- News>
- Metering Gas Ed Energia Elettrica Efficientare I Processi Grazie All Intelligenza Artificiale
Metering gas ed energia elettrica: efficientare i processi grazie all’Intelligenza Artificiale
La gestione delle misure è uno dei fondamenti tecnici per una società che vende energia e gas. La gestione dei dati di misura è un processo articolato che si può suddividere in cinque fasi principali:
- La ricezione dei dati di misura;
- Il calcolo dei consumi;
- La simulazione;
- La validazione;
- L’invio a fatturazione del miglior consumo prodotto.
Ricezione dei dati di misura: sincronizzazione con il SII Cloud
Il Sistema Informativo Integrato, tra le altre sue funzioni, si occupa dell’acquisizione e della messa a disposizione dei flussi di misura dei contatori forniti dai distributori locali e indispensabili agli operatori della vendita per fatturare al cliente finale.
La ricezione dei dati di misura avviene attraverso un processo sempre attivo di ricezione dei flussi e nell’offerta Trilance questo processo avviene grazie a TC2.Cloud Metering che, mettendo a disposizione un sincronizzatore proprietario, scarica in automatico i file di misura presenti sul SII Cloud.
Questi flussi, poi, sono elaborati e sottoposti a validazione rispetto al loro contenuto. Infine, subiscono una verifica di conformità rispetto ai requisiti che le specifiche tipologie di flusso devono presentare.
Infatti, sono diversi i tipi di flussi di misura che devono essere gestiti da un sistema di metering quali, ad esempio:
- quelli rilevati con le letture periodiche del contatore;
- quelli generati a seguito di una partica di connessione quali, ad esempio, volture, switching o attivazioni;
- quelli costituiti dalle autoletture fatte dal cliente stesso;
- quelli rilevati a seguito di sospensioni o riattivazioni per morosità;
- quelli inerenti alle letture dei dati tecnici;
- quelli relativi a rettifiche;
- ecc.
Flussi di misura Gas
Flussi di misura Energia Elettrica
Una volta superata questa prima fase di valutazione il flusso viene validato e il software di metering ne elabora il contenuto procedendo quindi ad acquisire le misure e le informazioni ricevute. Con i dati di misura ricevuti ed elaborati il processo di misura passa al secondo step, ovvero il calcolo dei consumi.
Calcolo consumi
In questa fase il sistema effettua, a partire dalle misure ricevute e validate, il calcolo dei consumi per ogni singola sede, dove il consumo viene calcolato in modo da ottenere il miglior consumo fatturabile.
Infatti, essendo il processo di misura strettamente legato a quello di fatturazione, conoscendo le offerte di vendita, il cliente e determinati profili di appartenenza, il software possiede gli strumenti per rimodellare i consumi secondo le esigenze della fatturazione, in modo da esporre il miglior dato di consumo possibile.
Cosa accade però se nel periodo oggetto di analisi dovessero mancare delle misure? In questo momento interviene il processo di simulazione dei consumi.
Simulazione dei consumi
La fase di simulazione permette al sistema di generare delle stime per coprire i periodi per i quali non si hanno a disposizione le misure reali inviate dal distributore. Questa elaborazione delle stime è un processo fondamentale in quanto permette di calcolare, anche in assenza dei dati reali, un consumo sempre più realistico che dà la possibilità di rispettare i vincoli di emissione della fatturazione.
Validazione dei consumi
Tutti i dati di misura ricevuti dal sistema che hanno prodotto un consumo reale o stimato sono poi soggetti ad un’ulteriore validazione da parte del software. La validazione è eseguita al fine di identificare come fatturabili solo i consumi plausibili con lo scopo ultimo di individuare il “miglior consumo” da esporre verso la fatturazione.
Processi di metering: difficoltà operative
Il processo di misura presenta diverse criticità gestionali. Una di queste è sicuramente la mancata ricezione dei flussi di misura da parte dei distributori, oppure la ricezione di dati errati.
Nel caso in cui il sistema blocchi un flusso in quanto contenente dati non validi, l’unica alternativa è agire manualmente sullo stesso provando a ricaricarlo, oppure chiedendo informazioni direttamente al distributore in modo tale che invii nel minor tempo possibile i dati corretti.
Nel caso in cui, invece, non si sia ricevuto nessun flusso di misura, il sistema di metering riesce ugualmente a sopperire a tale mancanza come già detto simulando, per il periodo necessario, i consumi. È comunque evidente che un sistema di metering non può lavorare sempre calcolando i consumi in stima, ma necessita comunque di ricevere i dati di misura dal distributore in quanto il consumo calcolato a partire dal dato reale ha la priorità rispetto a tutte le altre tipologie di consumo, come previsto dall’articolo 5 del TIF (Testo Integrato Fatturazione).
In caso di dati errati, invece, l’EDM può riuscire ad intercettarli e ad invalidarli utilizzando delle soglie configurabili. Nel caso in cui dati non conformi siano registrati a sistema, quest’ultimo riesce comunque a fare in modo che non vengano utilizzati nel processo di calcolo dei consumi, invalidandoli quando questi non risultino validi o plausibili rispetto alle soglie preimpostate.
Il fatto di non ricevere dati di misura o di riceverne molti non corretti crea una evidente complessità gestionale che aumenta l’operatività manuale richiesta per la verifica e la risottomissione di flussi errati o la verifica ed eventualmente la conferma di letture invalidate da sistema perché ritenute non utilizzabili al fine del calcolo del consumo.
Misura e AI: efficientare i processi di metering
L’Intelligenza Artificiale permette di migliorare sensibilmente due processi fondamentali nell’ambito metering ovvero la ricostruzione delle curve di consumo attraverso il processo di stima e la validazione dei consumi.
Attraverso l'addestramento degli algoritmi di Machine Learning, dando in input dati tecnici specifici, l’AI può creare dei cluster così da generare degli insiemi di punti omogenei tra loro da utilizzare poi durante la fase di stima del dato di consumo. In caso di stima su un punto per il quale non si abbiano informazioni sufficienti, l’AI va a ricercare, all’interno dei cluster prodotti dall’algoritmo, il punto con dati reali disponibili più simile a quello in oggetto di stima, così da fare riferimento a quei dati reali e simulare sul punto impattato un dato il più verosimile possibile.
Analogamente, l'Intelligenza Artificiale si può applicare anche alla validazione dei consumi. Sfruttando sempre gli algoritmi di Machine Learning, l'AI riesce a verificare la qualità delle misure disponibili e con l'analisi dei consumi della singola utenza o di punti omogenei, raggruppando un set di punti attraverso caratteristiche anagrafiche comuni quali zona, potenza, consumo annuo, residenza ecc., riesce a validare in modo sempre più accurato i consumi inviati dal distributore.
Intelligenza Artificiale e metering energia e gas: efficientamento dei processi in una prospettiva pro-fatturazione
Riduzione dell’operatività a fronte di una maggiore automazione
Il processo di misura, grazie all’introduzione dell’AI, subisce una spinta ancora maggiore verso l’automazione. Questo elemento alleggerisce il lavoro in carico agli operatori riducendo l’attività manuale perché tutti i processi che si articolano, dall’acquisizione del dato di misura fino alla generazione e validazione dei consumi e la loro messa a disposizione verso fatturazione, sono del tutto automatici e non necessitano di alcuna azione da parte dell’operatore. L’unica operatività richiesta è quella puntuale e a maggior valore aggiunto finalizzata alla gestione degli errori sui flussi importati a sistema e degli scarti generati a valle del processo di validazione dei consumi.
Maggiore accuratezza nella previsione dei consumi
L'Intelligenza Artificiale è in grado di elaborare enormi quantità di dati in tempo reale, migliorando significativamente la precisione delle previsioni di consumo. L’avvento degli Smart Meter e dei misuratori 2G ha contribuito a rendere disponibile una mole sempre crescente di dati, indispensabili per alimentare ed addestrare gli algoritmi di Machine Learning in modo che questi possano essere sempre più accurati nelle loro simulazioni e validazioni. Infatti, è proprio questa accresciuta disponibilità di dati che consente di sviluppare soluzioni AI based che fanno del patrimonio informativo un vero e proprio strumento per efficientare non solo i processi di misura, ma anche quelli di fatturazione dai quali questi dipendono. Seguendo questo modello gli operatori potranno, ad esempio, effettuare eventuali fatturazioni in acconto più in linea con le caratteristiche tecniche del punto di fornitura e con le abitudini di consumo del cliente finale.
Riduzione dell’impatto economico dei conguagli
L'introduzione dell'Intelligenza Artificiale nella gestione della validazione e nella simulazione dei consumi permette di disporre di consumi pro-fatturazione sempre più precisi, anche nel caso in cui vi siano dei periodi in cui le misure reali del distributore dovessero essere assenti. Questo comporta, a lungo termine, una minore differenza tra quanto fatturato in simulato e il dato reale del distributore, con un ridotto impatto economico nel processo di conguaglio nei confronti del cliente finale. Limitare i “maxi-conguagli” è un elemento che va a beneficio sia dell’operatore sia del cliente finale. Da un lato, per l’operatore della vendita riduce l’eventualità di fatturare in acconto consumi sottostimati, con un evidente impatto economico sugli incassi. Per il cliente, invece, ricevere dei conguagli con cifre particolarmente alte potrebbe essere un elemento che, a lungo andare, potrebbe portarlo a decidere di cambiare fornitore. Quindi, ridurre l’importo dei conguagli, potrebbe diventare un elemento che aumenta la Customer Satisfaction, abilitando quindi ad una maggiore fidelizzazione del proprio parco clienti.
Velocizzare la messa a disposizione e migliorare la qualità del dato di consumo a favore della fatturazione
L’automazione del processo di misura da un lato e la ricostruzione e la validazione di consumi sempre più verosimili, anche in mancanza di dati reali, velocizzano la messa a disposizione del dato di misura consolidato al sistema di fatturazione.
Metering gas ed energia elettrica: efficientare i processi grazie all’Intelligenza Artificiale
Ti abbiamo incuriosito e vorresti conoscere più da vicino le nostre soluzioni? Compila il form per parlare con i nostri esperti e scoprire come possiamo essere il partner ideale per il tuo business!
Contatti
Ti abbiamo incuriosito? Scrivici!
Saremo felici di approfondire le tue necessità e capire come possiamo diventare il partner ideale per le esigenze di digitalizzazione, innovazione e sostenibilità del tuo business.