• <Mehr auf Intel.com

Praxisbeispiel zur Big-Data-Analytik: Energiemanagement durch Verbraucher

Pecan Street verhilft Verbrauchern anhand datengesteuerter Analysen zu mehr Befugnissen beim Energiemanagement.

Bert Haskell, Technology Director, Pecan Street Inc.

 

Pecan Street Inc. ist ein gemeinnütziges Konsortium aus Universitäten, IT-Firmen und Versorgungsunternehmen, die gemeinsam an Tests, Pilotprogrammen und der Kommerzialisierung von Smart-Grid-Technik arbeiten. Der Begriff „Smart Grid“ bezeichnet die Initiativen der Versorgungswirtschaft rund um die Modernisierung der Stromnetze mithilfe von fortschrittlichen Messsystemen, Hausenergiemanagementsystemen (HEMS), Sensoren, photovoltaischen (PV) Solaranlagen, intelligenten Geräten, Elektrofahrzeugen und Internetdiensten, die Verbrauchern mehr Befugnisse geben, um so ihre Energieeffizienz zu verbessern. Pecan Street hat bisher in beinahe zwei Jahren über Sensorsysteme Energieverbrauchsdaten von über 200 Haushalten der Mueller Community in Austin, Texas gesammelt.

Eines der Hauptziele von Pecan Street ist die Förderung neuer Produkte, Dienste und Geschäftschancen im Bereich des Energiemanagements in Privathaushalten. Unsere Forschung hat das Potenzial, Verbrauchern das Wissen und die Werkzeuge an die Hand zu geben, um ihren Energieverbrauch besser zu steuern und zu senken und gleichzeitig das Leben in ihrem Zuhause bequemer zu machen. Zudem werden Versorgungsunternehmen in der Lage sein, das Stromnetzmanagement anhand dieser Daten zu verbessern und in relevante Infrastrukturmodernisierungen zu investieren.

Im Zentrum der Forschung von Pecan Street steht eine Device-to-Cloud-Architektur, mit der Daten aus verschiedenen Quellen gesammelt und für die spätere Analyse und Visualisierung gespeichert werden. Wir sammeln Stromdaten von Systemen, die messen, wie viel Strom innerhalb von jeweils sechs Sekunden durch sechs bis achte Kreise fließt. Außerdem sammeln wir mittels Funktechnik die über Zähler ermittelten Gas- und Wasserverbrauchsdaten. Ein Datenkollektor, der in einem alten Flughafentower der Gemeinde installiert ist und mit Funktechnik arbeitet, überträgt die Daten der modernen, intelligenten Landis+Gyr*-Zähler über ein hochverfügbares Versorgungsnetz zum Supercomputer der University of Texas und in unsere Datenbank.

Wir protokollieren die Aktivitäten der Verbraucher, zum Beispiel Änderungen der Umgebungssteuerung in den Haushalten oder Anpassungen der Energiedatenanzeige. Zudem planen wir die Sammlung der Daten von modernen Thermostaten, für Privathaushalte konzipierten Automatisierungs- und Sicherheitssystemen, Bewegungsmeldern sowie neuen Energietechniken, wie Sonnenkollektoren oder Ladestationen für Elektrofahrzeuge.

Für uns ist es von entscheidender Bedeutung, dass wir verstehen, wie Verbraucher mit den von uns gesammelten Daten interagieren. Daher werden im Rahmen unserer Studie einige Teilnehmer über ein webbasiertes Portal oder eine Smartphone-App Zugang zu ihren Daten erhalten.

Im Laufe von zwei Jahren haben wir eine riesige Datenmenge gesammelt – und zwar weit über 80 Gigabyte an Informationen – und wir erwarten, dass diese Zahl im Laufe des Programms auf ein Terabyte steigen wird. Ein Terabyte mag zwar nicht viel erscheinen, aber wenn man berücksichtigt, dass es sich um einzelne Datenpunkte handelt, ist die Menge gewaltig. Jeder Datenpunkt repräsentiert ein einmaliges Ereignis, daher ist die Verarbeitung dieser Daten extrem komplex. Die Herausforderung bei Big-Data-Projekten besteht darin, die unstrukturierten Daten, die sich in einem ständigen Fluss befinden und aus gänzlich verschiedenen Quellen stammen, zu sammeln und an die University of Texas zu übermitteln, um sie dort zu analysieren und zu visualisieren.

Wir arbeiten zurzeit mit der dritten Datenbankarchitektur, um die beste Lösung für das Speichern und Analysieren derart großer Datenmengen zu finden. Nach dem ersten Monat wurde uns klar, dass der MySQL*-Ansatz nicht mit komplexen Abfragen umgehen kann, etwa „Wie hoch ist die kumulierte Kühlgerätenutzung innerhalb eines 24-stündigen Zeitraums und gibt es für den Versorger Möglichkeiten für ein Nachfrage-orientiertes Programm oder Peak-Shaving?“ Inzwischen sind wir zu einer anderen Datenbankarchitektur gewechselt, und zurzeit evaluieren wir eine Big-Data-Lösung von EMC Greenplum*. Greenplum bietet ein integriertes Big-Data-Analytik-System mit MPP-Architektur („Massively Parallel Processing“), ohne die Komplexität und Einschränkungen proprietärer Hardware, und eine Hadoop*-Distribution, die uns bei der Verarbeitung und Analyse unserer Daten mithilfe einer Modullösung für strukturierte und unstrukturierte Daten helfen wird.

Neben der Suche nach dem richtigen Ansatz für die Big-Data-Analytik war eine unserer größten Herausforderungen die Integrität der gesammelten Daten. Ruhende Kanäle im Datensystem oder Unterbrechungen der Breitbandverbindung der Haushalte führten zu unzuverlässigen Werten. Wir haben dieses Problem gelöst, indem wir qualifizierte Datensätze bekannt „guter“ Daten erstellt haben. Wir kennzeichnen diese Datensätze als äußerst hochwertig und weisen Forscher darauf hin, diese Datensätze zu verwenden.

Die Organisationen des Pecan Street Konsortiums, darunter auch Intel, nutzen das Smart-Grid-Projekt als Entwicklungsplattform für neue Produktkonzepte – also als Testumgebung für innovative Ansätze. Anhand der Big-Data-Analytik können wir ein besseres Verständnis dafür entwickeln, wie Verbraucher Energie nutzen und welche Art von Energiemanagement sie sich wünschen. Zudem können wir Versorgungsunternehmen Einblicke geben, die ihnen dabei helfen, in Hinblick auf die Modernisierung der Stromnetze optimale Investitionsentscheidungen zu treffen.

 

Bert Haskell

 Bert Haskell

 

Im Zentrum der Forschung von Pecan Street steht eine Device-to-Cloud-Architektur, mit der Daten aus verschiedenen Quellen gesammelt und für die spätere Analyse und Visualisierung gespeichert werden.