维度网讯，大约15年前，阿巴伊·古普塔（Abhay Gupta）在美国创立Bidgely，初衷是挖掘智能电表数据的未开发潜力。他开发了一项名为负荷分解的技术，即非侵入式负荷监测（NILM），其原理是通过分析电表数据识别每个电器的独特用电特征，从而判断哪些电器被使用、何时使用以及能耗多少。

Bidgely创始人兼首席执行官阿巴伊·古普塔分享了更多见解。他指出，公用事业公司过去对客户了解有限，仅掌握抄表数据，而智能电表提供的精细间隔数据（每小时、每30分钟甚至更短）蕴含宝贵信息。Bidgely作为一家基于负荷分解技术的机器学习公司，通过算法将家庭总用电量分解至空调、热水器、冰箱等主要电器，生成每个家庭的能源画像。该技术将用电消费从“黑匣子”变为可见，类似信用卡账单逐笔明细。最初，解决方案聚焦客户互动和能效项目，过去五年扩展至电网规划、峰值负荷管理、电气化项目、需求响应、虚拟电厂、呼叫中心及高账单分析等领域。Bidgely通过云SaaS平台服务全球电力、天然气及水务公用事业公司，这些公司提供电表数据后，算法输出支持决策的洞察。

在印度，Bidgely管理约5000万只智能电表，是重要增长市场，已与三家配电公司和一家私营公用事业公司合作。产品覆盖窃电检测和面向消费者的客户互动。窃电检测是当前主要部署用例，消费者在每月电费账单外，还可获得冰箱、空调、热水器等电器的分项能耗洞察，并能与邻居类似家庭比较用电量。此举借助社会比较心理鼓励节能。平台提供用电模式可操作见解，如空调每日运行小时数，帮助消费者识别低效行为并减少电费。印度电力部希望向消费者展示智能电表投资的实际收益，考虑到能源支出占家庭收入一定比例，效率提升可带来显著财务回报。

印度每年因窃电造成估计数十亿美元非技术性损失。Bidgely利用负荷分解专业知识开发解决方案，帮助配电公司识别高概率窃电案例。平台提供最可能参与窃电的消费者优先列表，支持更有针对性的现场调查。窃电方式包括篡改电表、绕过电表、未经授权连接及滥用用电类别等。算法通过分析电表数据中的用电模式与异常，实现高精度欺诈检测。

关于电网弹性，阿巴伊·古普塔解释，屋顶太阳能普及带来波动性，电动汽车显著增加住宅用电需求。一个典型家庭正常负荷2-3千瓦，一辆电动汽车充电可增加约8千瓦，使总需求达10-11千瓦；两辆车同时充电可能接近18千瓦。配电变压器按30-50个家庭设计，若多个家庭同时夜间充电，负载可能超过限制。过去几年变压器成本翻倍，交货期延长至近三年，因此公用事业公司依赖数据驱动规划。Bidgely软件可从电表数据中自动检测电动汽车充电特征，汇总跨家庭、变压器及馈线信息，预测未来12-36个月负荷增长。这些信息支持公用事业公司部署负荷转移计划或需求响应方案，通过分时电价或动态定价鼓励非高峰充电，或允许客户授权控制充电时间以错开高峰。这种方法可分散峰值需求，将资本密集型变压器升级推迟四到七年，实现有计划的电网现代化。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com