Er det å kutte energiavfall et problem big data kan løse?

Big data er store nyheter på flere nivåer. Mens de fleste bedrifter tenker på store data når det gjelder hvordan de kan øke bunnlinjene, har big data kraften til å gjøre mye mer enn å skape mer målrettet annonsering. Faktisk kan big data løse noen av de største problemene vi står overfor i global målestokk, inkludert energiavfall.

Når det gjelder ren teknologi, har big data overgått alternative energikilder og elbiler når det gjelder potensialet. Evnen til å samle og tolke enorme mengder data om energibruk har allerede resultert i banebrytende energisparende innovasjoner for både forbrukere og energileverandører - og disse teknologiene er klare til å bli mer sofistikerte og utbredte i nær fremtid.

Big Data og energieffektivitet fra forbrukerne

Energieffektivitet er en viktig sak for mange forbrukere og bedrifter. Jo mindre energi de bruker, jo mer penger sparer de, så det lønner seg bokstavelig talt å redusere energiavfallet. Bortsett fra de daglige energisparende vanene med å slå av lys, apparater og datamaskiner når de ikke er i bruk, bruker forbrukerne seg til energieffektive modeller for alt fra garasjeportåpnere til varme- og kjølesystemer i hjemmet.

Det historiske problemet med energieffektivitet hjemme og virksomhet har vært mangel på detaljerte data for energiforbruk. Oppvarming og kjøling utgjør omtrent 50 prosent av all energibruk i USA, men selv den energibruken er sesongbetont, og de andre 50 prosentene er ikke fordelt for langt. Månedlige bruksregninger viser bare hvor mye energi en husholdning har brukt på 30 dager - ikke hvordan den ble brukt eller hvor den kan bli kastet bort.

Det er her big data kommer inn. Smarte sensorer kan levere presise data for husholdningens energibruk, spore og rapportere ikke bare hvor mye energi som brukes, men når bruken skjer - eller til og med hvor mye det koster deg å forlate skrivebordet ditt hjemme for åtte timer mens du går på jobb. Disse dataene kan presenteres via nett- og mobile plattformer, slik at forbrukerne kan oppdage energiavfall og kontrollere energibruk selv når de ikke er hjemme.

Et populært eksempel er Nest-smarte termostaten. Apparatet er designet av tidligere Apple-ingeniører, og oppnår det programmerbare termostater skulle, men klarte aldri å gjøre brukervennlig nok. Den lar deg holde termostaten slått av når ingen trenger ekstra varme eller kjøling, og stille den til å vri seg til riktig temperatur når du vil ha den, for eksempel rett før morgenalarmen går, eller når du kommer hjem fra jobb . I tillegg lærer Nest-termostaten dine preferanser og gjør automatiserte justeringer basert på historiske innstillinger.

Denne typen teknologi kan brukes til smartere lys, kjøleskap, garasjeporter, klimaanlegg, crock-potter, plen sprinklers og mer. Det viser også store datapotensialer for å skape komplette smarte husstander som kjører med maksimal energieffektivitet. (Det er en del av det som kalles tingenes internett. Lær mer i Hva $ # @! Er tingenes internett ?!)

Kutting av industrielt energiavfall

I tillegg til forbrukeres energieffektivitet, har big data potensialet til å hjelpe verktøy med å realisere smartere energiledelse. Med riktig data kan verktøy maksimere effektiviteten for overbelastede rutenett og holde dem i gang jevnt, uten å måtte synke penger i nye anlegg.

Verktøy holder strømmen i drift 24/7. Imidlertid krever svingende kraftbehov at de har ledig kapasitet for å møte pigger i etterspørsel, for eksempel midt på en varm sommerdag eller gjennom frysende vinterkvelder. Den nåværende løsningen for de fleste verktøy er bruk av "toppplanter." Sovende i det meste av året, og kostbart å aktivere, kan toppanlegg koste opptil åtte ganger antall megawatt / time enn energi uten topp, for ikke å nevne den ekstra forurensningen de skaper under drift.

Store data kan redusere eller eliminere verktøyenes avhengighet av toppanlegg. Gjennom smarte målere og algoritmer som adresserer utvendige faktorer som vær, kan verktøy flytte ikke-essensiell strømbruk til ikke-høye tider, redusere topp etterspørselspik og beholde all energibruk på sentralnett.

Med smartere energiledelse kan verktøy også hente reell verdi fra alternative energikilder som vind og sol. Big data feeds kan hjelpe verktøy kompensere automatisk for perioder der naturlig energi ikke blir generert. Prediktiv modellering med store data kan gjøre det mulig for verktøy å beregne vind- og solmønster mer presist, og optimalisere utformingen og plasseringen av vindturbiner og solcellepaneler.

Baksiden: Datasentre og energiavfall

Et av de viktigste spørsmålene som kan hindre big data's potensial for å løse problemer med energiavfall ligger i selve big data, eller i det minste måten big data genereres. Disse utenkelige datamengdene blir produsert av datasentre, som selvfølgelig krever energi for å operere. Og mange datasentre sløser med mer energi enn de bruker.

I likhet med verktøy er datasentre i drift 24/7. Varme er en alvorlig sak. Med hundrevis av massive servere som genererer varme, må fasilitetene kjøles kontinuerlig for å forhindre fysisk nedbrytning av infrastrukturen. Likevel kjører de fleste datasentre ikke med energieffektivitet i tankene. Faktisk fant en rapport fra New York Times fra 2012 at i stedet for å kompensere for skiftende etterspørsel, kjørte de fleste datasentre med maksimal effektivitet døgnet rundt - og kastet bort 90% eller mer av energien som ble hentet fra nettet.

Datasentre og den digitale økonomien bruker i dag rundt 10% av verdens energi. Hvis big data skal løse energiavfallsproblemet, må industrien øve før den forkynner og først vende effektiviseringsverktøyene sine på seg selv, og finne måter å redusere strømtilførselen og forbedre den samlede energibruken uten å risikere en forfall i forsyningen.

Til tross for disse hindringene er imidlertid bigdataens "grønne" potensiale enormt. Å utnytte en grønnere, mer energieffektiv verden kan bare være et spørsmål om å bedre forstå hvordan vi bruker energi og hvor den er ofte bortkastet.