Hvad fortæller din elmåler om dig?

Hvis der måles med tilstrækkelig høj tidsopløsning, kan forskellige typer belastninger dog sætte forskellige spor i den samlede kurve. 

Det betyder ikke, at enhver kurve entydigt kan knyttes til et bestemt apparat. Flere apparater kan have lignende mønstre, og samtidige belastninger bliver blandet sammen. Men gentagelser og karakteristiske forløb kan gøre nogle forklaringer mere sandsynlige end andre.

En time kan skjule mange hændelser

Hvor meget kurven fortæller, afhænger i høj grad af tidsopløsningen.

Hvis et døgn samles til ét tal, kan man sammenligne det samlede forbrug fra dag til dag. Med timeværdier bliver det muligt at se, hvornår på døgnet forbruget typisk er højt. Med kvarters-værdier bliver nogle kortere udsving synlige, som tidligere blev udjævnet.

Men en registrering på 1 kWh i løbet af en time fortæller ikke, hvordan energien blev brugt. Den kan dække over en belastning på 1 kW i alle 60 minutter, 2 kW i en halv time eller flere apparater, der har været tændt på forskellige tidspunkter.

Jo længere måleintervallet er, desto flere hændelser bliver lagt sammen. Jo kortere det er, desto mere af forløbet bevares.

Danske husholdningers fjernaflæste måledata er traditionelt blevet opgjort som timeværdier. Overgangen til kvartersværdier sker gradvist, så nogle målere fortsat leverer timeværdier, mens andre registrerer forbruget i intervaller på 15 minutter.

Fra kurve til kvalificeret gæt

Når en belastningsprofil gentager sig over dage og uger, kan den bruges til at undersøge rytmer. 

• Hvornår falder boligens grundforbrug? 
• Hvornår kommer de store belastninger? 
• Og ændrer mønstret sig i weekenden?

Et vedvarende lavt forbrug er ikke bevis på, at ingen er hjemme. Køleskab, router og andre apparater bruger stadig strøm, og mennesker kan være til stede uden at tænde større belastninger. Omvendt kan automatiske apparater skabe aktivitet i kurven, selv om boligen er tom.

Der er derfor forskel på måling og fortolkning. Måleren kan vise, at forbruget steg på et bestemt tidspunkt. En analyse kan vurdere, at stigningen ligner en bestemt type belastning. Men den kan ikke uden videre fastslå, hvilket apparat der blev brugt, hvem der brugte det eller hvorfor.

Forskningsfeltet non-intrusive load monitoring forsøger at adskille det samlede forbrug i sandsynlige bidrag fra forskellige apparater. Metoderne udnytter blandt andet belastningernes form, varighed og gentagelser.

Forbrugsmønstre kan give indikationer på, om der er nogen hjemme. Data med høj tidsopløsning kan desuden gøre det muligt at udlede mere om brugen af enkelte apparater. Men sådanne analyser kræver typisk langt mere detaljerede målinger end almindelige time- og kvartersværdier, og resultaterne afhænger af både datakvalitet, bolig og analysemodel. 

Jo mere du kan se, desto mere kan andre også se

For beboeren kan egne forbrugsdata synliggøre et højt grundforbrug om natten, vise effekten af at udskifte et apparat eller afsløre, om elbilen lader på det forventede tidspunkt.

Men der er en afvejning: Jo mere detaljerede dataene er, desto bedre kan de bruges til styring og fejlfinding – og desto mere kan den, der har adgang til dem, potentielt udlede om boligens forbrugsmønster.

Når måledata kan henføres til en bestemt person – eksempelvis ved at blive koblet til en adresse og en aftaleholder – er de personoplysninger i databeskyttelsesretlig forstand. Derfor er det ikke kun relevant, hvor ofte der måles, men også hvem der får adgang til dataene, og hvad de bruges til.

Din elmåler ved ikke, hvornår du laver aftensmad, går i seng eller forlader hjemmet. Men jo finere og mere regelmæssige data man har, desto mere kvalificerede gæt kan man gøre om den hverdag, der ligger bag.

Elmåleren fortæller ikke din historie direkte. Den leverer et signal, som andre – eller du selv – kan forsøge at læse.