Identificazione delle anomalie nelle serie storiche dei consumi elettrici: un’applicazione sulle centrali telefoniche = Anomaly detection on power consumption time series: an application to telco central officies data

Nel corso degli anni, il settore delle telecomunicazioni ha assunto sempre più un ruolo centrale nella società contemporanea. La crescente domanda del volume di dati che necessitano di essere trasportati e processati ha reso questo settore responsabile a livello mondiale per circa il 2% dei consumi elettrici globali. Pertanto, affinché questo settore sia energeticamente sostenibile è importante ottenere un’elevata efficienza di tutti i processi coinvolti. L’energia elettrica in questo settore non viene utilizzata esclusivamente per alimentare i componenti elettronici ma è utilizzata anche per il raffreddamento delle sale in cui sono collocati gli stessi. I principali strumenti per ottenere un incremento dell’efficienza di un impianto sono: la sostituzione delle componenti con altre più efficienti e l’ottimizzazione della gestione degli impianti di climatizzazione. Il primo approccio garantisce notevoli risparmi ma spesso comporta dei costi d'investimento elevati che in un’ottica aziendale devono essere motivati e supportati da solidi studi sul tempo di ammortamento dell’investimento. Il monitoraggio degli impianti risulta invece caratterizzato da costi di installazione minori e consente di individuare condizioni di funzionamento sub-ottimale fornendo strumenti di supporto all'individuazione delle cause di tali sprechi energetici. Inoltre, i sistemi di monitoraggio possono essere sfruttati in maniera proficua anche per definire interventi di efficientamento degli impianti ed infine consentono di valutare in maniera chiara la reale riduzione dei consumi. L’obiettivo di questa tesi è quello di analizzare i consumi energetici orari di più di mille centrali di telecomunicazione distribuite su tutto il territorio italiano, attraverso un sistema di monitoraggio che utilizza un approccio data driven. Attraverso la metodologia messa a punto, si vogliono individuare le anomalie nei consumi elettrici da contatore, ponendo una particolare attenzione sull’interpretabilità degli output degli algoritmi utilizzati. Tale metodologia si basa sull’utilizzo di una riduzione dimensionale di tipo SAX (Symbolic Aggregate approXimation) della serie storica dei consumi al fine di rendere più semplice l’estrazione dei profili di carico tipici della centrale. Si è poi sfruttato un albero decisionale classificatore per correlare variabili esogene (quali ad esempio la temperatura esterna, l’irradianza solare, l’umidità relativa o il giorno della settimana) ai profili di carico, distinguendo, infine, attraverso le previsioni del modello, i profili normali da quelli anomali. Come ultimo passo, è stato messo a punto un sistema di punteggi con l’obiettivo di attribuire un livello di anomalia a ogni profilo, sulla base di una deviazione dalle previsioni della rete neurale. Più nello specifico, questo sistema di punteggi è stato costruito su una rete neurale allenata su un dataset privo delle anomalie individuate nei passaggi precedenti. L’analisi restituisce uno strumento informativo contraddistinto da un’elevata resa grafica delle informazioni che evidenzia per ciascuna giornata le anomalie riscontrate dai due diversi modelli ed indica il livello di consumo più probabile in base alle variabili esogene che contraddistinguono la giornata presa in esame.