Data science approaches for city-wide power consumption analysis

Urban populations are growing rapidly, causing an immense increase in power consumption. City-level analysis of power consumption is a popular field of research with the ultimate goal to decrease consumption and greenhouse gas (GHG) emissions and optimize the utilization of power. This thesis focuses on using data science methods to perform different types of statistical analysis over power consumption in a large urban space by integrating data from various sources. Its goal is to better understand the model of power usage and to recognize which parameters are integral in predicting and optimizing consumption. It demonstrates how data science approaches can be applied to address the most difficult problems faced in the field of energy management. Questions posed and answered in this work relate to detecting seasonality (periods with similar power consumption that can be grouped together), hourly consumption distribution, climate effect on consumption, the impact of weekends and holidays on consumption and relations between the consumption of different electricity stations with similar characteristics. Using the city of Milan as a case study, implemented data science approaches resulted in describing the full model of electricity consumption of a large urban center. Techniques described and implemented are generic and can be reused in solving similar problems in other large cities.

La popolazione urbana sta crescendo rapidamente, causando un immenso aumento del consumo di elettricità. L'analisi del consumo di elettricità delle città è un campo di ricerca diffuso con l'obiettivo finale di ridurre I consumi, le emissioni di gas serra e ottimizzare l'utilizzo dell'energia. Questa tesi si concentra sull'utilizzo di metodi di data science per eseguire diversi tipi di analisi statistiche dei consumi in una grande città integrando i dati da varie fonti. Il suo obiettivo è comprendere meglio il modello di utilizzo dell'energia e riconoscere quali parametri potrebbero essere importanti per la previsione e l'ottimizzazione dei consumi. La tesi dimostra come si potrebbero applicare approcci data science per affrontare i problemi più difficili che si presentano nel campo della gestione dell'energia. Le domande poste e risolte in questo lavoro sono legate al rilevamento della stagionalità (periodi con consumo simile che possono essere raggruppati insieme), distribuzione del consumo orario, effetti del tempo sui consumi, impatto dei fine settimana e festività e relazioni tra consumo di diverse stazioni con caratteristiche simili. I metodi studiati sono stati validati su una città di esempio, Milano, per la quale si è fatto uso di dati reali di consumo degli cittadini. I risultati ottenuti evidenziano come i vari modelli di consumo di elettricità raggiungono buoni livelli di qualità.