Riepilogo Tecnico: CROCS – Un Framework di Clustering a Due Stadi per la Segmentazione dei Consumatori Centrata sul Comportamento

1. Enunciato del Problema

La proliferazione dell'infrastruttura dei contatori intelligenti ha generato volumi senza precedenti di dati di consumo, offrendo il potenziale per una segmentazione dei consumatori centrata sul comportamento al fine di ottimizzare i programmi di Gestione della Domanda (DSM) e di Risposta alla Domanda (DR). Tuttavia, le metodologie di clustering esistenti soffrono di otto limitazioni fondamentali che ne ostacolano l'efficacia nelle implementazioni reali:

1. Rappresentazione inadeguata della diversità intra-consumatore: I metodi spesso aggregano i profili di carico giornalieri (DLP) in un singolo Profilo di Carico Rappresentativo (RLP), oscurando il fatto che i singoli consumatori esibiscono molteplici modalità comportamentali distinte.
2. Caratterizzazione dei cluster eccessivamente semplificata: I cluster sono tipicamente riassunti da un singolo profilo prototipico, non riuscendo a catturare comportamenti multi-modali condivisi all'interno di un gruppo.
3. Dipendenza da confronti ancorati temporalmente: Molti metodi assumono che la similarità comportamentale richieda un allineamento sugli stessi giorni del calendario, non riuscendo a identificare consumatori con pattern simili che si verificano su calendari diversi (similarità asincrona).
4. Sensibilità alle anomalie: I giorni anomali (es. festività, viaggi) sono spesso ponderati allo stesso modo dei giorni di routine, distorcendo le rappresentazioni dei consumatori.
5. Requisito di dati sincronizzati nel tempo: Molti approcci richiedono che le serie temporali di input inizino e terminino agli stessi timestamp, escludendo consumatori con date di installazione sfalsate o lunghezze dei dati variabili.
6. Sensibilità alle discontinuità regolari: I metodi faticano quando i dati sono segmentati (es. giorni feriali vs. weekend), introducendo dipendenze temporali spurie.
7. Gestione scarsa dei dati mancanti: Gli intervalli mancanti spesso rendono necessario l'esclusione di interi record di consumatori piuttosto che solo dei giorni interessati.
8. Scalabilità limitata: I metodi di rappresentazione globale (es. pooling di tutti i dati per l'Analisi delle Componenti Principali) scalano male con la dimensione della popolazione e richiedono un ricalcolo quando vengono aggiunti nuovi consumatori.

Nessun approccio esistente affronta simultaneamente tutte queste limitazioni, creando un significativo vuoto nella letteratura per una segmentazione dei consumatori robusta, scalabile e interpretabile.

2. Metodologia: Il Framework CROCS

Gli autori propongono CROCS (Clustered Representations Optimising Consumer Segmentation), un nuovo framework a due stadi progettato per superare le limitazioni sopra menzionate.

Stadio Uno: Clustering Indipendente dei Consumatori (Generazione di RLS)

Invece di aggregare l'intera storia di un consumatore in un unico profilo medio, lo Stadio Uno clusterizza indipendentemente i Profili di Carico Giornalieri (DLP) di ciascun consumatore.

• Processo: Per ogni consumatore $i$, il suo insieme di $p_i$ DLP viene clusterizzato in $k_i$ gruppi.
• Output: Un Insieme di Carico Rappresentativo (RLS), indicato come $\hat{S}_i = \{\pi^1_i, \pi^2_i, \dots, \pi^{k_i}_i\}$, dove ogni $\pi$ è un prototipo (es. un medoide) che rappresenta una modalità comportamentale distinta.
• Caratteristica Chiave: Questo stadio cattura la variabilità intra-consumatore. Il numero di cluster $k_i$ può variare per consumatore o essere fissato a un valore uniforme $k$ su tutti i consumatori. Il framework permette la sovrastima di $k$ per garantire che tutte le modalità comportamentali siano catturate senza degradare le prestazioni.
• Robustezza: Clusterizzando i DLP indipendentemente, il metodo gestisce naturalmente i dati mancanti (i giorni interessati sono semplicemente omessi), le irregolarità e le serie temporali non sincronizzate.

Stadio Due: Clustering dei Consumatori tramite WSMD

Lo Stadio Due clusterizza i consumatori stessi basandosi sui loro RLS.

• Misura di Distanza: Gli autori introducono la Somma Ponderata delle Distanze Minime (WSMD). A differenza delle distanze standard da insieme a insieme (es. Hausdorff), la WSMD tiene conto della prevalenza di ciascuna modalità comportamentale.
  • Formula: $\Delta_{WSMD}(\hat{S}_i, \hat{S}_j) = \frac{1}{2} \left[ \frac{1}{p_i} \sum_{a=1}^{k_i} n^a_i \min_b d(\pi^a_i, \pi^b_j) + \frac{1}{p_j} \sum_{b=1}^{k_j} n^b_j \min_a d(\pi^b_j, \pi^a_i) \right]$
  • Qui, $n^a_i$ è il numero di DLP rappresentati dal prototipo $\pi^a_i$, e $d(\cdot, \cdot)$ è una misura di dissimilarità delle serie temporali (es. DTW).
• Meccanismo: La WSMD trova il prototipo più vicino nell'insieme dell'altro consumatore per ogni prototipo nell'insieme corrente, ponderando la distanza in base alla frequenza di quel comportamento. Ciò garantisce che i comportamenti comuni dominino la metrica di similarità, mentre le anomalie rare abbiano un'influenza minima.
• Rilevamento Asincrono: Poiché l'RLS è un insieme di pattern piuttosto che una sequenza ordinata nel tempo, la WSMD può identificare la similarità tra consumatori anche se i loro pattern si verificano in giorni diversi (similarità asincrona).

Passo Opzionale: Insiemi di Carico Rappresentativo Raffinati (RRLS)

Per migliorare l'interpretabilità, il framework include un passo di rilevamento delle comunità basato su grafi.

• Processo: Viene costruito un grafo in cui i nodi sono i prototipi di tutti i consumatori in un cluster, e gli archi rappresentano le similarità indotte dalla WSMD.
• Output: Gli algoritmi di rilevamento delle comunità (es. Leiden) identificano sottografi densamente connessi, che sono riassunti come Insiemi di Carico Rappresentativo Raffinati (RRLS). Questi forniscono riassunti multi-profilo delle modalità comportamentali condivise che definiscono un cluster, piuttosto che una singola media.

3. Contributi Chiave

1. Revisione Completa e Tassonomia: Il documento fornisce una revisione strutturata dei metodi esistenti di clustering dei consumatori, categorizzandoli in base alle loro limitazioni e introducendo una tassonomia dei metodi a due stadi.
2. Framework Innovativo (CROCS): Il primo framework ad affrontare simultaneamente tutte le otto limitazioni identificate dei metodi esistenti.
3. Insieme di Carico Rappresentativo (RLS): Una rappresentazione flessibile basata su insiemi appresa indipendentemente per ogni consumatore, che cattura la diversità dei comportamenti ricorrenti senza ancoraggio temporale.
4. Somma Ponderata delle Distanze Minime (WSMD): Una nuova misura di dissimilarità da insieme a insieme che pondera i pattern comportamentali in base alla loro prevalenza, consentendo un confronto robusto degli RLS.
5. RRLS Basati su Grafi: Una procedura per estrarre riassunti di cluster multi-profilo che migliorano l'interpretabilità rivelando esplicitamente le modalità comportamentali condivise.
6. Validazione Empirica: Esperimenti estensivi su dataset sintetici e reali di contatori intelligenti australiani (Ausgrid e SGSC) che validano le prestazioni, la scalabilità e la robustezza del framework.

4. Risultati Sperimentali

Gli autori hanno valutato CROCS contro una vasta gamma di baseline a stadio singolo e a due stadi (inclusi RLP, DCP, GPF e metodi ensemble) utilizzando l'Indice di Rand Aggiustato (ARI), l'Informazione Mutua Aggiustata (AMI) e l'Indice delle Coppie di Insiemi (PSI).

• Variazione Intra-Consumatore: CROCS (utilizzando RLS) ha ottenuto errori di ricostruzione significativamente inferiori rispetto ai metodi a profilo singolo (RLP, DCP) e ai metodi multi-profilo globali (GPF), in particolare all'aumentare del numero di modalità comportamentali.
• Robustezza agli Outlier: Negli esperimenti sintetici con un numero crescente di giorni anomali, la WSMD ha costantemente superato altre distanze tra insiemi (SMD, MHD, Hausdorff). Ha richiesto una minore sovrastima del parametro del cluster $k$ per mantenere l'accuratezza rispetto ai concorrenti.
• Similarità Asincrona: Gli esperimenti hanno dimostrato che i consumatori con pattern simili ma espressi in modo asincrono sono comuni nei dati reali (circa il 7,7% delle coppie nel dataset AG contro lo 0,6% per le coppie sincronizzate). CROCS è stato l'unico metodo a recuperare coerentemente questi cluster asincroni, mentre i metodi basati sull'allineamento temporale (es. Long Time Series, DCE) fallivano all'aumentare del numero di pattern distinti.
• Scalabilità: CROCS ha dimostrato una scalabilità pratica, elaborando dataset fino a 80.000 consumatori in due giorni su un singolo nodo HPC. Lo stadio iniziale del framework è completamente parallelizzabile, e lo stadio secondario scala quadraticamente con il numero di consumatori ma linearmente con il numero di prototipi, rendendolo fattibile per grandi popolazioni.
• Applicazione Reale: Applicato ai dati australiani estivi e invernali, CROCS ha identificato cluster di consumatori distinti con iperprototipi interpretabili. I risultati hanno evidenziato variazioni stagionali nella diversità comportamentale e fornito indicazioni attuabili per la progettazione di programmi DSM (es. targeting di profili di carico specifici).

5. Significato e Affermazioni

Il documento afferma che CROCS rappresenta un avanzamento significativo nella segmentazione dei consumatori centrata sul comportamento, unendo il rigore metodologico con la scalabilità pratica.

• Cambiamento di Paradigma: Il framework sfida l'assunzione che la similarità dei consumatori debba essere ancorata temporalmente, dimostrando che la similarità asincrona è prevalente e critica per strategie DSM/DR efficaci.
• Utilità Operativa: Fornendo riassunti multi-profilo interpretabili (RRLS) e una gestione robusta delle imperfezioni dei dati reali (dati mancanti, anomalie, calendari irregolari), CROCS offre una base più affidabile per progettare e valutare interventi lato domanda.
• Estendibilità: La natura modulare del framework permette di adattarlo a vari domini di serie temporali oltre ai contatori intelligenti, come il consumo di acqua, la ricarica dei veicoli elettrici o i cicli di funzionamento delle macchine, ovunque le serie lunghe possano essere decomposte in periodi ricorrenti.

Gli autori concludono che CROCS rafforza le fondamenta analitiche delle strategie DSM e DR, offrendo uno strumento robusto per massimizzare il valore degli investimenti nei contatori intelligenti in sistemi elettrici sempre più complessi.