ENG470: Engineering Honours Thesis 

Smart Home Energy Management System 

By 

Kwanele Aron Demadema 

Under the Supervision of 

Dr. GM Shafiullah 

 

Unit Coordinator: Prof. Parisa Bahri  

 

H1264: Bachelor of Engineering Honours [BE (Hons)] 

1. Electrical Power Engineering       

2. Renewable Energy Engineering 

Submitted for the School of Engineering and Information Technology 

2018 

 

i  

Declaration    

This thesis report is presented as part of the requirements for completing a Bachelors of Engineering 

Honours degree in Electrical Power and Renewable Energy Engineering at Murdoch University. All the 

work presented is of my own effort and has never been presented elsewhere. I have put my level best 

in citing and acknowledging all secondary sources of information and any omissions are regretted. 

Kwanele Aron Demadema   

02/12/2018 

 

  

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ii  

Abstract 

The link between fossil generated electricity for home energy use and climate change means that the 

ever‐rising residential energy requirements contribute significantly to the greenhouse gas emissions 

and therefore household demand also has a negative impact on the environment. As a result, home 

energy management has gained significant attention over the years. The anticipated incentive to the 

home energy user is household energy cost reduction while the network operator gains from peak 

demand reduction. Effective Demand Response  (DR) programs  in  the  form of Smart Home Energy 

Management  systems  have  the  potential  to  fulfill  both  the  consumer’s  and  network  operator’s 

expectations.  This  project  analyses  the  challenges  of  DR  and  the  effects  of  incorporating  local 

Renewable Energy (RE) generation to a domestic installation with the aim of turning the household 

into an energy neutral home whose net annual energy consumption is almost zero. Power demand 

and  the  consumption  characteristics  of  households  through  common  household  appliances  were 

investigated  using  smart  meters  and  the  associated  load  profiles.  Some  of  Synergy’s  Western 

Australian (WA) electricity retail tariffs were analysed and applied to the load profile downloads to 

verify the cost benefits of tariff shopping, standby mode elimination and load shifting. The Homer Pro 

micro grid analysis tool was used to investigate the possibility of turning a Perth household into an 

energy neutral home by attempting to match its possible loading with the most viable solar generation 

system. The results show that the Power Shift (PS1) tariff was the cheapest with a 1.44% cost reduction 

from the Home plan (A1) project base plan. The cost reduction analysis was performed by applying 

the House 1 June load profile to all the tariffs considered in this investigation. The research results 

show that it is possible to achieve an energy neutral home in WA although this would be accompanied 

by high costs and regulatory restrictions. This thesis project found that about 96% renewable fraction 

is  achievable  to  typical  WA  households  within  reasonable  technical,  economic  and  regulatory 

considerations.  

 

iii  

Table of Contents: 

Declaration ............................................................................................................................................... i 

Abstract ................................................................................................................................................... ii 

Table of Figures ...................................................................................................................................... vi 

List of Tables ........................................................................................................................................ viii 

Acronyms and Abbreviations ................................................................................................................. ix 

Acknowledgements ................................................................................................................................. x 

Chapter 1‐ Introduction .......................................................................................................................... 1 

1.0.1 Overview .................................................................................................................................... 1 

1.0.2  Background Information ..................................................................................................... 1 

1.0.3 Problem Statement .................................................................................................................... 2 

1.0.4 Project Aims and Objectives: ..................................................................................................... 3 

1.0.5 Project Significance .................................................................................................................... 4 

1.0.6 Project Outline ........................................................................................................................... 4 

Chapter 2 – Literature Review ................................................................................................................ 5 

2.0.1 Overview .................................................................................................................................... 5 

2.0.2 Objectives................................................................................................................................... 5 

2.1.0 The Current Smart Home Energy Management Systems (SHEMSs) .......................................... 6 

2.2.0 Demand Response (DR) ................................................................................................................. 6 

2.2.1 Challenges of SHEMS ................................................................................................................. 7 

2.2.2 Challenges of Demand Response ............................................................................................... 8 

2.3.0 Energy Neutral Homes (Net Zero Energy Homes) ......................................................................... 8 

2.3.1 Incorporating Solar Photovoltaics in a smart home ................................................................ 10 

2.3.2 Challenges of Integrating PVs into electricity grids ................................................................. 12 

2.4.0 Smart Meters ............................................................................................................................... 13 

2.4.1 Challenges of smart meters ..................................................................................................... 15 

2.5.0 The Smart Home .......................................................................................................................... 16 

2.5.0 Smart Sensors .......................................................................................................................... 17 

2.5.1 Smart Appliances ..................................................................................................................... 18 

2.6.0 Power and Energy Measurement ................................................................................................ 18 

2.6.1 ICT (Information and Communication Technology) for smart homes ..................................... 19 

2.6.2 User Interface (UI) .................................................................................................................... 20 

2.6.3 Standards Associated with the Implementation of SHEMS ..................................................... 21 

3. Project Approach .............................................................................................................................. 22 

4.0.0 Methodology ................................................................................................................................ 23 

iv  

4.0.1 Overview ...................................................................................................................................... 23 

4.0.2 Possible High Consumption Identification .................................................................................... 26 

4.1.0 Typical Household Load profiles ................................................................................................... 27 

4.1.1 House 1 Load Profile ................................................................................................................ 28 

4.1.2 House 2 load Profile ................................................................................................................. 30 

4.1.3 House 3 Load Profile ................................................................................................................ 31 

4.1.4 House 4 Load Profile ................................................................................................................ 32 

4.2.0 Typical Appliances’ Load Profiles .................................................................................................. 33 

4.2.1 Air Conditioner ......................................................................................................................... 35 

4.2.2 Television ................................................................................................................................. 36 

4.2.3 Refrigerator .............................................................................................................................. 38 

4.2.4 Microwave ............................................................................................................................... 40 

4.2.5 Lighting ..................................................................................................................................... 41 

4.2.6 Washing Machine .................................................................................................................... 43 

5.0 Energy Retail Tariff Analysis ............................................................................................................ 44 

5.0.1 Home Plan (A1) Tariff ............................................................................................................... 46 

5.0.2 Power Shift (PS1) Tariff ............................................................................................................ 46 

5.0.3 Smart Home Plan Tariff ............................................................................................................ 47 

5.0.4 Smart Power (SM1) Tariff ........................................................................................................ 47 

5.0.5 Tariff Comparison..................................................................................................................... 48 

5.0.6 Load Shifting and Standby Mode Elimination Effect ............................................................... 49 

6.0 Smart Energy Monitoring and Control ............................................................................................ 51 

6.0.1 System Components ................................................................................................................. 52 

6.0.2 CTX1 Smart Hub ................................................................................................................... 53 

6.0.3 The Smart Plug ..................................................................................................................... 54 

6.0.4 Climate Command................................................................................................................ 55 

6.0.5 CTEye .................................................................................................................................... 56 

7.0 Incorporation of Solar PVs and Neutral Home analysis ................................................................... 57 

7.0.1 Technical and physical limitations ........................................................................................... 58 

7.0.2 Homer Simulation Approach .................................................................................................... 60 

8.0.0 Recommendations ....................................................................................................................... 69 

9.0.0 Conclusion .................................................................................................................................... 69 

10.0.0 References: ................................................................................................................................ 71 

Appendix ............................................................................................................................................... 75 

Part A: EM1000 METER ..................................................................................................................... 75 

Part B: CTX1 Smart Hub Specifications ............................................................................................. 79 

v  

Part C: CarbonTrack Smart Plug – Specification Sheet ..................................................................... 81 

Part D: CarbonTrack Climate command – Product Broacher ........................................................... 83 

Part E: CTeye Specification Sheet ..................................................................................................... 84 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

vi  

Table of Figures  

 

Figure 1 Schematic of energy flows in an electrical Energy Neutral Home [9] ....................................... 9 

Figure 2 Typical Annual net import and net export curve for an installation incorporating Renewable 

Energy Sources [14] .............................................................................................................................. 12 

Figure 3 The Old Electromechanical meter and the Electronic meter [18] .......................................... 14 

Figure 4 Components of a Smart Home Energy Management system (SHEMS) Source [6] ................ 17 

Figure 5 Smart home electrical socket outlet measurement circuit layout [2] .................................... 19 

Figure 6 Daily Load Profile data [2] ....................................................................................................... 21 

Figure 7: Typical single Phase Electrical Meter Wiring Diagram [25] ................................................... 24 

Figure 8: Appliance Energy Metering Arrangement ............................................................................. 25 

Figure 9 House 1 Load Profile (3 Different Days) .................................................................................. 28 

Figure 10: House 1 and Air‐Conditioner Load Profile Comparison ....................................................... 29 

Figure 11: House 2 Load Profile ............................................................................................................ 30 

Figure 12: House 3 Load Profile ............................................................................................................ 31 

Figure 13: House 4 Load Profile (3 Separate Days) ............................................................................... 32 

Figure 14: House 4 Load Profile (1 Day) ................................................................................................ 33 

Figure 15: Energy Rating Label [26] ...................................................................................................... 34 

Figure 16: Air‐Conditioner Load Profile ................................................................................................ 35 

Figure 17: Television Load Profile ......................................................................................................... 37 

Figure 18: Television (1 Day Load Profile) ............................................................................................. 37 

Figure 19 : Fridge Load Profile (3 Separate Days) ................................................................................. 39 

Figure 20: Fridge Load Profile (1 Day) ................................................................................................... 39 

Figure 21: Microwave Load Profile ....................................................................................................... 40 

Figure 22: Lighting Load Profile (3 Separate Days) ............................................................................... 41 

Figure 23: Lighting Load Profile (1 Day) ................................................................................................ 42 

Figure 24: Washing Machine Load profile ............................................................................................ 43 

Figure 25: carbonTrack Smart Home Energy Management System Components [28] ........................ 52 

Figure 26: CTX1 Smart Hub [28] ............................................................................................................ 53 

Figure 27: The carbonTrack Smart Plug [28] ......................................................................................... 54 

Figure 28: The carbonTrack Climate Command [28] ............................................................................ 55 

Figure 29: The carbonTrack CTEye Electricity Meter [28] ..................................................................... 56 

Figure 30: Homer Model Configuration ................................................................................................ 58 

vii  

Figure 31: The Homer most economic models ..................................................................................... 61 

Figure 32: Effects of Increasing the Inverter Size ................................................................................. 62 

Figure 33: Effects of setting the inverter to 5kW .................................................................................. 62 

Figure 34: Effects of increasing the number batteries.......................................................................... 63 

Figure 35: Effects of increasing the PV array size/number of solar panels .......................................... 63 

Figure 36: Grid Only Supply Chart ......................................................................................................... 63 

Figure 37:Grid only gaseous emissions ................................................................................................. 64 

Figure 38: Grid and PV Supply Chart ..................................................................................................... 64 

Figure 39: Grid, PV and Storage Supply Chart....................................................................................... 65 

Figure 40: Grid connected configuration components responses to the load of 8/06/2018 ............... 66 

Figure 41: Grid and PV system Comparison .......................................................................................... 68 

Figure 42:Grid,PV and storage gaseous emissions ............................................................................... 68 

 

 

 

 

 

 

 

 

 

 

 

 

viii  

List of Tables  

Table 1 Air‐Conditioner Standby Mode ................................................................................................ 36 

Table 2: Television Standby Mode ........................................................................................................ 38 

Table 3: Microwave Standby mode ...................................................................................................... 41 

Table 4: Washing Machine Standby Mode ........................................................................................... 44 

Table 5 Synergy‐Retail Electricity Tariffs [27] ....................................................................................... 45 

Table 6 : Home Plan (A1) Tariff ............................................................................................................. 46 

Table 7: Power Shift (PS1) Tariff ........................................................................................................... 46 

Table 8: Smart Home Plan Tariff ........................................................................................................... 47 

Table: 9 Smart Power (SM1) Tariff ........................................................................................................ 48 

Table 10: Tariff Comparison .................................................................................................................. 48 

Table 11: Load Shifting and Standby Mode Elimination Savings .......................................................... 50 

 

   

ix  

Acronyms and Abbreviations  

   

AC   Alternating Current 

AMI   Advanced Metering Infrastructure 

DLC  Direct Load Control 

DR  Demand Response 

ICT  Information and Communication Technologies 

kWh  kilo‐Watt hour 

LV   Low Voltage 

PF  Power Factor 

PVs  Photo Voltaics 

RE  Renewable Energy 

RESs  Renewable energy resources 

SHEMS  Smart Home Energy Management Systems 

TOU  Time Of Use 

UI  User Interface 

VAC  AC Voltage 

Wh  Watt Hour 

     

 

 

 

 

   

x  

Acknowledgements 

Firstly,  I  would  like  to  acknowledge my  thesis  supervisor  Dr.  GM  Shafiullah  for  the  guidance  and 

support he offered me during my  research work.  I would also  like  to acknowledge my  family  and 

friends for the encouragement and moral support they offered for the duration of my many years of 

study. 

Thank You. 

 

1  

Chapter 1‐ Introduction 

1.0.1 Overview 

This chapter presents the project outline, background information and the project significance.  The 

problem  statement  is  introduced  and  the  research  objectives,  merits  and  demerits  discussed. 

Attention will be paid to the relevance of the project to a modern‐day household while the factors 

that influence the adoption of the project’s proposals will also be discussed. 

1.0.2 Background Information   

Rising home energy demands amidst energy supply constraints have led to high energy costs. 

The link between home energy use and climate change means that the ever‐rising residential 

energy requirements contribute significantly to the greenhouse gas emissions and therefore 

household demand has a negative impact on the environment [1]. 

The term Smart Homes refers to homes enhanced with  intelligent technologies capable of 

interacting with each other to fulfil specific operations or tasks within the home. One of the 

important tasks performed by these intelligent technologies is energy management [2].Smart 

home  energy  management  enables  home  occupiers  to  plan  and  distribute  their  energy 

demands to reduce peak demand and energy costs [3]. 

Most economies  in  the world have risen to the responsibility and acceptance of  the great 

significance  of  energy management.  Energy management  programs  have  the  potential  to 

lower the rate at which toxic gases are released to the atmosphere and thereby lowering the 

effects of global warming. Well conducted energy management systems have the potential 

to  lower  transmission  line  loading  and  thereby  minimizing  the  chances  of  experiencing 

2  

blackouts.  In  general  energy  management  is  one  of  the  tools  to  facilitate  a  Greener 

environment. 

Technological advancements over the years have led to the possibility of remote household 

energy monitoring and control. This means that home energy users have now been afforded 

the  ability  to  monitor  and  control  their  energy  consumption  in  ways  that  reduces  peak 

demand and energy costs. To power utility companies the effectiveness of demand response 

depends on its adoption on a large scale and, this calls for massive awareness campaigns to 

educate home energy users on the benefits of smart home energy management techniques. 

This  project will  investigate  the  consumption  characteristics  of  some  common  household 

appliances  and  the  feasibility  of  an  energy  neutral  home  and  present  a  typical  market 

available  smart  energy  monitoring  and  Control  measure  to  reduce  peak  demand  and 

household energy bills.  

1.0.3 Problem Statement  

Electrical energy management has gained significant attention over time. Achieving efficient 

energy management and control measures is of importance to both the power utilities and 

the  electricity  consumers.  Effective  energy  management  and  control  measures  have  the 

ability  to  lower  energy  demand  and  thus  reduce  the  electrical  industry’s  contribution  to 

greenhouse  gas  emissions.  Power  utility  companies  need  the  consumption  levels  to  be 

lowered  as  this  would  improve  system  efficiencies without  the  need  to  undertake  costly 

network  upgrades  in  order  meet  peak  demand  and  thus  avoid  system  blackouts  due  to 

overloading.  Energy  consumers  also  need  to  reduce  their  consumption  levels  to  reduce 

household  energy  related  expenses.  The  adoption  of  local  electricity  generation  by 

3  

integrating  renewable  energy  sources  to  lower  household  demand  has  great  benefits, 

however there still exists a potential to reduce household demand by managing household 

appliance  usage.  In  order  to manage  and  control  household  appliance  usage  it  becomes 

necessary  to  investigate  the power demand and  real‐time energy  consumption as well  as 

investigate the operating characteristics of common household appliances. 

In  most  research  work  an  appliance’s  power  consumption  has  often  been  calculated  or 

assumed by reference to information provided by the manufacture through the appliance’s 

nameplate. This approach assumes the appliance’s power consumption to be always constant 

at the appliance’s nameplate rated power. However realistically power consumption for most 

household appliances often varies during operation. The investigation of energy consuming 

appliances is a key step towards cultivating energy awareness and hence improving energy 

usage in the household. Therefore, in order to make accurate conclusions on the research on 

the consumption characteristics of household appliances it becomes necessary to use more 

realistic appliance energy consumption data. 

This project  includes  real  time electrical  energy measurements  for 4 households  in Perth, 

Australia. Measurements are carried out for appliances from one of the houses. This approach 

is  considered  to  produce more  realistic  conclusions  on  the  research  on  the  consumption 

characteristics of household appliances. 

1.0.4 Project Aims and Objectives:   

This project’s objectives are to  

Measure the power demand and real‐time energy consumption as well as investigate 

the operating characteristics of common household appliances through smart devices. 

4  

Develop a control measure to reduce energy consumption of the household in order 

to reduce peak demand and energy costs.  

The project will also investigate the effect of integrating roof top solar PVs to turn the 

house into an energy neutral house. 

1.0.5 Project Significance  

There  is  a  dire  need  to  reduce  global  energy  demand  in  order  to  reduce  the  negative 

environmental impacts of electrical energy production. Amidst the ever‐rising global energy 

demand and costs, there is also a great need for the various energy consumers to reduce their 

energy consumption levels. The reduction in energy demand is beneficiary to at least two key 

players  in  the  energy  industry  that  is  the  power  utility  companies  and  the  electricity 

consumers. This thesis project endeavours to develop reasonable control measures to reduce 

the  energy  consumption  of  a  household  to  reduce  peak  demand  and  energy  costs.  The 

analysis of real time energy consumption data for individual appliances will also influence load 

shifting procedures, determination of appliance running costs and the identification of faulty 

household appliances. 

1.0.6 Project Outline  

The project begins by collecting energy profile data for selected house hold appliances in a house in 

Perth, Australia. The consumption data will be analyzed for the purposes of identifying consumptions 

trends  that  can  be  utilized  in  the  formulation  and  selection  of  the  most  suitable  home  energy 

management system for households. A  typical market available smart energy monitoring and 

Control system will be presented, and special focus will be paid on the basic components to be 

included for such a system to be effective. Current energy market retail tariffs will be analyzed in order 

to make a conclusion on the most cost reducing tariff to be effected in conjunction with a remote 

5  

smart home energy management system. The Homer Pro micro grid analysis tool will then be 

used to investigate the possibility of turning a Perth household into an energy neutral home 

by attempting to match its possible loading with the most viable renewable energy system 

configuration. 

Chapter 2 – Literature Review  

2.0.1 Overview  

This  section  discusses  the  terminologies,  methodologies  and  ideas  that  the  available  literature 

considers  to be  largely  involved  in  the development of Smart Home Energy Management Systems 

(SHEMS). It discusses the idea of SHEMS as part of demand response (DR) while the global energy crisis 

and the need to progress to a greener future are presented as factors that form the backbone of the 

research on energy neutral homes also known as the net zero energy homes. The section goes on to 

discuss  the  literature  on  the  integration  of  renewable  energy  sources  such  as  photovoltaics  (PVs) 

systems with the goal of achieving energy neutral homes. The smart home concept will be defined 

and the functions of  its major components described. Finally, energy measurement techniques are 

presented and discussed.  

2.0.2 Objectives  

The aim of the project is to measure the power demand and real‐time energy consumption as well as 

investigate the operating characteristics of common household appliances through smart devices and 

develop a control measure to reduce energy consumption of the household in order to reduce peak 

demand and energy costs. The project will also investigate the effect of integrating roof top solar PVs 

to turn the house into an energy neutral house. 

The  concept  of  smart  home  energy  management  Systems  (SHEMS)  will  be  adopted  in  the 

investigations that will be carried out for the purpose of achieving the project objectives. 

6  

2.1.0 The Current Smart Home Energy Management Systems (SHEMSs)  

Most researchers define the Smart Home Energy Management System as the optimum system that 

provides energy management amenities for the efficient monitoring and management of electricity 

consumption in smart homes. The SHEMS are made up of coordinated communication, measuring and 

censoring  networks within  the  developed  smart  home.  The  signals  and  energy  consumption  data 

obtained  from  the  domestic  smart  appliances  is  analysed  and  used  for  energy  consumption 

monitoring  and  remote  control  of  the  smart  home’s  appliances.  The  associated  load  control  and 

consumption monitoring may also be carried out from an electronic gadget such as a smart phone or 

a personal computer [4]. 

Recent literature acknowledges that the current improved SHEMS have become less bulky as a result 

of technological advancements, and are now capable of carrying out more complex and intelligent 

functions thus earning themselves the name Smart Home Energy Management Systems (SHEMS).The 

SHEMS now employ  the use of modern day cutting edge technology which  includes  the Advanced 

Metering Infrastructure (AMI) which now utilises electro‐digital components and intelligent software 

[5]. 

Although various sources agree that the current SHEMS have a wide range of functions, they still share 

common goals with other types of energy management systems. In general most literature identifies 

the three main common goals of energy management systems as energy conservation, energy cost 

reduction and improving the quality of life [6]. 

2.2.0 Demand Response (DR)  

From the analyses of various available literature on the concept of smart home energy management 

systems it can be noticed that the SHEMS form part of DR and as a result these two terms maybe used 

interchangeably.  

7  

In  an  electrical  network  DR  is  a  strategy  designed  to  prompt  end  users  to  change  their  usual 

consumption tendencies in response to variations in the electricity unit price on a Time of Use (TOU) 

tariff. Also some literature define DR as the incentives designed to encourage low energy consumption 

at high market price periods or during grid instability and peak periods [7] . 

Most of  the  available  literature acknowledges  that  the main aim of  the TOU  tariff  is  to  lower  the 

differences between the highs (peak shaving) and lows in the grid demand pattern and facilitate valley 

filling  (Load  Shifting)  at  night  times.  These  responses  are  preferred by network operators  as  they 

reduce  the  chances  of  generator  cycling  and  also  create  opportunities  for  the  research  and 

development of even more intelligent SHEMS [1]. 

2.2.1 Challenges of SHEMS  

Achieving  positive  end  goals  after  the  implementation  of  the  SHEMS  concept  also  faces  some 

constraints along the way. Some Research literature state that human nature presents real challenges 

that are usually not anticipated in the design for SHEMS as a way of domestic energy consumption 

management.  They  argue  that  residential  consumers  appear  to  be  irrational  in  their  energy  use 

decisions. Home occupants have a number of priorities, unfortunately reducing electricity bills may 

not  always  be  at  the  top  of  their  priority  list.  As  a  result,  researchers  have  faced  challenges  in 

determining a typical demand behavior curve basing on home occupants’ energy data. This has been 

attributed to the fact that residential energy usage patterns are dependent on various external factors 

that may include weather changes and the type of appliance used. This becomes an issue when trying 

to predict appliance usage patterns. Some literature mentioned an example that we may predict that 

home occupants will  prepare dinner with  an electric  cooker  for most of  the  year  yet  some home 

occupants  may  considerably  be  using  gas  cooking  appliances  depending  on  the  home  occupier’s 

preference at a particular time [1]. 

Some sources have proved that providing energy consumption feedback to home occupiers has the 

effect  of  reducing  energy  consumption.  However  other  researchers  are  concerned  that  in  most 

8  

instances consumption data does not give an insight into the level of energy efficiency of domestic 

appliances. Therefore,  in order  to encourage home occupiers  to use energy efficient appliances,  it 

then  becomes  necessary  to  compare  appliances  it  terms  of  their  energy  usage.  This  means  the 

comparison  of  energy  consumption  characteristics  of  the  same  type  of  domestic  appliances  or  a 

comparison with reference appliances listed in highly recommended online energy efficiency related 

websites [2]. 

The SHEMS concept is one of the concepts adopted for achieving this project’s objectives due to its 

energy efficiency  attributes  and  the  fact  that  the  concept  endeavours  to  fulfil  the utility Network 

Operator’s need for efficient and reliable DR programmes. 

2.2.2 Challenges of Demand Response   

Contrary to the conventional demand economic model. Studies performed in 400 houses on a time of 

use  tariff  (TOU)  in Auckland New Zealand  found  that  there were  some  instances when  residential 

demand curves exhibited  insignificant demand  reduction during peak periods. A  similar  study was 

carried out in Chicago where residential customers were put on hourly variable rates. The results of 

this  study  highlighted  that  there  was  no  demand  increase  during  cheap  rate  periods  [1].The 

unpredictable nature of demand response curves presents scheduling and planning problems to the  

Network operator. The complexity of the residential side energy usage characteristics also presents 

challenges to the implementation of renewable energy systems and energy efficient programs [3]. 

2.3.0 Energy Neutral Homes (Net Zero Energy Homes)  

Various sources define the term “Energy Neutral Home”/Net Zero Home as referring to a home whose 

net annual energy consumption is almost zero. This means that for a typical energy neutral home the 

heating and electrical power demand is reduced and renewable energy sources are then matched to 

meet this reduced demand annually. The renewable energy generator may sometimes be added on 

to an existing home or come as part of the initial building design. For grid connected homes, the utility 

9  

network can supply energy in times when the renewable energy resource is low. This arrangement 

makes it possible for the energy neutral home to export its locally produced excess energy into the 

utility grid. The design of energy neutral homes makes it possible to use active energy management 

techniques and renewable energy technologies e.g. solar PVs to fulfill the home’s energy requirements 

[8]. 

The schematic in Figure 1 below gives an idea of energy flows in a typical Energy Neutral Home. 

 

Figure 1 Schematic of energy flows in an electrical Energy Neutral Home [9] 

 

Some of the work that has been carried out on energy neutral homes includes the Eco Terra house 

built  in Quebec, Canada.  The house was built  in 2007 with  the  aim of demonstrating how energy 

efficient  technologies,  building  techniques  and  renewable  energy  systems  could  be  applied  and 

marketed. The house is considered to be Canada’s first Energy neutral home and it contributed to the 

development of the Energy Efficient guide of Canada also known as the “EnerGuide” [10]. 

10  

In a Smart Grid setup, smart home energy management systems (SHEMS) play a very critical role in 

achieving effective DR programmes in the residential side of the network. Through the SHEMS a home 

occupier has the ability to automatically control their Smart loads in response to smart grid/network 

signals, load importance and personal preferences [11] 

The  smart  grid’s  ability  to manage  bidirectional  energy  flow  supports  the  incorporation  of  locally 

generated residential electricity. It is therefore part of this project’s objectives to also investigate the 

effect of integrating roof top solar PVs to turn the house into an energy neutral home.  

2.3.1 Incorporating Solar Photovoltaics in a smart home  

This project will also investigate the effect of incorporating solar PVs with the aim of turning a home 

into an energy neutral home. The results of this investigation will influence the extent and depth of 

the investigations related to the development of control measures to reduce energy consumption of 

the household in order to reduce peak demand and energy costs. 

Various sources agree that the need for energy efficient homes has gained significant attention over 

the years. They argue that energy efficiency is now crucial for the environment as well as for energy 

conservation and economic reasons. The development of smart grids capable of demand response 

makes it possible to integrate renewable energy generation sources and also facilitates efficient load 

distribution and management schemes with variable energy pricing [12]. 

In most urban  smart homes,  roof  top  solar modules  are mounted on  the  roofs depending on  the 

amount of available roof space. Most available literature concludes that the amount of available roof 

space that can be utilized for the installation of solar panels determines the maximum number of solar 

modules that can be installed. The number of solar modules installed also determines the maximum 

electrical power that can be generated locally within the smart home environment. The electricity that 

is generated from the solar PVs in a smart home is then used to meet the electrical energy demand of 

the particular smart home. In grid connected solar systems, excess electrical power that would have 

11  

been  generated  is  fed  into  the  main  grid  via  the  smart  meter.  The  exportation  of  excess  solar 

generated  power  from  the  smart  home  into  the  utility  grid  contributes  to  the  total  portion  of 

renewable  energy  in  the  electrical  network  and  thus  reduces  fossil  fuel  demand  and  carbon  gas 

emissions [13]. 

Sources have identified that integrating solar PVs into a smart home is a step towards achieving an 

Energy Neutral Home/Net Zero Energy home. The interaction between the home and the grid is said 

to imply that after computing the difference between the imported and exported energy over a period 

e.g. one year yields a net balance that is close to zero. The near zero balance is the value that is used 

to describe the smart home as an Energy neutral/net zero energy home [9].  

In this project, smart meter energy consumption data which will be the sum of the energy consumed 

by the various domestic appliances within the installation will be analyzed. The meter data will consist 

of load profiles from homes with solar PVs and those without solar PVs. Part of the analysis of the 

energy data will involve a comparison between the home’s annual net energy import (consumption) 

and the net energy export. 

Figure 2 below shows a typical load profile curve for net import and export electricity in an installation 

equipped with renewable energy sources such as the PVs sources. 

12  

 

Figure 2 Typical Annual net import and net export curve for an installation incorporating Renewable Energy Sources [14] 

 

Also shown in the graph is the peak load, peak Generation and duration of time when the installation’s 

net import and export were nearly the same for some time. The flat section of the graph shows how 

long the installation lasted performing near to, or as an energy neutral home/Net zero building. 

The difference between the annual  imported and exported energy will reflect on the extent of the 

effort needed to turn the home into an energy neutral home. 

2.3.2 Challenges of Integrating PVs into electricity grids  

Large scale integration of Renewable energy sources into electricity grids comes with some 

challenges  to  the network operators who have  to maintain a  reliable electricity  supply.  In 

Canada since 2004, the approach to the evaluation of integrating renewable energy sources 

to their power systems has been changing. The Ontario Power Authority of Canada expressed 

concerns that excess renewable energy sources would affect their transmission network. As 

a result the power authority identified network areas where it would no longer approve the 

integration of renewable energy generators [15]. 

13  

Facts to be considered are that, the supply of electricity is expected to match the demand, 

electricity  cannot  be  stored  economically  at  a  larger  scale  and  there  are  fluctuations  in 

residential power consumption patterns [5]. 

Renewable energy sources are intermittent energy resources and the large scale integration 

of these sources into grids comes with a number of uncertainties. These challenges mean that 

in order for network operators to maintain a reliable electricity supply, major technological 

upgrades are required to be effected  into the existing electrical  infrastructure. This simply 

means network operators would need to invest into the inclusion of more auxiliary services 

in order to counter the effects of these uncertainties [5].  

In Germany from the year 2009 to 2012 there was an incentive for generated electricity self‐

consumption. This  scenario presents challenges  in designing and managing energy neutral 

homes with solar PVs due to the fact that there could be huge differences between market 

retail and wholesale prices of electricity. This may end up promoting self‐consumption and 

discouraging exportation to the grid and this condition contradicts the definition of energy 

neutral homes [14]. 

2.4.0 Smart Meters  

Current SHEMS work alongside with Smart energy meters. Smart meters are electrical digital 

energy meters that have the ability to measure and record energy consumption at pre‐set 

time intervals. A two way communication channel between the smart meter and the utility 

server  enables  the  smart  meters  to  transmit  data,  receive  and  execute  programmed 

commands from an operator [16]. Basically the smart meter is that piece of equipment which 

14  

collects demand data from the domestic appliances. The smart meters in SHEMS are part of 

the Advanced Metering Infrastructure (AMI) [5]. 

Most  sources  acknowledge  that  in  the  early  days  Home  Energy  Management  Systems  (HEMS) 

employed the use of analogue instruments such as analogue meters which provided basic information 

and were simple to comprehend. These type of analogue meters are now considered to be bulky in 

size and yet still narrow in use [17]. 

Figure 3 below shows the older version of the electromechanical meter and the electronic meter. 

 

 

Figure 3 The Old Electromechanical meter and the Electronic meter [18] 

 

The AMI  facilitates  the exchange of  information between  the network operator and  the domestic 

consumer. The information enables the consumer to make decisions related to load shifting during 

peak periods as response to variations in electricity costs [4]. 

15  

Recent research suggests that in the near future the interaction of Smart meters and intelligent smart 

grid equipment will make it possible for smart homes to respond to price warnings from the smart 

grid and to initiate demand response schedules. Load management is valuable to network operators 

and can help in promoting energy neutral home designs [9]. 

Most sources agree that the roll out of smart meters for smart homes was largely motivated by the 

need to move from flat rate tariffs and to adopt policies associated with tariffs such as the time of use 

tariffs (TOU) and the critical peak pricing (CCP). These tariffs have the advantage of having varying 

prices  for  a unit of  energy  i.e.  kWh.  The price  variation  is  introduced  to promote energy efficient 

household consumption behaviour and domestic load control. The tariff prices are dependent on the 

energy market  price  and  time  of  day.  Smart meter  data  gives  an  insight  of  the  trends  of  energy 

consumption in a smart home, as a total of energy consumed by domestic appliances [19].     

In this project energy meter data will be analysed for the purposes of fulfilling the project objectives. 

2.4.1 Challenges of smart meters  

According to research work conducted by Elias Leake Quinn in Colorado, Smart meters capture time 

real  time  consumption data  of  a  household.  The  distribution  of  smart meters  comes with  privacy 

breach consequences. The smart meters become a source of comprehensive information regarding 

the occupants’ activities. The downside of this is the availability of off the shelf software and statistical 

methods capable of extracting and analyzing complex house hold consumption patterns. Apart from 

the intended use of smart meter data, hackers or malicious third parties are capable of accessing real 

time fine detailed usage data. Through  data analysis it is possible to predict the number of occupants 

in a house hold at a particular time, and entities capable of gathering large data would be able to even 

predicting information regarding the occupants’ ages and genders [20]. 

The difference between import and export energy may be effectively reduced by turning the home 

into a complete smart home. This project will then investigate the design and components of a smart 

16  

home  in order  investigate  the operating  characteristics of  common household appliances  through 

smart devices with the intention to develop control measures to reduce energy consumption of the 

household in order to reduce peak demand and energy costs. 

2.5.0 The Smart Home  

Most researchers seem to agree that definition of the term “Smart Home” evolves with time and the 

current  smart  home  is  considered  to  be  a  residential  place  fitted  with  an  intelligent  network 

connecting sensing, monitoring and control devices to domestic energy consuming appliances. The 

intelligent network makes it possible to facilitate remote control and monitoring there by fulfilling the 

home occupier’s needs [21]. 

Today the customary home has gadgets that are manually operated and controlled locally by means 

of switches and push buttons. Sources point out  the manual control method  is  limited and makes 

home energy management difficult. This current condition has necessitated the development of smart 

homes. 

Smart Home Energy Management Systems are usually comprised of five main components namely, 

smart  sensors,  Smart  meters,  smart  household  appliances,  Information  and  Communication 

Technologies (ICT), associated software and the User Interface forming Energy Management Systems 

(EMSs). As depicted in Figure 4 below.  

17  

 

Figure 4 Components of a Smart Home Energy Management system (SHEMS) Source [6] 

2.5.0 Smart Sensors  

Smart sensors are one of the fundamental components of the SHEMS. The function of the sensors is 

to detect  those parameters and conditions  that are particularly desired to  trigger energy usage or 

reflect on the energy consumption status of various appliances within the smart home. Some of the 

parameters  that  may  be  dictated  by  a  typical  smart  sensor  are,  motion  for  occupancy,  light, 

temperature, current and voltage. Apart for the purpose of energy management, some special types 

of smart sensors can be incorporated into the SHEMS programs. These type of sensors such as the 

smoke and life support sensors maybe used for security, health and safety reasons. 

These smart sensors have the capability to dictate system and status conditions and send feedback 

signals  to  Information  and  Communication  Technologies  (ICT)  and  Energy  Management  Systems 

18  

(EMSs). Using the information received by the ICT and EMS systems, smart appliance energy usage 

can then be controlled, monitored or even rescheduled to preferred times. Research has shown that 

in North America an average home may require up to about 30 sensing devices for an effective SHEMS 

[6]. 

2.5.1 Smart Appliances  

Smart appliances that most researchers consider to be compatible with SHEMS are those intelligent 

household  appliances  equipped  with  communication  features  that  allow  them  to  be  remotely 

controlled  and monitored  as  part  of  home  energy management  systems.  Some  of  the  household 

appliances that have been made smart over the years include washing machines, dishwashers and air 

conditioning  units.  Information  that  is  obtained  from  the  smart  appliances  is  conveyed  via  the 

Information Communication Technologies  (ICT) of  the Energy Management Systems  (EMSs)  and  is 

made available to the home occupier. This enables the occupier to analyze and manage household 

energy  consumption.  If  more  household  appliances  are  developed  to  smart  appliances,  overall 

residential demand may be efficiently  reduced at a home occupier’s convenience. This will have a 

positive impact on the global energy crisis [6]. 

In  this project  smart appliances will be modelled by plug‐in  timer controlled socket outlets. These 

socket  outlets  will  be  used  as  the  monitored  and  remotely  controlled  outlets  controlling  fixed 

appliances.  The  intelligent  socket  outlets  available  in  markets  may  be  equipped  with  power 

measurement, control and communication devices. 

2.6.0 Power and Energy Measurement  

Power and energy measurements are particularly important aspects of SHEMS as they provide home 

occupants the necessary data needed to determine the domestic appliance’s power demand, real time 

energy consumption and to analyze the domestic appliance’s operating characteristics through the 

use of the smart devices.  

19  

Figure 5 Below shows the smart home socket outlet Measuring Circuit layout. 

 

Figure 5 Smart home electrical socket outlet measurement circuit layout [2] 

 

The  energy  accumulated  over  time  and  the  instantaneous  power  can  be  measured  by  a 

microcontroller. A voltage divider in the circuit is used to provide low AC voltage to a measurement 

low voltage chip. Once the current and voltage measurements are obtained, the energy and power 

values are then sent to the communication unit. The smart socket outlet is also equipped with a relay 

which gets commands from the home area network [2]. 

2.6.1 ICT (Information and Communication Technology) for smart homes  

Sources point out  that  the  incorporation of  ICTs  in  the SHEMS enhances  the automation, demand 

forecasting and safer control of the home appliances. They argue that ICTs improves the quality and 

energy efficiency of the SHEMS while maintaining user comfort [22]. 

 In a smart home the ICTs connect the appliances, sensing devices and energy meters to the central 

control monitoring equipment. Currently both wired and wireless ICT technologies are available to be 

used in SHEMS. The domestic appliances are linked by a common home area network (HAN).The HAN 

is then linked to a concentrator which is part of the neighborhood area network (NAN).The NAN is 

linked to wide area networks (WAN).The data from the NAN concentrator is received by the WAN base 

station which is responsible for transmitting the data to the network operator’s or control center over 

20  

the wired network or internet. The control center processes and stores the SHEMS data and make it 

available  for  the optimization of  power  generation  and distribution  [23].The Wi‐Fi  and ZigBee are 

among the common technologies available to facilitate these home area networks [6]. 

Through the use of the Wireless personal network (WPAN), the ICT for smart homes transmits and 

receives power and energy data from the Electrical socket outlet. The associated data is eventually 

displayed on the user interface (UI).From the UI the information can be used for the investigation of 

the  energy  characteristics  of  domestic  appliances  since  the  information  contains  real  time energy 

consumption and instantaneous power values [2] 

2.6.2 User Interface (UI)  

The User Interface designed for SHEMS provides the home occupier with a platform from which to 

monitor and initiate commands as part of energy management. The features of the UI include a display 

of energy usage data in user friendly graphical forms and control features that allow for the control 

and operation of smart home appliances including local generation from renewable generators e.g. 

solar PVs. Advanced UIs may be enhanced with load scheduling and demand forecasting tools with 

extra options for third party control [6].  

A typical SHEMMS UI is shown in Figure 6 below.From the display at the top section of the figure is a 

display of   energy consumption,cost and the quantity of CO2 emmitted.The graph on the hand is a 

display of the usage pattern at specific time intervals [2]. 

21  

 

Figure 6 Daily Load Profile data [2] 

UIs such as the one shown in Figure 6 above give valuable energy usage data that can help users to 

making decisions regarding the addition and redistribution of domestic loads as part of SHEMS. The 

information provided can also influence the user to replace inefficient appliances [2].  

2.6.3 Standards Associated with the Implementation of SHEMS 

The  SHEMS  concept  is  dynamic  and  may  continue  to  attract  and  involve  more  standards  in  its 

implementation process. However,  some of  the  standards  that may be  referred  to  for  safety  and 

guidance in the design and implementation SHEMS include; 

AS/NZS 5033:2014:  Installation and safety requirements for photovoltaic (PV) arrays. 

This is an Australian and New Zealand standard that addresses the safety, maintenance and 

improvements of PV systems. 

Clean Energy Council (CEC) Grid‐Connected Solar PV Systems Design Guidelines for Accredited 

Installers. 

22  

This is an Australian standard that details the latest best practice concerning the design and 

installation of grid‐connected PV systems. 

 

AS/NZS 4777.1:2016 Grid connection of energy systems via inverters   

This  is  an  Australian  and New  Zealand  standard  that  also  specifies  safety  and  installation 

requirements for inverter energy systems designed for grid connection. 

Building Code of Australia (BCA) 

In Australia all building work must comply with the building code of Australia. 

IEEE 1459  

This  is  a  standard prepared by  the  IEEE‐Institute of  Electrical  and Electronics  Engineers  to 

provide definitions associated with the measurement of power quantities. 

AS/NZS 4417.2‐2012 Regulatory compliance mark for electrical and electronic equipment. 

This is an Australian and New Zealand standard that also indicates particular regulations and 

compliance conditions associated with electronic and electrical goods. 

The Electricity Industry Metering Code 2012 

In Western Australia  (WA),  The  Electricity  Industry Metering Code 2012  lays out  the  rules 

associated  with  the  provision  of  metering  installations  at  all  supply  points,  standing  and 

energy data [20] 

3. Project Approach  

In most cases electrical power and energy components that can be measured also present an 

opportunity  to  be  manipulated  for  control  purposes.  Electricity  meters,  Voltmeters  and 

ammeters are often used for electrical power and energy measurement [6].  

23  

The investigation and design of effective Smart Home Energy Management systems involves 

the  use  of  formulated  algorithms  for  the measurement  of  power  demand  and  real  time 

energy consumption of domestic appliances. 

The proposed investigative approach for this project includes the use of electricity meters to 

record  power  and  energy  measurements  for  households  and  some  selected  domestic 

appliances. 

The energy consumption measurements will be carried out by use of Landis and Gyr Model 

EM1000 Single Phase Electricity Interval Meters which will be used to record load profiles for 

the  selected  common  household  appliances.  The  electricity  meters  measure  electricity 

according  to  Australian  standards  AS  62052.11‐2005,  AS  62053.21‐2005  and  ISO9001, 

ISO17025.These meters have the capability to measure and record import and export energy 

data at 30‐minute intervals for 282 days [24]. 

The data collected from the electricity meters will be analysed and used to generate electricity 

bills  using  the  retail  tariffs.  The  information  gathered  will  be  used  to  identify  the  most 

appropriate control measures to reduce the total energy consumption of households in order 

to reduce peak demand and energy costs. 

The approach will also include the use of the Homer software application to investigate the 

technical and financial implications of integrating roof top solar PVs to turn the house into an 

energy  neutral  house.  This  software  was  developed  by  the  National  Renewable  Energy 

Laboratory in the US. 

4.0.0 Methodology 

4.0.1 Overview   

24  

This section details the methodology adopted by this project and also presents the graphical 

data obtained during the investigation of house hold and appliance energy demand. The data 

will  be  analysed  for  the  investigation  of  the  operating  characteristics  of  some  common 

household appliances through the analysis of real time energy consumption. 

Figure  7  below  illustrates  the wiring  connections  for  a  single  phase main  electricity  tariff 

meter  located  at  most  domestic  switchboards  in  Western  Australia.  This  type  of  wiring 

configuration conforms to the Western Australian electrical Rules (WAER), AS/NZS 3000 and 

the Western Australian Distribution Connections Manual 2015 [25]. 

 

Figure 7: Typical single Phase Electrical Meter Wiring Diagram [25] 

 

The  location  of  the Main  meter  in  a  domestic  installation  ensures  that  the  total  energy 

consumption recorded is equal to the sum of all the energy consumed by the domestic loads 

To Domestic Loads 

25  

associated with the particular house hold. In some cases, the total energy recorded may vary 

depending on the configuration and type of electricity meter installed. This may be witnessed 

where there is local RESs for example solar PVs. The type of meters used in this project record 

import and export energy on separate channels within the meter and calculations will have 

to be carried out separately for import export data calculations. The load profile data from 

these meters can be downloaded to a personal computer via the optical port provided on the 

meters. 

The Figure 8 below illustrates a typical connection adopted for measuring the power 

demand and real‐time energy consumption of the household loads. In this thesis project the 

EM1000 single phase electricity meters were used to measure record the consumption for 

the household loads. These meters are designed to operate at a phase voltage of 240V ad a 

maximum current of 100A. 

 

Figure 8: Appliance Energy Metering Arrangement 

 

26  

The electricity meters for investigating the Lighting and Air Conditioning circuits were installed 

in the main electrical switchboard for the household. This location was chosen as these two 

loads are often directly connected to the dedicated circuit breakers in the main switch board. 

This  location  also  guarantees  that  the  entire  consumption  associated  with  the  circuit  is 

measured  including  energy  consumed  by  system  control  boards  for  example  the  air 

conditioner’s control panel. 

The approach followed in measuring demand for the selected loads was also dependant on 

whether the chosen loads are completely switched off after use or some part associated with 

the load remains functional after the appliance is used for its main purpose. For this reason, 

the  television  set, microwave  and  air  conditioning  loads  had  electricity meters  connected 

inline at the appliances’ dedicated socket outlets. These dedicated meters remained in circuit 

for longer periods to adequately investigate the consumption characteristics of the appliances 

on standby.  

4.0.2 Possible High Consumption Identification  

In this project spikes or high demand instances will be identified on the appliances’ energy 

consumption pattern in terms of kWh values. However, these values are dependent on the 

need and role an appliance plays in the user’s lifestyle of choice. The initial values will mainly 

reflect on  the amount of energy consumed by  the appliance during  its operation and  the 

consumption can then be converted to monetary value. 

Generally, there is an expected need on the household occupier or bill payer to reduce the 

household energy bills. This need to reduce household energy bills is somehow expected to 

reduce household energy demand via the bill payer’s need to reduce household energy costs. 

27  

Therefore, it is expected that a reflection on the high energy costs and the comparison of the 

unit price of energy versus the high energy demand of some appliances will foster the need 

for  household bill  payers  and occupiers  to  develop  a  culture  to  reduce household  energy 

demand.  This  could  possibly  be  achieved  by  shifting  the  use  of  high  energy  consuming 

appliances to off peak periods and thus developing a culture to modify consumption trends 

in a way that will reduce peak demand. 

The reality of household energy consumption is such that the various domestic loads within 

a household have different purposes and the appliances themselves have different technical 

principles of operation and as  such are also used at varying  times  from one household  to 

another. This means that the consumption patterns associated with households at any time 

is very much dependent on the user’s preference and choice of appliances being used at any 

instance. The home occupier has the freedom to use any appliance at any time from a range 

of gadgets  forming the big and small  loads. The big  loads those are those associated with 

heating elements such as irons, electric kettles, electric hot plates and air‐conditioners. These 

types  of  loads  are  considered  to  consume  more  energy  due  to  the  inclusion  of  heating 

elements in their principle of operation. The small loads are those loads which consume less 

energy including those loads whose principle of operation includes low energy LEDs such as 

those used in some household lighting. 

The following section presents and analyses the collected households’ load profile data with 

the aim of identifying trends or patterns that can be utilised in developing control measures 

that meet the project’s main objectives. 

4.1.0 Typical Household Load profiles  

28  

The investigation of overall House hold load profiles is a necessary step in data analysis for the 

development of a control measure to reduce energy consumption of the household in order to 

reduce peak demand and energy costs. A graphical analysis of the overall household load profile will 

assist in identifying reoccurring patterns and peaks for the investigation of the operating and 

consumption characteristics of common household appliances. 

In this thesis project 3‐month load profiles for 4 separate households in Perth were analysed. One of 

the houses had electrical meters temporally installed at the connection points of some common 

household appliances for the investigation of the operating characteristics of such appliances as 

described in section 4.0.0 

4.1.1 House 1 Load Profile  

House 1 is located in the Perth suburb of Byford and usually has 2 occupants a couple who are also 

working university students. The house has a 3kW Solar PV system installed and the import and 

export energy data for 3 days stretching from Monday 27/08/2018 to Wednesday 29/08/2018 is 

presented in the graph of Figure 9 below. 

 

 

 

Figure 9 House 1 Load Profile (3 Different Days) 

‐0.5

0

0.5

1

1.5

2

2.5

3

3.5

0:00 4:48 9:36 14:24 19:12 0:00 4:48

kWh

Time of Day

House 1 Load Profile

27/08/18 Import 27/08/18 Export 28/08/18 Import

28/08/18 Export 29/08/18 Import 29/08/18 Export

29  

 

A single day i.e. Monday 27/08/2018 was extracted from the graph of Figure 9 shown above and was 

plotted in the graph on the left in Figure 10 below. The Air‐conditioner load profile which will be 

explained in detail in section 4.2.1 was plotted on the same graph with the Monday 27/08/2018 load 

profile and the plot is shown on the right in Figure 10 below. 

 

Figure 10: House 1 and Air‐Conditioner Load Profile Comparison 

 

The graph in Figure 10 above shows a plot of the Monday import (Blue), export (Brown) and Air‐

Conditioner (Grey) energy demand. It can be seen that from the early hours of the morning i.e. 0:00‐

05:30Hrs, there is no solar generation due to the absence of sunshine. During this period the 

household’s import from the grid fluctuates within 0.21kWh. The occupants are asleep and the total 

consumption during that time is mainly as a result of appliances on standby mode. After 06:30Hrs 

the occupants wake up and a small spike in energy consumption is noticed in the graph as they 

prepare for going away for the day. Immediately after the first spike around 08:00Hrs the house is 

now unoccupied but Solar generation starts with the first ray of sunshine as the panels are now 

receiving sunlight energy, import from the grid drops to zero as self‐consumption starts. The solar 

PVs are now actually supplying the household’s low energy requirements up to a maximum of 

30  

0.54kWh at 11:00Hrs with excess energy generation exported to the grid. Around 14:00Hrs solar 

generation drops due to less sunshine and the house begins to import from the grid once more. 

Occupant activity begins between 14:00Hrs‐16:30Hrs. After 17:00Hrs solar generation has dropped 

to zero once more as there’s no more sunshine. The house is fully importing again at around 16:00‐

19:30Hrs the 2.5kW air‐conditioner is turned on and energy import increases to a maximum of 

3kWh.the A/C is turned off around 19:00Hrs at which point the house hold now imports a lower 

energy value of around 0.32kWh until the occupants go to sleep. Around 22:00Hrs. 

4.1.2 House 2 load Profile   

House 2 is located in the Perth suburb of Queens Park and usually has 4 occupants. The House 2 Load 

Profile  in Figure  11  below  shows  a  4‐day  period  stretching  from  Friday  15/June/2018  to Monday 

18/06/2018. 

 

 

 

Figure 11: House 2 Load Profile 

 

Friday (Blue): In the early hours of the morning after midnight to around 6AM, the trend fluctuates 

below 0.13kWh, the consumption at this point consists of the Refrigerator and a few appliances on 

0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

0:00 4:48 9:36 14:24 19:12 0:00 4:48

kWh

Time of Day

House 2 :Load Profile (4 Occupants)

Friday 15/06/18 Saturday 16/06/18 Sunday 17/06/18 Monday 18/06/18

31  

standby mode. This consumption pattern is noted for the early hours of the morning until the first 

spike with a peak of around 0.7kWh between 6AM‐8:15AM. This is the time when the family wakes 

up and the school run begins. After this period consumption drops down to follow the same trend 

witnessed during the early morning hours. The graph also shows a rise from usual “occupants’ away 

from home” trend and increases to a maximum of around 0.830kWh which is experienced within the 

peak period and stays in that region until just before midnight when most of the appliances including 

the Small air conditioner is switched off and the family retires to a late sleep. 

Saturday and Sunday (Orange and Grey): The Saturday and Sunday plots show morning 

consumption above weekday consumption as occupants are home, on Saturday consumption drops 

around 07:30Hrs as occupants left home for weekend activities and came back home around 

16:00Hrs at which point consumption gradually increases to a max of 0.5kWh at around 22:15Hrs. 

On Sunday the occupants were home most of the day and increased consumption to a peak of 

0.861kWh at 20:30Hrs. 

4.1.3 House 3 Load Profile   

House 3 is in the Perth Suburb of Secret Harbour. This is home to a working‐class couple and their 

two teenage children. The load profile plot for House 3 is as shown in the graph Figure 12 below. 

This data was downloaded from and import only meter. 

 

Figure 12: House 3 Load Profile 

0

1

2

3

0:00 4:48 9:36 14:24 19:12 0:00 4:48

kWh

Time of Day

House 3 Load Profile 

Mon 27/08/2018 Tue 28/08/18 Wed 29/08/18

32  

 

The House 3 plots also show low consumption during the early hours of the morning for each of the 

three days. The first significant spikes start to appear between 06:30AM‐08:30AM as the family 

wakes up and gets ready for the day. For the three days a second low spike is seen between 

09:45AM‐12:30PM this could be a sign of human activity as one of the parents was home on sick 

leave. Final significant spikes are noticed during the last quarter of the day and they begin at random 

times and last for different lengths of time. These are suspected to be due to the air conditioner 

being turned on at different starting times. The different starting times could have been influenced 

by the atmospheric temperature dropping below the family’s comfort zone at different successive 

time and staying cold for various time durations for the three days.  

4.1.4 House 4 Load Profile   

House 4 is situated in the Perth suburb of Bateman, the house is a home to an elderly retired couple. 

The home has solar panels installed and Figure 13 below shows a 3‐day load profile stretching from 

27/08/17 to 29/08/17. The data was downloaded from an import and export meter. 

 

Figure 13: House 4 Load Profile (3 Separate Days) 

 

‐0.5

0

0.5

1

1.5

2

2.5

0:00 4:48 9:36 14:24 19:12 0:00 4:48

kWh

Time of Day

House 4 Load Profile (3 Seperate Days)

Import 27/08/17 Export 27/08/17 Import 28/08/17

Export 28/08/17 Import 29/08/17 Export 29/08/17

33  

A 1‐day plot for Monday 28/08/17 is shown in Figure 14 below and the graph shows stretched periods 

of morning and mid‐day consumption as occupants are almost always home. Solar generation in this 

household usually starts later than in house 1 shown in Figure 9 above, this could be attributed to 

geographical location. 

 

Figure 14: House 4 Load Profile (1 Day) 

 

 

The following section presents and analyses the load profile data for the selected household 

appliances. 

4.2.0 Typical Appliances’ Load Profiles  

Household appliances may fall within the same category of appliances e.g. washing machines of the 

same size however their energy efficiencies may be different. This thesis project refers to the Energy 

Rating Label as a guide to selecting the most energy efficient household appliances. 

The Energy Rating  label  system  is an Australian government  regulated appliance energy efficiency 

rating system. The label system offers consumers the opportunity of comparing the energy efficiency 

‐0.5

0

0.5

1

1.5

2

0:00 4:48 9:36 14:24 19:12 0:00 4:48

kWh

Time of Day

House 4 Load Profile (1Day)

Import 28/08/17 Export 28/08/17

34  

and running costs of appliances before purchasing in order to reduce household energy bills. Figure15 

below show an example of an energy rating label. 

 

 

Figure 15: Energy Rating Label [26] 

 

The number of stars shown in the Figure 15 above reflects on the energy efficiency of an appliance, 

the more stars a label has the more energy efficient it is. Also shown on the label is the energy 

consumption in kWh/year. A higher energy consumption number means the appliance consumes 

more energy than other appliances in the same category [26]. 

  

The appliances investigated in this project are associated with House 1 and they include the 

Air  Conditioner,  television,  refrigerator,  Microwave,  lighting,  and  the  washing  machine. 

Section 4.0.0 of this document describes the approach adopted for appliances’ load profile 

data collection.  

35  

4.2.1 Air Conditioner  

The air‐conditioner was chosen as a common household appliance listed among the big loads 

in a domestic installation. A 3‐day load profile for the Fujitsu Model AOT54LJBYL 4.7kW (Duct 

Heating) air‐conditioner installed in house 1 is shown in Figure 16 below. 

 

Figure 16: Air‐Conditioner Load Profile 

The graph shows a constant low consumption of 0.009kWh which forms the standby mode of 

the A/C unit. The A/C is turned ON between 16:00Hrs‐16:30Hrs and its consumption increases 

to  a  maximum  of  around  2.6kWh.  The  A/C  consumption  is  dependent  on  the  selected 

temperature  setting  i.e.  as  the  set  temperature  increases  the  A/C  consumption  increases 

accordingly.  

The Table 1 below shows Time and kWh Values for the 27/08/18 between 14:00Hrs‐20:00Hrs. 

 

‐0.5

0

0.5

1

1.5

2

2.5

3

3.5

0:00 4:48 9:36 14:24 19:12 0:00 4:48

kWh

Time of Day

Air‐ Conditioner Load Profile 

Mon 27/08/18 A/C Tue 28/08/18 A/C Wed 29/08/18 A/C

36  

Table 1 Air‐Conditioner Standby Mode 

Time  14:00  14:30  15:00  15:30  16:00  16:30  17:00  17:30  18:00  18:30  19:00  19:30  20:00 

kWh  0.009  0.009  0.008  0.009  0.009  1.521  2.453  2.517  2.551  2.598  2.438  0.009  0.009 

 

In Table 1 above the standby mode is highlighted at a value of 0.009kWh. 

4.2.2 Television  

The Television was also chosen as a common household appliance for this project because it 

is one of those electrical gadgets that is found in most modern Australian households. The 

television’s operational hours are dependent on the energy user’s choice of lifestyle. While 

some people may switch off their television sets from the wall socket, there are also some 

that would leave the TV on standby mode as compared to totally switching off the gadget. 

 In this project a Samsung Model UA55KU6000W 55"(140cm) UHD LED LCD Smart TV with a 

sound power rating of 20W was investigated. The TV load profile data was recorded over a 3 

weeks period and analysed in order to come up with a TV usage control measure to reduce 

costs and peak demand. 

The graph in Figure 17 below shows the load profile downloaded from the electricity meter 

that was connected the TV’s power socket. In this graph there are constant low consumption 

periods  of  less  than  0.002kWh  and  occasional  spikes  of  irregular  patterns  appearing  at 

random times. 

37  

 

Figure 17: Television Load Profile 

The periods of constant low consumption were analysed and confirmed to be those instances 

when the TV is on standby mode. 

Further  investigations  were  carried  by  zooming  in  on  the  graph  in  Figure  17  above  to 

investigate 24‐hour day samples and the results were plotted in the graphs in Figure 18 shown 

below. 

 

Figure 18: Television (1 Day Load Profile) 

‐0.01

0

0.01

0.02

0.03

0.04

0.05

0:00 4:48 9:36 14:24 19:12 0:00 4:48

kWh

Time of Day

TV Load Profile 

TV 27/08/18 TV 28/08/18 TV 29/08/18

‐0.005

0

0.005

0.01

0.015

0.02

0.025

0.03

0.035

0.04

0.045

0:00 4:48 9:36 14:24 19:12 0:00 4:48

kWh

Time of Day

TV 27/08/18

38  

The table in Table 2 below is a table of results extracted from the Figure 18 above, this table 

shows  the  standby  energy  consumption  of  the  TV  at  a  constant  value  of  0.001kWh with 

regular off periods that could be attributed to the TV’s energy saving algorithm. 

Table 2: Television Standby Mode 

Time  12:00  12:30  13:00  13:30  14:00  14:30  15:00  15:30  16:00  16:30 

kWh  0.001  0.001  0.001  0.001  0.028  0.036  0.034  0.042  0.04  0.036 

 

The Monday  27/08/18  load  profile  shown  in  Table  2  above  shows  standby mode  periods 

stretching from 0:00Hrs to about 13:30Hrs. This significant portion has 27 segments of 30‐

minute  intervals  of  constant  standby  mode  consumption  of  0.  001kWh.From  the  data 

obtained so far, we can thus estimate the total energy consumed on standby mode for this 

section of the graph as follows. 

𝑇𝑜𝑡𝑎𝑙 𝐸𝑛𝑒𝑟𝑔𝑦 𝐶𝑜𝑛𝑠𝑢𝑚𝑒𝑑 𝑜𝑛 𝑆𝑡𝑎𝑛𝑑𝑏𝑦 𝑀𝑜𝑑𝑒 27 𝑋 0.001 𝑘𝑊ℎ 

27 x 0.001kWh = 0.03kWh 

It therefore follows that if this particular TV was left on Standby mode for a full 24‐Hour day 

with 48 segments of 30 minute intervals, it would consume a total of; 

𝑇𝑜𝑡𝑎𝑙 𝐸𝑛𝑒𝑛𝑟𝑔𝑦 𝐶𝑜𝑛𝑠𝑢𝑚𝑒𝑑 𝑜𝑛 𝑠𝑡𝑎𝑛𝑑𝑏𝑦 𝑀𝑜𝑑𝑒 𝑓𝑜𝑟 24ℎ𝑟𝑠 48 𝑋 0.001𝑘𝑊ℎ 

48 X 0.001kWh = 0.05 kWh 

 

4.2.3 Refrigerator  

The refrigerator was also chosen as a common household appliance for this project since it is 

one  of  those  gadgets which  is  expected  to  be  found  in most  Australian  households.  The 

39  

Refrigerator runs throughout the year with seasonal changes in temperature settings and an 

occasional shut down for cleaning and hygiene purposes. 

The  refrigerator  chosen  for  this  project  was  the  SHARP  MODEL  SJ‐339S‐SL  Refrigerator‐

Freezer. The fridge load profile data for a 3‐day period starting from 27/08/2018 29/09/2018 

is shown in Figure 19 below. 

 

Figure 19 : Fridge Load Profile (3 Separate Days) 

The graph in Figure 20 below shows a 1‐day (27/08/2018) fridge load profile. 

 

Figure 20: Fridge Load Profile (1 Day) 

‐0.01

0

0.01

0.02

0.03

0.04

0.05

0.06

0.07

0.08

0:00 4:48 9:36 14:24 19:12 0:00 4:48

kWh

Time of Day

FRIDGE Load Profile(3 Seperate Days)

FRIDGE 27/08/18 FRIDGE 28/08/18 FRIDGE 29/08/18

‐0.01

0

0.01

0.02

0.03

0.04

0.05

0.06

0.07

0:00 4:48 9:36 14:24 19:12 0:00 4:48

kWh

Time of Day

FRIDGE 27/08/18

40  

As  shown  in  the  graphs  of  the  Fridge  load  profiles  above,  the  refrigerator  has  a  random 

consumption pattern within  its maximum stipulated power rating. This  is attributed to the 

fact  that  refrigerator  consumption  is  dependent  on  several  factors  that  may  include 

surrounding temperatures and frequency of use. On hot days fridges are used more often and 

thus consuming more energy in order to maintain the set temperatures. 

4.2.4 Microwave  

The microwave investigated in this project is a Sharp Microwave Oven Model R‐330J(S) with Inputs‐

230‐240V, 50Hz, 1.6kW, 7.2A. The microwave’s energy consumption also depends on the user’s 

choice of lifestyle. A 3‐day load profile was recorded, and the results were plotted in the graph of 

Figure 21 below. 

 

Figure 21: Microwave Load Profile 

 

As seen in the graphs of Figure 21 above, the microwave oven was not used regularly and only the 3 

days of significant consumption were plotted in graph on the left in Figure 21 above with one of the 

days (20/08/2018) plotted on the right in Figure 21 above. Table 3 below shows the actual energy 

data values used to plot the right‐hand side graph of figure above. 

41  

Table 3: Microwave Standby mode 

Time  9:00  9:30  10:00  10:30  11:00  11:30  12:00  12:30  13:00  13:30  14:00  14:30 

kWh  0.001  0.001  0  0.001  0.001  0.092  0.004  0.029  0.001  0  0.001  0.001 

 

The table above shows standby mode values of 0.001kWh and a spike of 0.92kWh at 11:30AM, the 

spike is experienced around 11:00AM and the spike peak in kWh is dependent on the user selected 

oven operation mode. 

4.2.5 Lighting    

The lighting circuits for most domestic houses in Western Australia include ceiling exhaust and 

extraction fans. 

Lighting plays a crucial role in domestic installations and many energy efficient lighting technologies 

have been developed for this category of domestic loads. The lighting load profile for 3days is shown 

in Figure 22 below. 

 

 

Figure 22: Lighting Load Profile (3 Separate Days) 

 

 

0

0.05

0.1

0.15

0.2

0.25

0.3

0:00 4:48 9:36 14:24 19:12 0:00 4:48

kWh

Time of Day

Lighting Load Profile (3 Seperate Days)

28/08/2018 29/08/2018 30/08/2018

42  

The graphs in figure above generally exhibit an initial morning spike after which the lighting load 

drops to a constant low and then the loading picks up again during the late afternoon to maintain 

higher values during night time. For detailed analysis a single plot of one of the lighting curves is 

shown in Figure 23 below. 

 

 

Figure 23: Lighting Load Profile (1 Day) 

 

The graph in figure above shows constant standby periods of within 0.004kWh with an initial low 

spike experienced at around 03:30AM. This first spike could be as a result of bathroom use at that 

instant with the light and ceiling extraction fan turned on briefly. The second load pick up on this day 

happens between 07:30‐09:30 this load rise is due to morning activities that may include a few 

house lights including the main bedroom, toilet and bathroom lights with the extra load of toilet and 

bathroom ceiling extraction fans. After the second load pickup, it appears the loading does not drop 

down to the initial standby value, this could be as a result of forgetting to turn off some of the circuit 

components for example an extraction fan or parts of the lighting circuit. A third spike is experienced 

between 16:00‐18:00, this spike represents bathroom and toilet use after the occupants are back 

from work. After this later load pick up, loading drops to standby values, this may also prove that the 

circuit component that remained on for the better part of the day was realized and switched off 

0

0.02

0.04

0.06

0.08

0.1

0.12

0.14

0.16

0:00 4:48 9:36 14:24 19:12 0:00 4:48

kWh

Time of Day

Lighting Load Profile (28/08/2018) 

43  

during this time. Loading picks up significantly at around 19:00 as the circuit provides light for night 

time use. 

The collected energy profile data has provided an insight into some household energy consumption 

trends, behaviors and patterns. The following section presents some available energy retail tariffs 

with the aim of selecting the most household energy cost reducing tariff. 

4.2.6 Washing Machine  

The washing machine is one of the shiftable loads in a household, it is used at random times that are 

dependent on the user’s choice. The washing machine investigated in this project is a MIDEA AW 52‐

9906 automatic washing machine with an input power of 360W. Figure 24 shows the load profile 

plot for the 24/10/18. 

 

 

Figure 24: Washing Machine Load profile 

 

0

0.01

0.02

0.03

0.04

0.05

0.06

0.07

0.08

0.09

0:00 4:48 9:36 14:24 19:12 0:00 4:48

kWh

Time of Day

Washing Machine 24/10/18

44  

The graph in Figure 24  above shows the washing machine being used between 18:00hrs –20:00hrs 

and reaching a maximum of 0.078kWh by 18:30hrs.The Table 4  below presents the kWh values 

consumed by the washing machine for the duration of its operation on the given day. 

Table 4: Washing Machine Standby Mode 

Time  17:30  18:00  18:30  19:00  19:30  20:00  20:30  21:00  21:30  22:00  22:30  23:00 

kWh  0  0.001  0.078  0.025  0.051  0.001  0  0  0  0.001  0  0 

 

According to Table 4 above the total energy consumed during the washing machine’s operation is 

0.157kWh. After the washing machine is used it has a standby mode that continue to at 0kWh for an 

hour and rise to 0.001kWh. 

The energy consumption characteristics of the selected household appliances have been noted in 

this section, the next section will then analyse the Western Australian available energy retail tariffs 

with an aim of identifying opportunities to reduce household energy cost and peak demand. 

5.0 Energy Retail Tariff Analysis  

The electricity tariffs in this section were obtained from Synergy which is one of Western Australia’s 

state owned major electricity retailer. The information and pricing stood correct by the 1st of July 

2018. For the purposes of this investigation four domestic fitting tariffs were selected from the 

available synergy list and are presented in Table 5 below. 

45  

Table 5 Synergy‐Retail Electricity Tariffs [27] 

 

 

The Home Plan (A1) tariff was used as a base plan for this project and the unaltered house 1 load 

profile data for the month of June 2018 was applied to all four tariff plans with the aim of identifying 

possible opportunities for reducing household energy costs and peak demand. The total energy 

consumed in house 1 during the month of June is 691.444kWh. The tariff plans and their individual 

effects on the household bill were analyzed and the results obtained were as follows; 

 

Tariff Electricity charge Energy  Cost  (cents/kWh) Supply Charge (cents /day)

Home Plan (A1) All Day 28.3272 101.5493

Peak ‐Weekdays: 3pm‐9pm 53.8714

Shoulder

Weekdays: 7am to 3pm 28.2139

Weekends: 7am to 9pm 28.2139

Smart Home Plan 101.5493

Off peak

Weekdays: 9pm to 7am 14.8405

Weekends: 9pm to 7am 14.8405

Peak

Weekdays: 11am to 5pm (summer)

Weekdays: 7am to 11am (winter) 57.1123

Weekdays: 5pm to 9pm (winter)

Weekday Shoulder

Smart Power (SM1) Weekdays: 11am to 5pm (winter) 101.5493

Weekdays: 7am to 11am (summer) 28.5124

Weekdays: 5pm to 9pm (summer

Weekend Shoulder 7am to 9pm 23.6277

Off peak Every day 9pm to 7am 14.8405

Peak

Weekdays: 7am to 2pm 26.7547

                     8pm to 10pm

Weekends: 7am to 10pm

Power Shift  (PS1) Off peak 13.6558 101.5493

All days 10pm to 7am

Super peak 49.6161

Weekdays 2pm to 8pm

46  

5.0.1 Home Plan (A1) Tariff  

 The A1 tariff is basically a flat rate tariff, this means that the consumer is offered the same 

charge\kWh throughout the billing period. The A1 plan’s effect on the household bill is shown in 

Table 6 below. 

Table 6 : Home Plan (A1) Tariff 

   

The project base tariff i.e. Home plan (A1) was found to be second cheapest plan with a total energy 

cost of $248.96. 

5.0.2 Power Shift (PS1) Tariff  

 The PS1 tariff is a time of use plan, however it is only a three‐part plan depending on the time of day 

i.e. peak, off‐peak and super peak supply charges. The PS1 effect on the load profile is shown in 

Table 7 below. 

Table 7: Power Shift (PS1) Tariff 

 

kWh Charge(cents) Cost(cents) Cost ($)

691.444 28.3272 19586.67248 195.86672

101.5493 3046.479 30.46479

226.33151

22.633151

248.96

Energy Cost

Flat Rate

Plus GST @ 10.00%

Total Charges

Home Plan (A1)

Supply Charge‐day

kWh Charge(cents) Cost(cents) Cost ($)

Weekdays: 7am to 2pm 141.101 26.7547 3775.114925 37.751149

85.572 26.7547 2289.453188 22.894532

Weekends: 7am to 10pm 101.2 26.7547 2707.57564 27.075756

All days 10pm to 7am 209.95 13.6558 2867.03521 28.670352

Weekdays 2pm to 8pm 153.621 49.6161 7622.074898 76.220749

691.444

101.5493 3046.479 30.46479

223.07733

22.307733

245.39Total Charges

Total Energy

Supply Charge‐day

Energy Cost

Power Shift (PS1)

Peak

Weekdays:  8pm to 10pm

Off peak

Super peak

Plus GST @ 10.00%

47  

In this investigation it was found that the PS1 was the cheapest amongst the four options with total 

energy costs of $245.39 and the cheapest off peak charge of $13.66.  

5.0.3 Smart Home Plan Tariff  

 This is also a Time of use tariff that rewards consumers for using energy during off peak times by 

charging a higher rate during peak hours and lower rates during off peak periods. The Smart Home 

Plan’s effect on the household bill is shown in Table 8 below. 

Table 8: Smart Home Plan Tariff 

  

The Smart Home plan was the third cheapest plan with a total energy cost of $257.35. 

5.0.4 Smart Power (SM1) Tariff  

 SM1 Tariff is also a Time of Use plan which offers the energy user four different rates depending on 

the time of day and year i.e. peak, Weekday shoulder, Weekend shoulder and Off‐peak. The SM1 

effect on the bill is shown in Table 9 below. 

kWh Charge(cents) Cost(cents) Cost ($)

171.843 53.8714 9257.42299 92.57423

163.484 28.2139 4612.521228 46.125212

89.277 28.2139 2518.85235 25.188524

191.472 14.8405 2841.540216 28.415402

75.368 14.8405 1118.498804 11.184988

691.444

101.5493 3046.479 30.46479

233.95315

23.395315

Total Charges 257.35

Total Energy

Energy Cost

Plus GST @ 10.00%

Peak

Weekdays: 3pm to 9pm

Weekday Shoulder

Smart Home Plan

Supply Charge‐day

7am to 3pm

7am to 9pm

Weekdays: 9pm to 7am

Weekend Shoulder

Off peak

Weekends: 9pm to 7am

48  

Table: 9 Smart Power (SM1) Tariff 

 

The SM1 plan was found to be the most expensive plan amongst the four tariffs with a total energy 

cost of $266.38. This plan was also found to have the most expensive peak period charge of 

57.11cents. 

5.0.5 Tariff Comparison  

The plan that applied to house 1 during the month of June is the Home Plan (A1) Tariff. Table 10 

below shows the tariff comparisons with percentage cost savings if the bill payer had considered 

moving from the base plan to the other three tariff plans.  

Table 10: Tariff Comparison 

 

Table 10 above shows that for household energy cost reduction the Power Shift (PS1) would have 

proven to be the cheaper plan cutting costs by 1.44%. This due to the fact that according to this plan 

a considerable amount of energy amounting to 209.95kWh as shown in Table 10 above was 

kWh Charge(cents) Cost(cents) Cost ($)

66.378 57.1123 3791.000249 37.910002

127.3 57.1123 7270.39579 72.703958

141.649 28.5124 4038.752948 40.387529

89.277 23.6277 2109.410173 21.094102

266.84 14.8405 3960.03902 39.60039

691.444

101.5493 3046.479 30.46479

242.16077

24.216077

266.38

Total Energy

Total Charges

Energy Cost

Plus GST @ 10.00%

Smart Power (SM1)

Peak

Weekdays: 5pm to 9pm (winter)

Weekdays: 11am to 5pm (winter)

7am to 9pm

Weekdays:7am to 11am (winter)

Weekday Shoulder

Weekend Shoulder

Off peak

Every day 9pm to 7am

Supply Charge‐day

Tarrif/Plan Bill Amount ($) Saving by Tariff Change (%) Comments

Power Shift (PS1) 245.39 Cheapest

Home Plan (A1) 248.96 Base Plan

Smart Home Plan 257.35

Smart Power (SM1) 266.38 Expensive

‐1.44

0.00

3.37

6.99

49  

consumed during the cheapest off peak period at 13.66cents/kWh. The PS1 plan also has 

considerably low peak charge of 26.76cents. The other two plans namely the Smart Home plan and 

the Smart Power (SM1) were proven to have increased the household bill with the most expensive 

being the SM1 plan which has a bill increase of 6.99%. The high bill from the SM1 plan is brought 

about by the fact that this plan has the highest peak charge of 57.11cents, although the SM1 off 

peak is lower at 14.84cents, the peak charge is too high such that it has considerable increases the 

bill amount. 

Tariff shopping has so far proven to have the potential of lowering house hold electricity bills. This 

however calls for the energy shopper to first match their comfortable energy usage patterns with 

the available electricity retail plans. If the matching does not result in considerable cost reduction 

the energy user can further reduce the bill by choosing to use shift able loads to cheaper off peak 

periods 

The following analysis will endeavor to highlight the effects off load shifting and standby mode 

elimination. 

5.0.6 Load Shifting and Standby Mode Elimination Effect  

Section 4.2.0 standby mode operation shows that although the standby mode consumption per 30min 

interval for the TV and Air‐conditioner seems to be fairly low at 0.001kWh and 0.009kWh respectively. 

It may however prove to be significant in the long run. In order to reduce household demand it would 

be beneficiary to completely switch off such appliances by  turning off  the appliance from the wall 

socket at those times when they are not in use. 

The  tariff  analysis  presented  in  section  5.0  of  this  document  revealed  a  possibility  of  lowering 

household  energy  costs  by managing house hold  consumption  in  a way  that will  avoid  significant 

energy  consumption during  the higher  charged energy  rate peak periods. This means  that  the bill 

payer will have to enforce the moving of shift able load usage to the lower energy unit charge periods 

50  

especially  the  off  peak  periods.  The  tariff  analysis  also  gave way  to  the  idea  of  eliminating  some 

unnecessary loads which include appliance standby mode consumption. 

This section will investigate the effects of load shifting and standby mode elimination on the electricity 

costs. The washing machine which is considered as a shift able load in this project will have its total 

consumption  in kWh moved  from the base charge period  to an off peak period. This  load shifting 

process will be investigated in conjunction with standby load elimination. 

The washing machine was used between 18:00hrs  –20:00hrs on Wednesday  24/10/18.  The usage 

duration was a total of 2hrs.The standby mode energy values for the air‐conditioner, TV, microwave 

will be recalled from section 4.2 and together with the consumption of the washing machine over the 

2hr  period will  thus  be  effected  on  the  energy  retail  plans.  Initially  all  the  four  retail  plans were 

effected to the actual consumption and the Actual Consumption Values in cents are tabulated in Table 

11 below which shows the effects of moving a shift able load to the off peak period with standby mode 

consumption eliminated by completely switching off the appliance on a 2hr period specified above. 

Table 11: Load Shifting and Standby Mode Elimination Savings 

 

From Table 11 above it can be seen that moving a shift able load such as a washing machine to off‐

peak periods and eliminating standby mode consumption have the effect of reducing household 

energy costs. The table shows savings of 21.89% on the home plan A1 tariff, 78.50% on the power 

Shift PS1 tariff, 78.48% on the Smart Home Plan tariff and 79.70% on the smart Power SM1. 

Load Type Stanby Mode (kWh) Total kWh in 2 hrs Smart Power‐SM1(C) 

Actual  Off‐peak Actual  Off‐peak Actual  Off‐peak Actual  Off‐peak

Air‐Conditioner 0.009 0.036 1.0197792 0 1.7861796 0 1.9393704 0 2.0560428 0

Television 0.001 0.004 0.1133088 0 0.1984644 0 0.2154856 0 0.2284492 0

Microwave 0.001 0.004 0.1133088 0 0.1984644 0 0.2154856 0 0.2284492 0

Washing Machine  0.157 4.4473704 4.4473704 7.7897277 2.1439606 8.4578098 2.3299585 8.9666311 2.3299585

Total Costs 5.6937672 4.4473704 9.9728361 2.1439606 10.828151 2.3299585 11.479572 2.3299585

Saving ( C )

Saving (%) 79.7021.89

7.83 8.50 9.151.25

Home Plan‐A1 ( C )‐ Base plan Power Shift‐PS1 (C) Smart Home Plan (C) 

78.50 78.48

51  

The anticipated incentive for load shifting and standby mode elimination is household energy cost 

reduction brought about by well‐designed electricity retail tariffs. The design of an effective 

electricity tariff should therefore involve energy experts who will be in a position to design appealing 

tariffs that will have the potential to attract energy users thereby reducing peak consumption. 

The actual and physical action of direct appliance control and monitoring proves to be rather 

cumbersome for the home occupier. This usually leads to inconsistences in appliance scheduling and 

as a result often leads to insignificant household energy consumption, peak demand and costs 

reduction. 

The following section presents an intelligent market available energy monitoring and control system 

that automatically controls and monitors household consumption. 

6.0 Smart Energy Monitoring and Control  

The challenge with the implementation of most household energy control and cost reduction 

measures is their intrusion into the home occupier’s lifestyle choices. The solar energy resource 

promises to be an alternative source of energy to reduce peak demand however, in a modern‐day 

economy most people are at work during solar generation hours. This means that most of the 

energy generated during the sunshine hours is often exported back into the grid at lower unit prices 

while home occupiers continue to consume energy at higher rates during peak periods when most 

people are at home.  

In light of the current advances in smart energy monitoring technology this thesis project addresses 

the need to schedule shift‐able appliance usage to solar generation/day time periods at the user’s 

comfort and discretion by recommending the use of market available intelligent smart home energy 

management accessories. One of the products identified in this thesis project is the market available 

carbonTRACK intelligent energy management smart home accessories. 

52  

The carbonTRACK home energy management accessories offer home occupiers simple user friendly 

interfaces in the form of smart phone and computer applications. This allows home occupiers to 

remotely control and monitor home energy usage and respond to monitoring system alerts. The 

combination of selected carbon track accessories offers home occupiers the opportunity to view and 

analyse their energy usage load profiles in order to take immediate energy saving actions. For 

domestic installations incorporated with solar PV generation, the selected combination of 

accessories affords the energy user an opportunity to manage and control loading in a way that 

increases solar PV self‐consumption. To top it up this system can be programmed and left to operate 

on automatic control using the energy user’s programmed schedule of choice. 

6.0.1 System Components  

This section presents the selected components for a suggested intelligent monitoring and control 

measure to reduce the energy consumption of the house hold in order to reduce peak demand and 

energy costs. Figure 25 below shows a general arrangement of a typical smart energy measurement, 

monitoring and control system for households. 

 

Figure 25: carbonTrack Smart Home Energy Management System Components [28] 

 

53  

The selected combination of accessories include the CTX1 Smart Hub, CTEye meter, Smart plug and 

the climate command. The system components are linked via wireless communication technologies. 

6.0.2 CTX1 Smart Hub  

The CTX1 intelligent Smart Hub is shown in Figure 26 below. The information hub connects the 

selected accessories and allows for the real time device control. The CT1 smart hub specification 

sheet is provided in Appendix Part B of this document. 

 

 

Figure 26: CTX1 Smart Hub [28] 

 

The CTX1 Hub is the effective central information exchange centre, it facilitates information exchange 

from several connected devices including smart plugs, climate commands, mobile phones and home 

computers. The type of information that can be exchanged includes the load profiles, system alerts 

and various commands. The hub’s high communication encryption ensures a high level of information 

security  and  hence  gives  the  user  some  sense  of  security  and  peace  of mind.  The  CTX1  has  fast 

54  

operating  speeds  and  can  communicate  with  various  protocols  which  include  the Wi‐Fi,  3G,  4G, 

ZigBee, smart meters and Ethernet. The hub has simple installation instructions meaning that the user 

would not necessarily require specialised services including those of a qualified electrician as there is 

no hard electrical wiring involved. The hub is also enhanced with a backup battery for use in cases of 

system outages [28]. 

6.0.3 The Smart Plug  

The Carbon Track smart plug is shown in Figure 27 below, the plug is essentially a socket outlet that 

can be plugged into a general purpose house hold power socket outlet as shown in the right in in 

Figure 27 below. The smart plug specification sheet is provided in Appendix Part C of this document. 

 

 

Figure 27: The carbonTrack Smart Plug [28] 

 

The smart plug is compliant with ZigBee HA1.2 thereby enhancing wireless capabilities via the main 

hub,  this  type of  connection  facilitates  the  control  i.e.  remote  switching of  connected house hold 

55  

appliances through the use of personal computers and smart phones. The energy user may monitor 

power, energy usage in 15mininutes intervals and wilfully shift appliance usage schedules to off peak 

periods  in  order  to  reduce  costs  and  peak  demand.  The  smart  plug  suitable  for  most  domestic 

purposes  operates  at  a  range  of  110V‐240  VAC  with  a  maximum  current  rating  of  10Amps  with 

switching available in manual as well as in 5 timer switching configurations [28]. 

 

6.0.4 Climate Command  

Air conditioning units are listed as one of the big loads within a domestic setting and as such the 

control and monitoring of an air conditioner’s energy usage is necessary in order to reduce peak 

demand and household energy costs. 

The climate command shown in Figure 28 below is an easy to install gadget that can be installed for 

the purposes of adjusting household temperature. Equipped with wireless capabilities, the climate 

command can be positioned in a convenient location as shown on the right hand side picture in 

Figure 28 below. The climate command broacher is provided in Appendix Part D of this document. 

 

 

Figure 28: The carbonTrack Climate Command [28] 

56  

 

The climate command has a 180 degrees coverage with a range of about 30metres and can be 

controlled via smart devices in order to adjust the household’s indoor temperature. The climate 

command makes it possible to maintain a selected temperature setting within a range of 0‐70°C and 

to shift energy usage of house hold appliances such as the air‐conditioning unit. The energy user can 

use this device to shift air –conditioning loads to off peak periods thereby pre heating the household 

at lower off‐peak rates and using less peak period energy to maintain indoor temperature [28].  

6.0.5 CTEye  

The carbon Track CTEye is a meter that can be used for a wide range of control and mearing 

applications. The CTEye is shown in Figure 29 below, this device can be used in conjunction with a 

wide range of control and censoring instruments which include the climate control and the smart 

plug via the Smart Hubs. The CTEye specification sheet is provided in Appendix Part E of this 

document. 

 

Figure 29: The carbonTrack CTEye Electricity Meter [28] 

 

57  

The CTEye installation requires the services of a licensed electrician as it involves hard electrical 

wiring. This meter can be installed inside electrical switch boards as it can easily be mounted on a 

din‐rail alongside common household circuit protection devices. The meter has a microprocessor for 

data storage and is enhanced with ZigBee communication capabilities [28]. 

The CTEye also interfaces with the CTX1 Hub, dashboard and App, this allows users to easily view the 

collected data, and then control the connected circuits accordingly. 

The project went on to investigate other ways of reducing peak demand and overall fossil fuel 

consumption. The following section investigates the effects of incorporating solar PVs for achieving 

an energy neutral home. 

7.0 Incorporation of Solar PVs and Neutral Home analysis    

Although large penetration of intermittent solar PV energy into grid is limited by the grid stability 

while incorporating solar PVs into a domestic installation is accompanied by high initial costs. 

Incorporating renewable local generation such as solar PVs in a residential setting has the potential 

of meeting part or all of a house hold’s electrical energy needs through self‐consumption. Meeting a 

household’s energy requirements at a given time also depends on the solar resource availability, 

storage size and the loading at that particular time. Self‐consumption refers to the idea of 

consuming or utilizing most of the energy produced by the solar system at the moment it is 

produced for installations with no storage. 

The Homer Pro micro grid analysis tool was used to investigate the possibility of turning a Perth 

household into an energy Neutral home by attempting to match its possible loading with the most 

viable solar generation system.  

In this thesis project the writer acknowledges that there exists a technically possibility of 

incorporating local renewable energy generation to achieve a Net‐Zero/Energy neutral home in 

58  

Perth, Australia. However, there are some physical and regulatory limitations that have to be 

considered in the design of such a home and they are listed below as follows; 

7.0.1 Technical and physical limitations  

Western Power Regulations: Specify the requirements of inverter sizes that may be 

approved without the need of a technical review and suggests inverter capacity of less than 

or equal to 5kVA for a single phase installation [29]. 

Available roof space: The available roof space of an ordinary domestic home limits the 

number of roof top solar panels that can be installed. According to technical experts a 6kW 

solar panel system may consist of about 19‐24 solar panels [30]. An equivalent panel output 

of 24 panels was used in this investigation. 

Energy Unit price: The homer model for this thesis project uses a current grid energy unit 

price of $ 0.283/kWh (Flat tariff on the Synergy Home Plan (A1) tariff) and factors it in its 

calculations of the most economically viable simulation. 

The above mentioned limitations were considered in this investigation and homer simulations were 

performed to select an optimized configuration of grid and PV incorporated with storage. The 

simulation model components are as shown in Figure 30 below. 

 

Figure 30: Homer Model Configuration 

59  

The configuration components are detailed as follows; 

The Load (House 1) 

The available house 1 load profile is for a period of about four months from 26/04/18‐14/09/18. 

Hourly averages for the 3 months were calculated and used in homer for a full year load assumption. 

As shown in the model configuration in Figure 30 above an average daily load of 22.49kWh/day and 

a peak of 3.23kW were calculated by the homer tool. 

 The Grid 

The Western Power network forms the grid and has an energy unit price of $ 0.283 (Synergy Home 

Plan (A1)) tariff with a grid sale back price of $ 0.071. 

PVs 

Although western Power stipulates an inverter size of 5kW as a limiting measure, a 6kW solar panel 

combination was chosen for this project so as to increase energy production during shaded, morning 

and winter times when the solar resource is limited. An equivalent of 24 x Sharp ND‐250QCS (250W) 

Solar Panels was used for this model. 

Inverter 

A SCHNEIDER ELECTRIC CONEXT XW+ 5548 INVERTER/CHARGER was selected from the Homer list of 

inverters and considered for this model. 

Battery/Storage 

GCL E‐KwBe NC/S 5.77kWh capacity Lithium ion household batteries were selected from the homer 

tool list of Batteries and considered for this model. 

The above component sizes and combinations were varied and simulation results analyzed in a 

process of selecting the best combination parameters.  

60  

7.0.2 Homer Simulation Approach  

The first step was to analyze a load and grid only configuration and the results are shown partly in 

Figure 31 and Figure 36 below. The homer tool performs economic calculations considering a list of 

terms some of which are defined below; 

Cost of Energy (COE): is defined according to the following formula; 

 

 [31] 

Where; 

Cann, tot:  Total Cost ($/year)  

Eprim.AC: Primary AC load served (kWh/Year) 

Eprim.DC: Primary DC load served (kWh/Year) 

Egrid, sales: Total grid Sales (kWh/Year) 

As shown in the homer formula, COE is the total annual electricity production cost divided by the 

sum of overall useful energy produced. 

Net present Cost (NPC): present system installing Costs and system life time operating costs 

calculated as follows; 

 

   [31] 

61  

 

Where; 

Cann, tot:  Total Cost ($/year)  

CRF: capital recovery factor 

i       :  real interest rate (%) 

R pro j: project lifetime (year) 

At first the investigation approach for this part of the project included using the homer analysis tool 

to come up with the most economic configuration by choosing from a wide range of Inverter, PV array 

and  battery  sizes.  This  was  followed  by  investigating  the  effects  of  increasing  the  inverter  size, 

selecting a 5kW inverter, increase in battery numbers and finally the effects of increasing the PV array 

size /number rooftop solar panels. 

Figure 31 below shows the homer’s top 4 most economic models. The grid only configuration shows 

the grid with no initial costs and a NPC 0f $30 066.The highest renewable fraction of 91.1% is achieved 

by a configuration with a 6kW PV array, 3 Batteries and a 2kW inverter. 

 

 

Figure 31: The Homer most economic models 

Figure 32 below shows the results obtained from eliminating all inverter sizes below 5kW, and letting 

Homer to calculate the top most economic models. This resulted in homer selecting 5kW inverters 

62  

with a small increase in renewable penetration from 91.1% to 92.5% with 3 batteries and a 6kW array 

as in the previous configuration. 

 

Figure 32: Effects of Increasing the Inverter Size 

 

Figure 33 below shows the effects of setting the inverter size to 5kW with a slight storage increase 

from the previous Homer selection from 3‐5 batteries. The increase in storage resulted in an increase 

in renewable penetration from the previous 92.5%‐96%. This project considers the 96% renewable 

penetration to be the most reasonable extent of achieving an energy neutral home within the current 

technical and regulatory restrictions. 

 

 

Figure 33: Effects of setting the inverter to 5kW 

The  investigation  went  on  to  vary  parameters  to  achieve  100%  renewable  penetration  without 

economic considerations. Figure 34 below shows a 100% renewable penetration from a configuration 

with 60batteries.This Neutral home configuration was achieved at an initial cost of $67,725 and a NPC 

of $136,498.  

63  

 

Figure 34: Effects of increasing the number batteries 

The number of batteries was then set back to 5 and the PV array size increased until 100% renewable 

fraction was achieved with a 22kW solar array as shown in Figure 35 below at an initial cost of $32,525 

and a NPC of $49,270.  

 

Figure 35: Effects of increasing the PV array size/number of solar panels 

Figure 36 below shows an all green bar chart representing 100% grid purchases covering all the house 

1 load requirements. 

 

Figure 36: Grid Only Supply Chart 

64  

Figure 37 below shows a breakdown of the quantities of gaseous emissions produced by a grid on 

system. 

 

Figure 37:Grid only gaseous emissions 

As seen in Figure 37 Above the amount of carbon dioxide emitted from a grid only system amounts 

to about 5,189kg/yr. 

PVs were then added to the configuration to analyze the energy portion which will have to be 

shaved from a Grid and PV only system while considering the technical and physical limitations 

mentioned earlier in this chapter. Figure 37 below show the house 1 simulation results with the 

yearly load supplied from a typical grid and PV only system.  

 

Figure 38: Grid and PV Supply Chart 

65  

The graph in Figure 37 above, shows the PV generated power in orange while the grid purchased 

power is shown in green. Within the present limitations it can be seen that a grid and PV only system 

might have the potential to supply about 67.4% of Household 1 yearly energy requirements from 

local generation, while the remaining 32.6% is imported from the grid. 

A Series of simulations were performed with the aim of developing the PV solar system to a level 

that would further accommodate the remaining grid purchased energy of about 5.186 kWh/year, 

achieving this result will mean that 100% of the house’s energy requirements are supplied by the 

local renewable generator. Achieving 100% local energy supply also makes the home ‘energy 

neutral’, which forms part of this project’s investigation objectives. 

Considering the limitations mentioned at the beginning of this section, the preferred configuration 

involved the addition of storage/batteries as shown in Figure 37 above. 

The grid, battery and PV configuration produced the results shown in Figure 38 below. 

 

Figure 39: Grid, PV and Storage Supply Chart 

66  

The addition of the storage component produced the results shown in Figure 38 above which shows 

a 96.2% of the house hold’s energy requirements being supplied by the PVs and battery storage. This 

chart shows that the developed energy system configuration is only 3.76% short of achieving 

independence from the grid. The grid dependency is shown in green in the bar graph and it occurs 

within the months surrounding the Western Australian winter period of June, July and August [32]. 

The 3.76 % shortfall can be attributed to the fact that W.A winter months may be cloudy and the 

solar resource during this period is low as the sunshine window is narrower with the sunrise 

experienced later and sunsets earlier than in any other months of the year. The winter conditions do 

not support maximum energy output from PVs and a detailed sequence of events is given as an 

interpretation of the curves in the Figure 39 below. 

Figure 39 is a plot of the grid connected configuration components responses to the load of 8 June 

2018. 

 

 

Figure 40: Grid connected configuration components responses to the load of 8/06/2018 

 

67  

The PV power output curve shown in black in Figure 39 above shows generation beginning in the 

morning around 06:00, PV generation continues to pick up with the rising sun until it reaches a 

maximum of about 3.98kW around 10:00. After peak generation, the curve continues to drop in 

steps until zero PV output at 5:00PM for the rest of the night. The house load curve (blue) fluctuates 

and reaches its peak at night around 21:00. The inverter output curve (green) starts the day at zero 

output until it peaks up at the same time as the PV power output curve at 6:00 in the morning. The 

output curve continues to rise until it catches up with the load curve from which point the two 

curves progress in phase with the same values. It would have been expected that the inverter output 

decreases as the sunsets for a solar PV and greed only system, however the opposite is witnessed in 

this system which has added battery storage. As the PV output falls towards sunset or low solar 

resource periods, the inverter output continues to follow the load curve with the battery discharge 

power curve (red) as the driving force. The battery discharge curve remains zero until it peaks up 

when PV output is low, towards the evening, during the battery discharge constant zero portion, the 

battery charge curve (yellow) the chance to rise as it charges during the sunshine period between 

06:00‐16:00. 

The 3.76% grid dependency of the system can be explained from the period between 0:00‐06:00 

shown in the graph of figure above. As seen in the graph the inverter output and battery discharge 

curves decreased before midnight until they got to zero at 0:00. During this period which occurs in 

the absence of sunshine the battery has completely discharged with no possibility of charging for 

this PV only charging system. This means there would be no battery discharge as well as no PV 

output, hence the grid is then recalled to supply the present load thereby forming the 3.76% grid 

purchases. 

Table 12 is a comparison of the economics of grid only and the investigated grid, PV and storage 

system. 

68  

 

Figure 41: Grid and PV system Comparison 

There exists a technical possibility of achieving an energy neutral home in W.A, however it requires 

extensive economical consideration as further decreases in the 3.76% energy deficit is accompanied 

by extra costs and regulatory restrictions. 

The total elimination of grid dependency may be achieved by a combination of modifications on the 

investigated configuration, these changes may include increasing the storage size, the number of PV 

panels and the inverter output although this may call for technical reviews from western power.   

From the information gathered in this thesis project, recommendations regarding home energy cost 

and peak demand reduction were made and are presented in the following section. 

Figure 42 below shows the homer calculated amount of gaseous emissions for the grid, PV and 

storage configuration. 

 

Figure 42:Grid,PV and storage gaseous emissions 

As seen in Figure 42 the configuration releases about ‐1,205kg/yr as compared to the 5,189kg/yr 

produced by the grid only system. 

 

69  

8.0.0 Recommendations 

The house‐hold peak demand and energy cost reduction measures proposed in this project 

take into consideration the home occupier’s freedom of choice in the selection of household 

appliances and their energy consumption patterns. This thesis project therefore recommends 

the effective use of the following concepts in order to reduce household peak demand and 

energy costs; 

Reference to Energy rating labels 

Tariff shopping 

Switching Off devices at the wall 

Shift able load scheduling 

Use of Smart home energy management intelligent systems 

Installation of local renewable energy sources e.g. solar PVs 

The  smart  measurement  of  power  demand  and  real  time  energy  consumption  has  the 

potential  to  influence  a  reduction  household  energy  consumption  thereby  reducing 

household peak demand and energy costs.  

9.0.0 Conclusion  

There  is  a  dire  need  to  reduce  global  energy  demand  in  order  to  reduce  the  negative 

environmental  impacts  of  electrical  energy  production.  The  residential  sector  has  been 

identified  as  a  significant  energy  consumer  in  many  countries  and  has  attracted  more 

attention  from  energy  conservation  programs.  Smart  home  energy management  systems 

help  to  reduce  peak  demand without  heavily  intruding  on  the  home  occupier’s  life  style 

70  

choices.  The  anticipated  incentive  for  load  shifting  and  standby  mode  elimination  is 

household energy cost reduction brought about by well‐designed electricity retail tariffs. The 

design of an effective electricity tariffs should therefore involve energy conservation experts 

who will design appealing tariffs that will have the potential to attract energy users thereby 

reducing peak consumption. There exists a technical possibility of achieving an energy neutral 

home in WA, however it requires extensive economical consideration as further decreases in 

grid  dependency  are  accompanied  by  extra  costs  and  regulatory  restrictions.  In  general 

household energy consumers are concerned with household energy cost reduction while the 

responsibility of  the overall  fossil  fuel demand  reduction currently  lies  in  the hands  those 

community  members  who  are  emotionally  attached  to  environmental  conservation. 

Community leaders are therefore faced with the task of teaching the communities about the 

environmental risks of fossil fuel dependency. 

 

 

 

 

 

 

 

 

 

71  

10.0.0 References:  

[1]   N. O׳Connell, P. Pinson, H. Madsen and M. O׳Malley, "Benefits and challenges of electrical 

demand response: A critical review," Renewable and Sustainable Energy Reviews, vol. 39, pp. 

686‐699, 2014.  

[2]   J. Han, C.‐S. Choi, W.‐K. Park and I. Lee, "GREEN HOME ENERGY MANAGEMENT SYSTEM 

THROUGH COMPARISON OF ENERGY USAGE BETWEEN THE SAME KINDS OF HOME 

APPLIANCES," in IEEE 15th International Symposium on Consumer Electronics, 2011.  

[3]   L. G. Swan and V. I. Ugursal, "Modeling of end‐use energy consumption in the residential 

sector: A review of modeling techniques," Renewable and Sustainable Energy Reviews, vol. 13, 

no. 8, pp. 1819‐1835, 2009.  

[4]   B. Zhou, W. Li, K. W. Chan, Y. Cao, Y. Kuang, X. Liu and X. Wang, "Smart home energy 

management systems: Concept, configurations, and scheduling strategies," Renewable and 

Sustainable Energy Reviews, vol. 61, pp. 30‐40, 2016.  

[5]   J. Aghaei and M.‐I. Alizadeh, "Demand response in smart electricity grids equipped with 

renewable energy sources: A review," Renewable and Sustainable Energy Reviews, vol. 18, pp. 

64‐72, 2013.  

[6]   B. Asare‐Bediako, W. Kling and P. Ribeiro, "Home Energy Management Systems: 

Evolution,Trends and Frameworks," in Universities Power Engineering Conference (UPEC), 

London, 2012.  

[7]   M. H. Albadi and E. F. El‐Saadany, "Demand Response in Electricity Markets: An Overview," 

Power Engineering Society General Meeting, 2007. IEEE, pp. 1‐5, 2007.  

[8]   L. Wang, J. Gwilliam and P. Jones, "Case study of zero energy house design in UK," Energy and 

Buildings, vol. 41, no. 11, pp. 1215‐1222, 2009.  

[9]   J. Salom, J. Widén, J. Candanedo, I. Sartori, Voss.Karsten and Marsza.Anna, "UNDERSTANDING 

NET ZERO ENERGY BUILDINGS: EVALUATION OF LOAD MATCHING AND GRID INTERACTION 

INDICATORS," Sydney, 2018.  

[10] M. Noguchi, A. Athienitis, V. Delisle, J. Ayoub and B. Berneche, "Net Zero Energy Homes of the 

Future:A Case Study of the ÉcoTerraTM House in Canada," in Renewable Energy Congress, 

Glasgow, 2008.  

[11] M. Kuzlu, M. Pipattanasomporn and S. Rahman, "Hardware Demonstration of a Home Energy 

Management System for Demand Response Applications," IEEE Transactions on Smart Grid, 

vol. 3, no. 4, pp. 1704‐1711, 2012.  

[12] R. M. Overdo, Z. Fan, S. Gormus and P. Kulkarni, "A residential PHEV load coordination 

mechanism with renewable sources in smart grids," International Journal of Electrical Power & 

Energy Systems, vol. 55, pp. 511‐521, 2014.  

72  

[13] D. H. Li, L. Yang and J. Lam, "Zero energy buildings and sustainable development implications – 

A review," Energy, vol. 54, pp. 1‐10, 2013.  

[14] J. Salom, A. J. Marszal, J. Widén, J. Candanedo and K. Lindberg, "Analysis of load match and grid 

interaction indicators in net zero energy buildings with simulated and monitored data," Applied 

Energy, vol. 136, pp. 119‐131, 2014.  

[15] C. E. Hoicka and I. H. Rowlands, "Solar and wind resource complementarity: Advancing options 

for renewable electricity integration in Ontario, Canada," Renewable Energy, vol. 36, no. 1, pp. 

97‐107, 2011.  

[16] U. Greveler, G. Peter, B. Justus and D. Loehr, "Multimedia Content Identification Through 

Smart Meter Power Usage Profiles," in Conference on Information and Knowledge 

Engineering(IKE), Athens, 2012.  

[17] B. Prince, A. M. Sasson, W. T. Wynne, F. Trefny, F. Cleveland, J. T. Robinson and J. S. Horton, 

"Advances in Energy Management Systems," IEEE Transactions on Power Systems, vol. 1, no. 3, 

pp. 226 ‐ 234, 1986.  

[18] K. Ashna and S. N. George, "GSM based automatic energy meter reading system with instant 

billing," in Automation, Computing, Communication, Control and Compressed Sensing (iMac4s), 

2013 International Multi‐Conference on, Kottayam, 2013.  

[19] B. Stephen and S. J. Galloway, "Domestic Load Characterization Through Smart Meter Advance 

Stratification," IEEE Transactions on Smart Grid, vol. 3, no. 3, pp. 1571‐1572, 2012.  

[20] A. Molina‐Markham, P. Shenoy, K. Fu, E. Cecchet and D. Irwin, "Private Memoirs of a Smart 

Meter," in 2nd ACM workshop on embedded sensing systems for energy‐efficiency in building, 

ACM, 2010.  

[21] N. Balta‐Ozkan, R. M. Davidson and L. Whitmarsh, "Social barriers to the adoption of smart 

homes," Energy Policy, vol. 63, pp. 363‐374, 2013.  

[22] G. Lobaccaro, S. Carlucci and E. Löfström, "A Review of Systems and Technologies for Smart 

Homes and Smart Grids," energies, vol. 9, no. 5, pp. 1‐33, 2016.  

[23] D. Niyato, L. Xiao and P. Wang, "Machine‐to‐machine communications for home energy 

management system in smart grid," IEEE Communications Magazine, vol. 49, no. 4, pp. 53‐59, 

2011.  

[24] Landis+Gyr, "Landis+Gyr EM1000," 2018. [Online]. Available: 

https://www.landisgyr.com/webfoo/wp‐content/uploads/product‐

files/LG_APAC_EM1000.pdf. [Accessed 3 November 2018]. 

[25] Electricity Networks Corporation , "Western Australian Distribution Connections Manual 

2015," 2015. [Online]. Available: https://westernpower.com.au/media/1495/wa‐distribution‐

connections‐manual.pdf. [Accessed 3 November 2018]. 

[26] "Energy Rating Label," 2018. [Online]. Available: https://www.eeca.govt.nz/standards‐ratings‐

and‐labels/the‐energy‐rating‐label/. 

73  

[27] "Synergy," [Online]. Available: https://www.synergy.net.au/Global/ARP18‐Price‐changes. 

[Accessed 30 November 2018]. 

[28] "Carbontrack.com.au," [Online]. Available: http://carbontrack.com.au/products/. [Accessed 24 

November 2018]. 

[29] Western Power, "Technical guidance for solar installers," 2018. [Online]. Available: 

https://westernpower.com.au/industry/manuals‐guides‐standards/technical‐guidance‐for‐

solar‐installers/. [Accessed 4 November 2018]. 

[30] Solar Choice, "6kW solar systems: Pricing, output, and returns," [Online]. Available: 

https://www.solarchoice.net.au/blog/6kw‐solar‐pv‐systems‐pricing‐output‐returns/. [Accessed 

04 November 2018]. 

[31] M. T. Arif, A. M. Oo, A. B. M. S. Ali and G. M. Shafiullah, "Significance of storage on solar 

photovoltaic system : a residential load case study in Australia," Smart grid and renewable 

energy, vol. 4, no. 2, pp. 167‐180, 2013‐05.  

[32] "Climate Glossary ‐ Seasons," 2018. [Online]. Available: 

http://www.bom.gov.au/climate/glossary/seasons.shtml. [Accessed 19 November 2018]. 

[33] M. G. Patterson, "What is energy efficiency?," Concepts, indicators and methodological issues, 

pp. 377‐390 , 1996.  

[34] M. Mirosa, R. Lawson and D. Gnoth, "Linking Personal Values to Energy‐Efficient Behaviors in 

the Home," Environment and Behavior, vol. 45(4), p. 455–475, 2011.  

[35] T. Iqbal M, "A feasibility study of a zero energy home in Newfoundland," Renewable Energy, 

vol. 29, p. 277–289, 2004.  

[36] R. K. Babu and C. Vyjayanthi, "Implementation of Net Zero Energy Building (NZEB) Prototype 

with Renewable Energy Integration," in IEEE Region 10 Symposium (TENSYMP), 2017, Cochin, 

India, 2017.  

[37] M. Beaudin and H. Zareipour, Home Energy Management Systems: A Review of Modelling and 

Complexity, vol. 33, Springer, Cham, 2017, pp. 753‐793. 

[38] M. Pedrasa, T. Spooner and I. MacGill, "Coordinated Scheduling of Residential Distributed 

Energy Resources to Optimize Smart Home Energy Services," IEEE Transactions on Smart Grid, 

vol. 1, no. 2, pp. 134 ‐ 143, 2010.  

[39] Z. Zhao, W. Lee, Y. Shin and K.‐B. Song, "An Optimal Power Scheduling Method for Demand 

Response in Home Energy Management System," IEEE Transactions on Smart Grid, vol. 4, no. 3, 

pp. 1391 ‐ 1400, 2013.  

[40] W. Turner, Energy Management Handbook, Lilburn: Fairmont Press Inc, 2004.  

[41] W. Philipp, A. Wolpert and E. Pahl‐Weber, Energy‐Efficient‐Homes, Berlin: Universitatsverlag 

der TU Berlin, 2013.  

74  

[42] M. Alahmad, P. Wheeler and A. Schwer, "A Comparative Study of Three Feedback Devices for 

Residential Real‐Time Energy Monitoring," IEEE Transactions on Industrial Electronics, vol. 59, 

no. 4, pp. 2002 ‐ 2013 , 2011.  

[43] P. Palensky and D. Dietrich, "Demand Side Management: Demand Response, Intelligent Energy 

Systems, and Smart Loads," IEEE Transactions on Industrial Informatics, vol. 7, no. 3, pp. 381 ‐ 

388, 2011 .  

[44] J. Han, C.‐S. Choi and W.‐K. Park, "Smart home energy management system including 

renewable energy based on ZigBee and PLC," IEEE Transactions on Consumer Electronics, vol. 

60, no. 2, pp. 198 ‐ 202, 2014.  

[45] "Important information about changes to electricity rates," Synergy, [Online]. Available: 

https://www.synergy.net.au/Global/ARP18‐Price‐changes. [Accessed 30 November 2018]. 

[46] M. Rahman, C. Van Heerden and G. Shafiullah, "Electricity Tariffs Evaluation Using Smart Load 

Monitoring Devices for Residential Consumer," in 2016 3rd Asia‐Pacific World Congress on 

Computer Science and Engineering (APWC on CSE), Nadi, 2016.  

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

75  

Appendix  

Part A: EM1000 METER  

The EM1000 is a single‐phase electricity tariff meter located at most domestic switchboards in 

Western Australia. This type of wiring configuration conforms to the Western Australian Electrical 

Rules (WAER), AS/NZS 3000 and the Western Australian Distribution Connections Manual 2015 [25]. 

 

 

76  

 

 

77  

 

78  

 

 

 

79  

Part B: CTX1 Smart Hub Specifications  

The CTX1 intelligent Smart Hub is the information hub that connects the selected accessories and 

allows for the real time device control. 

 

80  

 

 

 

81  

Part C: CarbonTrack Smart Plug – Specification Sheet  

The smart plug is compliant with ZigBee HA1.2 thereby enhancing wireless capabilities via the main 

hub, this type of connection facilitates the control i.e. remote switching of connected household 

appliances with personal computers and smart phones. 

 

82  

 

 

 

83  

Part D: CarbonTrack Climate command – Product Broacher  

The climate command is an easy to install gadget for adjusting household temperature. Equipped 

with wireless capabilities, the climate command is positioned in a convenient location and can be 

controlled via smart devices. 

 

84  

Part E: CTeye Specification Sheet   

The carbon Track CTEye is a meter that is used for a wide range of control and measuring 

applications.