Beoordeling van disaggregatiemethoden op synthetische digitale watermeterdata

Ontwikkelingen op het gebied van digitale watermeters en data-disaggregatie methodes doen vermoeden dat deze een waardevolle toevoeging kunnen zijn voor het Watergebruik Thuis (WT) onderzoek dat wordt uitgevoerd aan de hand van enquêtes. Het was echter onbekend in hoeverre data-disaggregatie het waterverbruik, zoals gemeten door digitale watermeters, nauwkeurig kan toekennen aan de individuele eindverbruiken (wc, douche, wasmachine, etc.). Een belangrijke reden hiervoor is een gebrek aan meetgegevens waarmee de uitkomsten vergeleken kunnen worden; er zijn niet genoeg locaties waar het waterverbruik op elk tappunt binnen een huis gemeten wordt.

Binnen dit onderzoek is gebruikgemaakt van synthetische waterverbruiksdata, gegenereerd met een aangepaste versie van pySIMDEUM (een model om waterverbruikspatronen te genereren, Blokker (2010)), als alternatief voor fysieke metingen. Externe partijen zijn benaderd om deze data te disaggregeren. De resultaten zijn beoordeeld op een viertal criteria: (1) de aanwezige apparaten/eindgebruiken, (2) waterverbruik naar volumen, (3) labelen van de dataset, en (4) verbruiksgebeurtenissen onderscheiden.

In totaal zijn de resultaten van vijf disaggregaties, uitgevoerd door drie partijen, beoordeeld. Uit de resultaten blijkt dat de methodes/algoritmes over het algemeen ver gevorderd zijn en dat deze met een hoge mate van nauwkeurigheid de synthetische data kunnen disaggregeren. De aanwezigheid apparaten/eindverbruiken wordt tussen de 84% en 92% van de simulaties correct geïdentificeerd. Het waterverbruik naar volume wordt tussen de 82% en 91% correct toegewezen aan elk van de eindverbruiken. Het labelen van de dataset gebeurt met een nauwkeurigheid tussen de 65% en 77%. Minimaal 58% en maximaal 89% van de individuele waterverbruiksgebeurtenissen worden met een marge van 1 seconde correct geïdentificeerd.

Deze resultaten laten zien dat disaggregatiemethodes een bijdrage kunnen leveren aan het WT onderzoek. Hiervoor gelden wel een aantal aanbevelingen/vervolgstappen: (1) herhaling van disaggregatie van synthetische data na verdere ontwikkeling van pySIMDEUM (voor een realistischere weergave van huishoudelijk waterverbruik), (2) aanvullend onderzoek met nieuwe synthetische datasets onder nieuwe/deelnemende softwareleveranciers met een andere nauwkeurigheid van de data.