Monitoring Industrial Machine Power Consumption Using Non- and Semiparametric Quantile Regression

Abstract

In dieser Arbeit wird ein innovativen Ansatz für das Energieverbrauchsmonitoring von Industrieanlagen entwickelt. Die Idee basiert auf dem Vergleich zwischen bedingten Quantilen geschätzt basierend auf einer Referenzperiod, mit den realisierten Werten in einer Evaluationsperiode. Drei verschieden nicht- und semiparametrische Quantilsregressionsmodelle, welche auch verzögerte exogene Variablen umfassen, wurden evaluiert. Die Ergebnisse lassen darauf schließen, dass die Modell das bedingte Quantil gut schätzen. Zusätzlich, werden zwei einfache Monitoring-Warnmethoden definiert. Die erste Methode zeigt rückwirkend für die Evaluationsperiode an, wenn zu viele realisierte Werte über dem geschätzten bedingten Quantil liegen (Verletzung). Die zweite Live-Monitoring-Methode identifiziert zu häufig aufeinander folgende Verletzungen des geschätzten Quantils. In einem Beispiel wird gezeigt, dass die Modell in Zusammenhang mit den Warnmethoden in der Lage sind eine abfallen der Energieeffizienz zu erkennen.

This work presents an innovative approach on how to design and implement a power consumption monitoring system for industrial machines. The approach bases on the comparison of predictions of a conditional quantile model estimated in a reference period with the realized power consumption in an evaluation period. Three different non- and semiparametric quantile regression models including lagged explanatory variables were adopted. The findings indicate that these models are capable to model the conditional quantile well. Additionally, two simple monitoring warning methods were defined, the first one to detect an increased share of violations retrospectively and the other one to detect an elevated number of consecutive violations in a live-monitoring approach. In an example it could be shown that the warning methods are indeed able to detect an increase in power consumption.