Le moderne tecnologie basate su approccio Big Data si stanno dimostrando un potente strumento per valorizzare tipologie e moli di dati che fino ad oggi non potevano essere sfruttati.

Anche in ambito energetico, le soluzioni Big Data rappresentano lo strumento adatto per far emergere il valore aggiunto derivante dall’analisi delle grandi quantità di dati raccolti dalle utililties.

L’attività in oggetto si è posta l’obiettivo di indagare le possibili sinergie tra le tecnologie di analisi Big Data ed i modelli semantici associati al sistema elettrico, con particolare riferimento al modello dati standard CIM (Common Information Model) di IEC.

Al fine di individuare tali sinergie in specifici contesti applicativi, l’attività si è focalizzata sull’ottimizzazione della gestione della rete elettrica, considerando in particolare le correlazioni tra il consumo di energia delle cabine secondarie e gli indici di presenza di persone sul territorio ad esse geograficamente correlato.

Una prima parte dell’attività ha riguardato la messa a punto di modalità di raccolta di informazioni rappresentative della presenza, originate da fonti dati alternative (Google Places, 4Square) rispetto a quelle tipicamente associate al sistema elettrico.

La seconda parte dell’attività ha invece riguardato la realizzazione di un framework software per l’analisi Big Data basato sul modello dati CIM, finalizzato alla preparazione dei dati e alla loro successiva analisi statistica.

Tale analisi ha evidenziato l’esistenza di una correlazione tra il consumo delle utenze ed il dato di traffico telefonico, entrambi aggregati per cella geografica e orario.

La correlazione è risultata ancor più significativa nel caso di utenze prevalentemente non residenziali, in particolare nell’area del centro storico di Milano.

Un’analoga correlazione, basata sui valori medi di consumo di circa due anni, è stata individuata sia tra consumo e orari di apertura degli esercizi commerciali, che tra consumo e indici di presenza derivati da Google Places.

Le correlazioni consumo–presenza così individuate, oltre a risultare potenzialmente utili per scopi inerenti la gestione della rete, potrebbero prefigurare un uso del dato di consumo elettrico in termini di indicatore di presenza di persone sul territorio.

Il contributo all’analisi dei dati da parte del modello dati CIM in questa prima fase si è limitato a valorizzare l’informazione di geolocalizzazione delle cabine.

Si ritiene che in prospettiva tale modello dati possa fornire contributi più significativi all’analisi Big Data mediante la valorizzazione di ulteriori tipologie di informazione, ad esempio quelle associate alla topologia elettrica della rete.