer att flöda igenom och hur många passagerare baserat på tid på dygnet.