HUPI – Predicción del consumo energético y modelo de conducta de una entidad
HUPI
Sector: Industria
Business Case
Predicción automática de la demanda energética para el próximo periodo de tiempo (¿12 meses?), con un nivel de granularidad preciso: predice el nivel de consumo de energía que necesitará cada cliente o edificio concreto en el próximo día/semana/mes.
Objetivos
Estimar la factura de energía y tomar decisiones basadas en estos datos. Entender cómo y porqué hacemos un determinado consumo para cambiar nuestros hábitos sin afectar nuestra productividad o la calidad de nuestras vidas. Reducción del consumo energético y mejora de la sostenibilidad.
Use case
A partir de los datos de consumo HISTÓRICOS (perfil de cliente y hábitos históricos de consumo y previsión de crecimiento/disminución de la cartera de la red), caracterización y localización de la infraestructura del edificio, y datos ABIERTOS (meteorología, eventos puntuales, indicadores macroeconómicos, para predecir los impactos de la estacionalidad, eventos o situaciones globales en su producción), el algoritmo comienza realizando una segmentación inteligente multidimensional y a continuación, aplica un modelo de previsión específico para cada segmento.
Infraestructura
Cloud
Tecnologías utilizadas
Aprendizaje Automático o Profundo Reconocimiento/procesamiento de imágenes
Datos utilizados
Perfil de cliente, Consumos históricos (hábitos), Caracterización de la infraestructura, Meteorología, Eventos puntuales / indicadores macroeconómicos.
Recursos utilizados
Humanos: equipo multidisciplinar: 1 director técnico, 2 Matemático & Data Scientist, 1 Full Stack developer, _x000B_1 Front-end developer y equipo experto en UX digital, equipo experto en el dominio. Hupi Elastic Cloud Platform.
Dificultades y aprendizaje
La definición y variabilidad de los factores externos y otros indicadores macro y microeconómicos. Gestión del equipo: coordinación entre personas expertas tecnológicas y expertas en el dominio.
KPIs (impacto en el negocio y métricas del modelo)
Estimación del consumo energético del próximo mes por cada perfil. Mejora de la planificación interna.
Financiación
Privada. El cliente ha pagado el desarrollo de esta aplicación.
Colaboradores
Recursos propios. Ha sido un producto realizado por nuestro equipo de datos.
