Functional data analysis of high frequency energy consumption curves for policy evaluation

In the context of Functional Data Analysis, a still open problem is the developenent of advanced inferential techniques, able to provide practitioners and domain specialists useful and insightful information about the data they provide. In this context, permutational tests are a very promising line of research, without all the issues carried by current approaches, based on parametric methodologies. This work applies state of the art methodologies to an original data set of residential energy consumption. We first provide a summary of the functional linear modelling methodologies, and of inferential techniques able to deal with this kind of models. To show the interpretative power of these approaches in modelling of high frequency data, we will apply the described methodologies in the realm of Energy Analytics. This provides a perfect testbed of the methods to a policy relevant problem We rely on an original data set of high frequency energy consumption data coming from a large randomized controlled experiment carried out in Italy. We develop functional models that aim to decompose energy consumption in single components, and to verify if the introduction of a specific device, able to provide real time feedback about household energy consumption, affect how people decide to use energy. High frequency feedback is one of the tools which is supposed to foster energy efficiency, and is thus extremely policy relevant given Italy leading position in energy saving investments. Our results show that FDA is able to provide powerful insights to the data, detecting different usage patterns of different homogeneous clusters of appliances, and identifying the impact of energy policy measures.

Nel contesto della Functional Data Analysis, uno dei problemi considerati ancora aperti, e dotati di grante interesse applicativo, è quello dello sviluppo di tecniche inferenziali avanzate, che siano in grado di fornire agli specialisti di dominio informazioni utilizzabili e utili all'interpretazione dei dati che forniscono. In questo contesto, i test permutazionali costituiscono una linea di ricerca estremamente promettente, e scevra dai problemi che affliggono gli approcci fin'ora proposti, basati su metodologie parametriche. Nel presente lavoro forniamo una breve introduzione, esplicitando solo i concetti essenziali alla comprensione, alla modellistica lineare in ambito funzionale, e alle tecniche inferenziali per tale classe di modelli, nella fattispecie la ITP (Inteval-wise Testing Procedure). Per mostrare la potenza di questi approcci nella modellazione di dati ad alta frequenza, applicheremo le metodologie descritte nell'ambito dell'energy analyitics. Nella fattispecie, analizzando il dataset creato da Enel nell'ambito del Progetto Isernia, svilupperemo modelli finalizzati alla disaggregazione dei consumi totali nelle singole componenti, e a verificare se l'introduzione di uno specifico device atto a mostrare all'utente finale informazioni sui propri consumi ha effetto sui comportamenti energetici. Entrambi gli argomenti sono di estremo interesse applicativo nell'ambito dell'economia dell'ambiente e della mitigazione dei cambiamenti climatici, I nostri risultati mostrano come la FDA è uno strumento molto potente dal punto di vista modellistico e interpretativo, avendo permesso di identificare differenti pattern di consumo attribuibili a differenti gruppi omogenei di elettrodomestici, e di stimare l'impatto sulle abitudini di consumo di policies energetiche.