📊 statistics

CROCS: A Two-Stage Clustering Framework for Behaviour-Centric Consumer Segmentation with Smart Meter Data

Het artikel stelt CROCS voor, een nieuw tweestapsclusteringkader dat slimme metergegevens benut om robuuste, op gedrag gerichte consumentensegmenten te creëren door eerst individuele dagelijkse lastprofielen te samenvatten tot representatieve sets en vervolgens consumenten te clusteren op basis van de gewogen gelijkenis van deze sets, waardoor gedragsdiversiteit effectief wordt vastgelegd en data-anomalieën worden opgevangen voor een verbeterd vraagzijbeheer.

Oorspronkelijke auteurs: Luke W. Yerbury, Ricardo J. G. B. Campello, G. C. Livingston Jr, Mark Goldsworthy, Lachlan O'Neil

Gepubliceerd 2026-05-26

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Luke W. Yerbury, Ricardo J. G. B. Campello, G. C. Livingston Jr, Mark Goldsworthy, Lachlan O'Neil

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een stadsplanner bent die probeert te begrijpen hoe duizenden verschillende gezinnen elektriciteit gebruiken. Je hebt een enorme berg data: elke dag, jarenlang, weet je precies wanneer ze de lichten, de oven of de airconditioner hebben aangezet.

Het probleem is dat mensen rommelig zijn. Het ene gezin kookt dinsdag om 18.00 uur, maar vrijdag om 20.00 uur. Een ander heeft een "luie zondag"-routine die er totaal anders uitziet dan hun "drukke maandag"-routine. Traditionele methoden om deze mensen te groeperen, slagen vaak niet omdat ze proberen iedereen in één stijve "gemiddelde" schema te dwingen. Het is alsof je probeert iemands persoonlijkheid te beschrijven door alleen naar een foto te kijken die op dinsdag om de middag is genomen; je mist het hele plaatje.

Dit artikel introduceert een nieuw hulpmiddel genaamd CROCS (Clustered Representations Optimising Consumer Segmentation). Denk aan CROCS als een slimme, tweestaps sorteermachine die is ontworpen om groepen mensen te vinden die zich op vergelijkbare wijze gedragen, zelfs als ze het niet op precies hetzelfde tijdstip doen.

Zo werkt het, opgesplitst in eenvoudige stappen:

Stap 1: De "Dagboek"-sortering (Fase 1)

In plaats van een heel jaar aan data tot één saai gemiddelde te verwerken, bekijkt CROCS de dagelijkse gewoonten van elke persoon individueel.

De Analogie: Stel je voor dat je elke familie vraagt om hun eigen dagelijkse foto's in stapels te sorteren.
- Gezin A heeft misschien een stapel voor "Vroege Vogel"-dagen, een stapel voor "Laat-Nacht-Gamer"-dagen en een stapel voor "Vakantiemodus"-dagen.
- Gezin B heeft misschien een stapel voor "Werkdag" en een stapel voor "Weekendfeest".
Wat CROCS doet: Het creëert een Representatieve Laadset (RLS) voor elk gezin. Dit is niet zomaar één foto; het is een klein album van hun meest voorkomende "persona's". Het vangt het feit dat een gezin niet één ding is; ze hebben een paar verschillende manieren van leven.
Het Voordeel: Deze stap is zeer flexibel. Het maakt niet uit of een gezin data heeft voor 10 dagen of 1.000 dagen. Het maakt niet uit of ze "slechte data" hebben (zoals een dag dat ze op vakantie waren en de koelkast niet gebruikten). Het groepeert eerst hun eigen dagen samen.

Stap 2: Het "Matchspel" (Fase 2)

Nu elke familie hun eigen kleine album van dagelijkse gewoonten heeft, moet CROCS de families bij elkaar groeperen.

De Analogie: Stel je voor dat je families probeert te matchen op basis van hun albums.
- Oude Methode: "Eten jullie allebei om precies 18.00 uur?" Als Gezin A om 18.00 uur eet en Gezin B om 18.15 uur, zegt de oude methode: "Jullie zijn verschillend!"
- CROCS-Methode: "Hebben jullie allebei een 'Avondeten'-gewoonte, zelfs als de ene om 18.00 uur eet en de andere om 18.15 uur?"
De Geheime Saus (WSMD): CROCS gebruikt een speciale wiskundige truc genaamd Gewogen Som van Minimale Afstanden (WSMD). Denk hierbij aan een scoresysteem dat zegt:
1. Kijk naar Gezin A's "Avondeten"-gewoonte. Zoek de dichtstbijzijnde match in Gezin B's album.
2. Cruciale Stap: Tel hoe vaak die gewoonte voorkomt. Als Gezin A 90% van de tijd om 18.00 uur eet, is die gewoonte zeer belangrijk. Als ze het maar 1% van de tijd doen, is het een toevalstreffer.
3. Het systeem geeft meer gewicht aan de veelvoorkomende gewoonten en negeert de rare, eenmalige dagen.
Het Resultaat: Het ontdekt dat Gezin A en Gezin B eigenlijk zeer vergelijkbaar zijn, zelfs als hun klokken iets uit elkaar lopen. Het groepeert ze samen omdat ze dezelfde soorten dagen hebben, alleen op verschillende schema's.

Waarom dit belangrijk is (De "Aha!"-momenten)

Het artikel benadrukt drie grote dingen die deze nieuwe methode beter doet dan de oude:

Het Omgaat met "Asynchrone" Tweelingen:
Stel je twee gezinnen voor die in alles identiek zijn, maar het ene werkt van 9 tot 5 en het andere van 10 tot 18 uur. Hun dagelijkse elektriciteitsgebruik ziet er precies hetzelfde uit, slechts verschoven met één uur. Oude methoden zouden ze in verschillende groepen plaatsen omdat hun klokken niet overeenkomen. CROCS ziet ze als tweelingen omdat het kijkt naar de vorm van de dag, niet naar het exacte tijdstip op de kalender.
Het Negeert de "Slechte Dagen":
Als een gezin een stroomstoring heeft of een vreemde vakantie waar ze geen elektriciteit gebruiken, raken oude methoden in de war. Ze denken misschien dat het hele gezin vreemd is. CROCS zegt: "Oh, dat is gewoon één rare dag in hun album. Laten we naar de andere 364 dagen kijken." Het richt zich op wat het meest gebeurt.
Het Schaalbaar is:
Slimme meters worden in miljoenen huizen geïnstalleerd. Oude methoden worden traag en crashten als je probeert zoveel data tegelijk te verwerken. CROCS is als een team van werknemers waar iedereen eerst zijn eigen stapel sorteert (Stap 1) voordat ze samenkomen om notities te vergelijken (Stap 2). Dit betekent dat het enorme datasets aankan zonder in de stress te raken.

De Einduitvoer: "Verfijnde" Groepen

Tot slot stopt CROCS niet bij het groeperen van de families. Het creëert een Verfijnde Representatieve Laadset (RRLS).

De Analogie: In plaats van alleen te zeggen "Groep A eet avondeten", zegt het: "Groep A heeft drie hoofdmanieren van eten: 60% van de tijd eten ze vroeg, 30% van de tijd eten ze laat en 10% van de tijd slaan ze het avondeten over."
Dit geeft energiebedrijven een veel duidelijker, eerlijker beeld van hoe mensen eigenlijk leven, in plaats van een wazig, uitgemiddeld raadsel.

Samenvatting

Kortom, CROCS is een slimmere manier om elektriciteitsgebruikers te sorteren. Het stopt met proberen iedereen in één "gemiddeld" schema te dwingen. In plaats daarvan erkent het dat mensen meerdere "modi" van leven hebben, negeert het de rare uitschieters en groepeert het mensen op basis van wat ze doen, niet wanneer ze het doen. Dit helpt energiebedrijven betere programma's te ontwerpen om geld te besparen en het net in balans te houden, omdat ze eindelijk de echte, rommelige, prachtige complexiteit begrijpen van hoe mensen elektriciteit gebruiken.

Technische Samenvatting: CROCS – Een Tweestaps Klastersysteem voor Gedragsgerichte Consumentensegmentatie

1. Probleemstelling

De proliferatie van slimme meterinfrastructuur heeft ongekende volumes aan verbruiksdata gegenereerd, wat het potentieel biedt voor gedragsgerichte consumentensegmentatie om Demand-Side Management (DSM) en Demand Response (DR)-programma's te optimaliseren. Echter, bestaande klastermethodologieën lijden aan acht fundamentele beperkingen die hun effectiviteit in real-world implementaties belemmeren:

Onvoldoende weergave van intra-consument diversiteit: Methoden aggregeren vaak dagelijkse lastprofielen (DLP's) tot één Representatief Lastprofiel (RLP), waardoor het feit wordt verdoezeld dat individuele consumenten meerdere distincte gedragsmodi vertonen.
Vergemakkelijkte karakterisering van clusters: Clusters worden doorgaans samengevat door één prototypisch profiel, wat faalt in het vastleggen van gedeelde multi-modale gedragingen binnen een groep.
Afhankelijkheid van tijdsgebonden vergelijkingen: Veel methoden veronderstellen dat gedragsgelijkenis vereist dat er sprake is van uitlijning op dezelfde kalenderdagen, waardoor consumenten met vergelijkbare patronen die op verschillende schema's optreden niet worden geïdentificeerd (asynchrone gelijkenis).
Gevoeligheid voor anomalieën: Uitbijterdagen (bijv. feestdagen, reizen) worden vaak even zwaar gewogen als routine-dagen, wat consumentenrepresentaties vervormt.
Vereiste van tijdgesynchroniseerde data: Veel benaderingen vereisen dat invoerreeksen op identieke tijdstippen beginnen en eindigen, waardoor consumenten met gestaggerde installatiedata of variërende datalengten worden uitgesloten.
Gevoeligheid voor regelmatige discontinuïteiten: Methoden hebben moeite wanneer data is gesegmenteerd (bijv. werkdagen versus weekenden), wat schijnbare temporele afhankelijkheden introduceert.
Slechte verwerking van ontbrekende data: Ontbrekende intervallen vereisen vaak de uitsluiting van volledige consumentenrecords in plaats van alleen de betreffende dagen.
Beperkte schaalbaarheid: Methodes voor globale representatie (bijv. het samenvoegen van alle data voor Principale Componentenanalyse) schalen slecht met de populatiegrootte en vereisen herberekening wanneer nieuwe consumenten worden toegevoegd.

Geen enkele bestaande benadering adresseert gelijktijdig al deze beperkingen, wat een aanzienlijke lacune creëert in de literatuur voor robuuste, schaalbare en interpreteerbare consumentensegmentatie.

2. Methodologie: Het CROCS Framework

De auteurs stellen CROCS (Clustered Representations Optimising Consumer Segmentation) voor, een nieuw tweestaps framework ontworpen om de bovengenoemde beperkingen te overwinnen.

Stap Eén: Onafhankelijke Consumentenklustering (RLS-Generatie)

In plaats van de volledige geschiedenis van een consument te aggregeren tot één gemiddeld profiel, cluster Stap Eén de Dagelijkse Lastprofielen (DLP's) van elke consument onafhankelijk.

Proces: Voor elke consument $i$ wordt hun set van $p_i$ DLP's geklasterd in $k_i$ groepen.
Output: Een Representatieve Lastset (RLS), aangeduid als $\hat{S}_i = \{\pi^1_i, \pi^2_i, \dots, \pi^{k_i}_i\}$ , waarbij elke $\pi$ een prototype (bijv. een medoïde) is die een distinct gedragsmode vertegenwoordigt.
Kernkenmerk: Deze stap vangt intra-consument variabiliteit op. Het aantal clusters $k_i$ kan per consument variëren of vast worden ingesteld op een uniforme waarde $k$ voor alle consumenten. Het framework staat toe om $k$ te overschatten om ervoor te zorgen dat alle gedragsmodi worden vastgelegd zonder de prestaties te degraderen.
Robuustheid: Door DLP's onafhankelijk te clusteren, verwerkt de methode op natuurlijke wijze ontbrekende data (betrokken dagen worden eenvoudigweg weggelaten), onregelmatigheden en niet-gesynchroniseerde tijdsreeksen.

Stap Twee: Consumentenklustering via WSMD

Stap Twee cluster de consumenten zelf op basis van hun RLS's.

Afstandsmaat: De auteurs introduceren de Gewogen Som van Minimale Afstanden (WSMD). In tegenstelling tot standaard set-tot-set afstanden (bijv. Hausdorff), houdt WSMD rekening met de prevalentie van elk gedragsmode.
- Formule: $\Delta_{WSMD}(\hat{S}_i, \hat{S}_j) = \frac{1}{2} \left[ \frac{1}{p_i} \sum_{a=1}^{k_i} n^a_i \min_b d(\pi^a_i, \pi^b_j) + \frac{1}{p_j} \sum_{b=1}^{k_j} n^b_j \min_a d(\pi^b_j, \pi^a_i) \right]$
- Hierbij is $n^a_i$ het aantal DLP's vertegenwoordigd door prototype $\pi^a_i$ , en is $d(\cdot, \cdot)$ een maat voor dissimilariteit in tijdsreeksen (bijv. DTW).
Mechanisme: WSMD vindt voor elk prototype in de huidige set het dichtstbijzijnde prototype in de set van de andere consument, waarbij de afstand wordt gewogen naar de frequentie van dat gedrag. Dit zorgt ervoor dat veelvoorkomende gedragingen de gelijkenismetriek domineren, terwijl zeldzame anomalieën minimale invloed hebben.
Asynchrone Detectie: Omdat de RLS een set patronen is in plaats van een tijd-geordende reeks, kan WSMD gelijkenis tussen consumenten identificeren, zelfs als hun patronen op verschillende dagen optreden (asynchrone gelijkenis).

Optionele Stap: Verfijnde Representatieve Lastsets (RRLS)

Om de interpreteerbaarheid te vergroten, omvat het framework een stap voor community-detectie op basis van grafen.

Proces: Er wordt een graaf geconstrueerd waarbij knopen de prototypes van alle consumenten in een cluster zijn, en randen de door WSMD gegenereerde gelijkenissen vertegenwoordigen.
Output: Community-detectie-algoritmen (bijv. Leiden) identificeren dicht verbonden subgrafieken, die worden samengevat als Verfijnde Representatieve Lastsets (RRLS). Deze bieden multi-profiel samenvattingen van de gedeelde gedragsmodi die een cluster definiëren, in plaats van één enkel gemiddelde.

3. Belangrijkste Bijdragen

Uitgebreide Review en Taxonomie: Het artikel biedt een gestructureerde review van bestaande methoden voor consumentenklustering, categoriseert deze op basis van hun beperkingen en introduceert een taxonomie van tweestaps-methoden.
Nieuw Framework (CROCS): Het eerste framework dat gelijktijdig alle acht geïdentificeerde beperkingen van bestaande methoden adresseert.
Representatieve Lastset (RLS): Een flexibele, op sets gebaseerde representatie die onafhankelijk voor elke consument wordt geleerd, en de diversiteit van terugkerende gedragingen vastlegt zonder tijdsgebonden uitlijning.
Gewogen Som van Minimale Afstanden (WSMD): Een nieuwe maat voor set-tot-set dissimilariteit die gedragspatronen weegt op basis van hun prevalentie, waardoor een robuuste vergelijking van RLS's mogelijk wordt.
Op Grafen Gebaseerde RRLS: Een procedure om multi-profiel clustersamenvattingen te extraheren die de interpreteerbaarheid verbeteren door gedeelde gedragsmodi expliciet bloot te leggen.
Empirische Validatie: Uitgebreide experimenten op synthetische en real-world Australische slimme meterdatasets (Ausgrid en SGSC) die de prestaties, schaalbaarheid en robuustheid van het framework valideren.

4. Experimentele Resultaten

De auteurs evalueerden CROCS tegen een breed scala aan single-stage en tweestaps baselines (waaronder RLP, DCP, GPF en ensemble-methoden) met behulp van de Adjusted Rand Index (ARI), Adjusted Mutual Information (AMI) en Pair Sets Index (PSI).

Intra-Consument Variatie: CROCS (met gebruik van RLS) behaalde aanzienlijk lagere reconstructiefouten in vergelijking met single-profiel methoden (RLP, DCP) en globale multi-profiel methoden (GPF), met name naarmate het aantal gedragsmodi toenam.
Robuustheid tegen Uitbijters: In synthetische experimenten met toenemende aantallen uitbijterdagen, presteerde WSMD consistent beter dan andere set-afstanden (SMD, MHD, Hausdorff). Het vereiste minder overschatting van de clusterparameter $k$ om de nauwkeurigheid te behouden in vergelijking met concurrenten.
Asynchrone Gelijkenis: Experimenten toonden aan dat consumenten met vergelijkbare maar asynchroon uitgedrukte patronen veel voorkomen in real data (ongeveer 7,7% van de paren in de AG-dataset versus 0,6% voor gesynchroniseerde paren). CROCS was de enige methode die deze asynchrone clusters consistent kon herstellen, terwijl methoden die afhankelijk waren van temporele uitlijning (bijv. Long Time Series, DCE) faalden naarmate het aantal distincte patronen toenam.
Schaalbaarheid: CROCS toonde praktische schaalbaarheid, waarbij datasets van maximaal 80.000 consumenten binnen twee dagen werden verwerkt op één HPC-knooppunt. De eerste stap van het framework is volledig paralleliseerbaar, en de tweede stap schaalt kwadratisch met het aantal consumenten maar lineair met het aantal prototypes, waardoor het haalbaar is voor grote populaties.
Real-World Toepassing: Toegepast op Australische zomer- en winterdata, identificeerde CROCS distincte consumentclusters met interpreteerbare hyperprototypes. De resultaten benadrukten seizoensgebonden variaties in gedragsdiversiteit en leverden bruikbare inzichten op voor het ontwerp van DSM-programma's (bijv. het richten op specifieke lastprofielen).

5. Betekenis en Claims

Het artikel claimt dat CROCS een aanzienlijke vooruitgang betekent in gedragsgerichte consumentensegmentatie door methodologische rigour te verenigen met praktische schaalbaarheid.

Paradigmaverschuiving: Het framework daagt de veronderstelling uit dat consumentengelijkenis tijdsgebonden moet zijn, en demonstreert dat asynchrone gelijkenis wijdverbreid is en cruciaal voor effectieve DSM/DR-strategieën.
Operationele Nut: Door interpreteerbare, multi-profiel samenvattingen (RRLS) te bieden en robuust om te gaan met imperfecties in real-world data (ontbrekende data, anomalieën, onregelmatige schema's), biedt CROCS een betrouwbaardere basis voor het ontwerpen en evalueren van demand-side interventies.
Uitbreidbaarheid: De modulaire aard van het framework stelt het in staat om te worden aangepast aan verschillende tijdsreeks-domeinen buiten slimme meters, zoals waterverbruik, EV-laden of machinebedrijfscycli, waar lange reeksen kunnen worden ontbonden in terugkerende perioden.

De auteurs concluderen dat CROCS de analytische fundamenten van DSM- en DR-strategieën versterkt, en een robuust hulpmiddel biedt om de waarde van investeringen in slimme meters te maximaliseren in steeds complexere elektriciteitssystemen.