Smart Longevity Predictive IoT: คาดการณ์ความต้องการพลังงานของบ้านล่วงหน้าเพื่อลดค่าไฟ

ความแตกต่างระหว่าง Reactive Automation และ Predictive IoT ชัดเจนที่สุดในช่วงกลางวันของฤดูร้อนกรุงเทพฯ ระบบ Reactive เปิดแอร์เมื่ออุณหภูมิเกินเกณฑ์ที่ตั้งไว้ ทำให้บ้านร้อนก่อน 5-10 นาทีแล้วค่อยเย็น ระบบ Predictive วิเคราะห์ข้อมูลสภาพอากาศ 6-12 ชั่วโมงล่วงหน้า รู้ว่าบ่ายวันนี้จะมีอุณหภูมิสูงสุด 38°C และเริ่ม Pre-cool ตั้งแต่ช่วงเช้าที่ค่าไฟ Off-Peak เพื่อให้บ้านเย็นพอก่อนที่ความร้อนจะมาถึง โมเดล ML ที่ใช้ในระบบ Predictive IoT สำหรับบ้านอาศัยรวมหลายชั้น ชั้นแรก Time Series Forecasting คาดการณ์การใช้พลังงานในชั่วโมงถัดไปจากข้อมูลย้อนหลัง 30-90 วัน ชั้นที่สอง Weather-Comfort Correlation เรียนรู้ว่าอุณหภูมิและความชื้นภายนอกระดับใดทำให้ผู้อยู่อาศัยปรับแอร์ด้วยตนเอง และคาดการณ์ความต้องการก่อนที่จะรู้สึก ชั้นที่สาม Occupancy Prediction คาดว่าห้องใดจะมีคนอยู่ในชั่วโมงถัดไปโดยอาศัยรูปแบบวันที่ผ่านมา ผลลัพธ์จากการรวม 3 ชั้นนี้เข้าด้วยกันคือระบบที่ Pre-cool เฉพาะโซนที่คาดว่าจะมีคน ในช่วงเวลาที่ค่าไฟถูกกว่า และปรับอุณหภูมิอย่างค่อยเป็นค่อยไปโดยไม่กระทบความสบายตัว ระบบ Predictive IoT ที่ทำงานได้อย่างถูกต้องให้ผลประหยัดพลังงานเพิ่มเติม 15-25% เหนือระบบ Schedule-based อัตโนมัติพื้นฐาน โดยที่ผู้อยู่อาศัยรู้สึกถึงความสบายตัวมากกว่า ไม่น้อยกว่า