تنها راه اطلاع از میزان مصرف انرژی برای بسیاری از خانوارها، تا چند سال پیش صدور قبض دورهای بود؛ عددی کلی که نشان میداد چه میزان گاز یا برق مصرف شده؛ اما توضیحی درباره زمان، علت یا الگوی مصرف ارائه نمیداد. در حالی که در دنیای امروز، دادهها میتوانند تصویر دقیقتری از الگوی مصرف ارائه دهند و به کاربران کمک کنند مصرف انرژی خود را آگاهانهتر مدیریت کنند. استفاده از ابزارهای دیجیتال، تحلیل داده و فناوریهای هوشمند این امکان را فراهم کرده است که مصرف انرژی نه فقط در پایان یک دوره چندماهه، بلکه بهصورت پیوسته و قابل مشاهده برای کاربران پایش شود. در ایران بخش قابل توجهی از مصرف انرژی در حوزه خانگی و تجاری است. به همین دلیل، ایجاد ابزارهایی که بتوانند رفتار مصرفکننده را دقیقتر پایش کنند و تصویر روشنتری از مصرف به کاربران و سیاستگذاران بدهند اهمیت زیادی دارد. «مهان» با استفاده از فناوریهای نوین و بومی مانند بینایی ماشین، تحلیل داده و الگوریتمهای پیشبینی، تلاش میکند مصرف انرژی را شفافتر و قابل مدیریتتر کند. این سامانه با جمعآوری و تحلیل دادههای مصرف به صورت روزانه، به کاربران کمک میکند درک دقیقتری از میزان مصرف خود داشته باشند و تصمیمهای آگاهانهتری برای مدیریت آن بگیرند.
قرائت هوشمند کنتور با کمک بینایی ماشین
اولین قدم در مدیریت دادههای مصرف انرژی، ثبت دقیق و منظم دادههای مصرف است. در مهان این کار با استفاده از بینایی ماشین انجام میشود. کاربران میتوانند با تلفن همراه خود از کنتور گاز یا برق عکس بگیرند و تصویر را در اپلیکیشن بارگزاری کنند. سامانه با استفاده از الگوریتمهای پردازش تصویر، اعداد کنتور را بهصورت خودکار از روی تصویر تشخیص داده و ثبت میکند. این روش چند مزیت مهم دارد: نخست اینکه خطاهای انسانی در خواندن و ثبت اعداد کنتور کاهش پیدا میکند و اطلاعات شمارنده با دقت بیشتری ثبت میشود. همچنین فرآیند ثبت دادهها برای کاربران سادهتر و سریعتر میشود و دیگر نیازی به مراجعه حضوری برای قرائت کنتور وجود ندارد. ثبت منظم و دقیق این اطلاعات باعث میشود دادههای مصرف با تکرار بیشتری جمعآوری شوند و در نتیجه امکان تحلیل دقیقتر الگوی مصرف و ارائه پیشنهادهای بهتر برای مدیریت مصرف انرژی فراهم شود.
تحلیل الگوی مصرف و ارائه پیشنهادهای شخصیسازی شده
در اپلیکیشن مهان، دادههای مصرف توسط الگوریتمهای تحلیلی بررسی میشوند. این تحلیلها با در نظر گرفتن دادههای تاریخی مصرف، شرایط آبوهوایی، موقعیت جغرافیایی، ویژگیهای ساختمان و تعداد اعضای خانوار انجام میشود. بر اساس این دادهها، الگوی مصرف بهینه برای هر مشترک تعیین میشود و اگر مصرف از این الگو فراتر برود، پیشنهادهایی برای کاهش مصرف در اختیار کاربر قرار میگیرد. این پیشنهادها متناسب با شرایط هر کاربر ارائه میشوند. برای مثال، الگوی مصرف یک خانواده پنجنفره در خانهای ۲۰۰ متری در شهری سردسیر مانند زنجان با الگوی مصرف یک خانواده دونفره در آپارتمانی ۶۰ متری در شهری گرمتر مانند یزد یکسان نیست.
بنابراین توصیههایی که سامانه برای مدیریت مصرف به هرکدام از این خانوارها ارائه میدهد نیز متفاوت خواهد بود. از سوی دیگر، دادههای مصرف در این سامانه بهصورت تقریبا لحظهای در اختیار کاربر قرار میگیرد. این موضوع به کاربران امکان میدهد تاثیر فعالیتهای روزمره خود را بر میزان مصرف انرژی مشاهده کنند؛ برای نمونه ببینند استفاده از وسایلی مانند ماشین لباسشویی چه تغییری در مصرف روزانه آنها ایجاد کرده است درواقع کاربران میتوانند با بررسی دادههای مهان متوجه شوند که چه رفتارهایی در طول آن روز الگوی مصرف آنها را تغییر میدهد. چنین شفافیتی که پیش از این در قبضهای کاغذی -که تنها یک عدد کلی در پایان دوره ارائه میدادند- وجود نداشت، میتواند به اصلاح الگوی مصرف و در نهایت کاهش مصرف انرژی کمک کند.
پیشبینی مصرف برای کاربران و شبکه
مهان با استفاده از دادههای مصرف گذشته و ترکیب آن با اطلاعات محیطی و الگوهای مصرف کاربران، میتواند میزان مصرف احتمالی انرژی را در دورههای آینده برآورد کند. این پیشبینیها به کاربران کمک میکند تصویر روشنتری از روند مصرف خود داشته باشند و بتوانند برای مدیریت بهتر مصرف در روزها یا ماههای آینده برنامهریزی کنند. برای مثال، کاربر میتواند متوجه شود که با ادامه روند فعلی مصرف، چه میزان انرژی در پایان دوره مصرف خواهد کرد و در صورت نیاز رفتار مصرفی خود را اصلاح کند.از سوی دیگر، این دادهها در مقیاس کلان نیز برای شرکتهای توزیع انرژی اهمیت دارد. پیشبینی روند مصرف میتواند به این شرکتها کمک کند تا برای دورههای اوج مصرف، مانند روزهای بسیار سرد یا گرم سال، آمادگی بیشتری داشته باشند و برنامهریزی دقیقتری برای مدیریت شبکه انرژی و تأمین پایدار انرژی انجام دهند.
ایجاد انگیزه برای صرفهجویی
در کنار ابزارهای تحلیلی، این سامانه با ارائه پاداش به مشترکانی که مصرف خود را کاهش میدهند، تلاش میکند انگیزه اقتصادی برای صرفهجویی ایجاد کند. در این طرح، مشترکانی که بتوانند مصرف خود را نسبت به الگوی تعیینشده کاهش دهند، پاداش دریافت میکنند. این پاداشها از محل فروش اوراق گواهی انرژی صرفهجوییشده تأمین میشود؛ سازوکاری که در آن کاهش واقعی مصرف بهعنوان یک ارزش اقتصادی در نظر گرفته میشود و بخشی از منافع حاصل از آن به کاربران بازمیگردد. اجرای چنین مدلی بدون استفاده از ابزارهای هوش مصنوعی و تحلیل دادههای مصرف در مقیاس بزرگ عملاً ممکن نبود. این سامانه با تحلیل الگوی مصرفی هر مشترک و شخصیسازی الگوهای مصرف، میزان صرفهجویی واقعی را با دقت بیشتری محاسبه میکند. چنین رویکردی باعث میشود مدیریت مصرف تنها به توصیههای آموزشی محدود نشود و برای خانوارها یک انگیزه مالی ملموس نیز ایجاد شود.
تجربه اجرای آزمایشی این طرح در برخی مناطق نشان میدهد که مشارکت خانوارها میتواند تأثیر قابل توجهی بر کاهش مصرف انرژی داشته باشد. برای نمونه، در اجرای آزمایشی این برنامه در استان یزد در سال ۱۴۰۳، بیش از ۳۰ هزار خانوار در استفاده از اپلیکیشن مهان مشارکت کردند. نتیجه این مشارکت، کاهش حدود ۴ میلیون مترمکعب مصرف گاز بود؛ رقمی که معادل حدود ۳۰ درصد مصرف گاز سال قبل همین خانوارها به شمار میرود. این تجربه نشان میدهد که ترکیب ابزارهای دیجیتال، تحلیل داده و مشوقهای اقتصادی میتواند نقش مؤثری در بهبود الگوی مصرف انرژی ایفا کند.
پیشبینی میشود امسال در استان یزد حداقل ۱۰۰ هزار نفر در این طرح مشارکت کنند که برآورد میشود ۵۰ میلیون متر مکعب صرفهجویی را به دنبال خواهد داشت. با توجه به این که استفاده از مهان تا امروز در مسیر مصرف بهینه انرژی، نتایج خوبی به دنبال داشته، عقد قرارداد با ادارات توزیع انرژی در دیگر استانها نیز در دستور کار قرار گرفته است.
نظر شما