Nyereség:
- Képes felismerni a SCADA szerkezetét, mértékegységeit és jellemző minőségi problémáit, az okosmérőket és a piaci adatokat
- Képes a mesterséges intelligenciával kapcsolatos hiányzó adatok, kiugró értékek és időbélyeg-problémák észlelésére, valamint tisztítási munkafolyamat létrehozására
- Képes ellenőrizni a csapdákat, például a felbontást, az időzónát és a nyári időszámítást az energia idősoraiban az AI kimeneten
Szinte minden energiaelemzés idősorral kezdődik: az időtengely mentén elhelyezett mérésekkel. Egy mérő 15 perces fogyasztása, egy turbina második fordulatszáma, egy betápláló (elosztóvezeték) óránkénti árama – mind idősorok. Ebben a részben megtudjuk, honnan származnak az energiaadatok, milyen buktatókat tartalmaznak, és hogyan lehet a mesterséges intelligenciát megbízhatóvá tenni. Alapozzuk meg ezt az elvet a kezdetektől: a legokosabb, piszkos adatokkal végzett elemzés is piszkos eredményt ad. Az energiamérnökségben a legtöbb idő nem a modellel, hanem az adatok megbízhatóvá tételével telik, és ebben a részben a mesterséges intelligencia nyújtja a legbiztonságosabb hozzájárulást.
Az energiaadatok forrásai és szerkezete
Az energetikai adatok elsősorban több forrásból származnak. A SCADA (felügyeleti vezérlő és adatgyűjtő rendszer) azonnali méréseket gyűjt a kapcsolótáblákról és a hálózati berendezésekről; Általában másodpercekben vagy percekben adható meg, és olyan mennyiségeket tartalmaz, mint a feszültség, áram, teljesítmény és hőmérséklet. Az intelligens fogyasztásmérők adatai jellemzően 15 perces időközönként mérik a fogyasztást, és a számlázás és a keresletelemzés alapját képezik. A meteorológiai adatok (hőmérséklet, besugárzás, szélsebesség) a termelés és a kereslet előrejelzésének inputja. A piaci adatok (óraárak) a gazdasági elemzés bemenete.
Ezen adatok közös jellemzője, hogy tartalmaznak egy időbélyeget (dátum-idő tag, amelyhez minden mérés tartozik) és egy vagy több mérési értéket. Ez a legkritikusabb pont: ha az időbélyeget nem értelmezzük megfelelően, minden más összeomlik.
Felbontás, időzóna és nyári időszámítási csapdák
Az energiaadatok hibáinak meglepően nagy része az időtengelyből származik. Külön kiemelünk három csapdát.
Felbontási zavar. A mérő 15 perces energiát (kWh) vagy pillanatnyi teljesítményt (kW) jelez? Összeadva különböző eredményeket kapunk: a 15 perces négy kW-érték átlaga a teljesítmény, míg a négy összege nem felel meg az óránkénti energiának (a negyedórás energiák összege szükséges). Semmilyen összegzés nem végezhető az egység és a felbontás együttes megértése nélkül.
Időzóna. Helyi időben (Türkiye esetében TRT/UTC+3) vagy univerzális időben (UTC) tárolják az adatokat? Két különböző rendszerből származó sorozat eltérő időzónában lehet; A három órás műszak kombináláskor megzavarja a teljes csúcsidő-elemzést.
Nyári időszámítás (DST). A nyári időszámításra áttérő országokban évente egyszer "eltűnik" egy óra, és évente egyszer "ismétlődik". Ez 23 vagy 25 órás napokat hoz létre azokon a napokon, és megszakítja az óránkénti profilokat. Mivel a Türkiye 2016 óta bevezette az állandó nyári időszámítást (UTC+3), ez a probléma nem jelenik meg a helyi adatokon, de nemzetközi vagy régi adatokkal való munka során továbbra is találkozhatunk vele.
Megjegyzés: Az időbélyeg címkéje „tartomány eleje” vagy „tartomány vége”? A 14:00 feliratú lemez 14:00-14:15-öt vagy 13:45-14:00-t jelez? Ez az egyetlen döntés egy szelettel eltolhatja a csúcsórát. Minden adathalmaz elején tegye egyértelművé ezt a szabályt.
Lépésről lépésre: Adat-előkészítési munkafolyamat mesterséges intelligenciával
1. lépés – Felfedezés. Ismerje az adatokat: hány sor, milyen tartomány, milyen felbontás, milyen mértékegység? Ha az MI-nek megadjuk az első néhány száz sort, és összefoglaljuk a szerkezetet, gyorsan kiderül az oszlopok jelentése és a lehetséges mértékegységek. De az AI egységbecslése egy hipotézis; A forrásdokumentum megerősíti.
2. lépés – Szabványosítsa az idővonalat. Illesszen egyetlen időzónához, javítsa a felbontást, adja meg a címkeszabályt (eleje/vége). A mesterséges intelligencia kódot generál, amely észleli a szabálytalan időközöket és a hiányzó időbélyegeket.
3. lépés – Hiányos és ismétlődő rekordok. A kommunikációs meghibásodások ismét ürességet és kettős rögzítést okoznak. Az AI szabályokat állít elő, amelyek jelzik a hiányosságokat és a duplikációkat; rövid hézagok (pl. egyetlen 15 perc) megfelelő módszerrel kitölthetők, a hosszú hézagokat kizárjuk az elemzésből és jelentjük.
4. lépés – Kiugró értékek. Negatív fogyasztás (nincs termelés), teljesítmény meghaladja a fizikai felső határt, hirtelen ugrások. A mesterséges intelligencia statisztikai és szabályalapú kiugró értékek észlelését kínálja; A kiugró érték azonban nem mindig hiba – lehet valós esemény is (például egy gyár online állapotba kerülése). A mérnök ezt a különbséget teszi.
5. lépés – Ellenőrzés. A megtisztított adatokat fizikai horgonyokkal tesztelik: napkeltével/napnyugtával vissza kell állítania a napenergia-termelést, az éjszakai terhelésnek kisebbnek kell lennie a nappalinál, a teljes energiafogyasztásnak meg kell egyeznie a számlával.
Három mini tok: a számok szerint
1. eset – Egy órás csúsztatás. Egy elemző napenergia-termelési adatai 13:00 helyett 14:00-kor mutatták a déli csúcsot. A probléma nem a panellel volt; Az adatok UTC voltak, de úgy gondolták, hogy helyi idő szerint. Amikor észrevették a háromórás eltolódást (a termelés napkelte előtti megjelenése kiadta a horgonyt), az egész elemzés javult; A befektetési döntéseket félreértelmezés alapján akadályozták meg.
2. eset – Ismétlődő felvételek. Az egyik elosztó feeder 30 napos óránkénti adataiban a teljes fogyasztás körülbelül 4 százalékkal haladta meg a vártnál. A mesterséges intelligencia által segített visszajátszás észlelése azt mutatta, hogy néhány órát kétszer rögzítettek a kommunikációs újracsatlakozások során. 68 ismétlési rekord törlése után a végösszeg megegyezett a számlával.
3. eset – Hamis nullák. Az egyik mérő „0”-ként jelezte a fogyasztást kommunikációs megszakadás közben; A fogyasztás azonban folytatódott. Ezek a hamis nullák csökkentették az átlagot, és félrevezették a kereslet előrejelzését. Az AI azt a szabályt javasolta, hogy „A 0 értékek vizsgálata a jelenlétjelzővel együtt”; a hamis nullákat hiányzó adatként jelölték meg, és elválasztották a valódi nulláktól (pl. zárt munkahely).
Gyenge felszólítás / Erős felszólítás
Gyenge felszólítás:
Törölje ezt a számlálóadatot.[data]
Erőteljes felszólítás:
Az Ön szerepe: Energiaadat-elemző. A következő mérőadatok 15 perces intervallumokra vonatkoznak, helyi idő (UTC+3), az időbélyeg az intervallum KEZDÉSÉT jelzi, mértékegység kWh. Feladatok:1) Sorolja fel a hiányzó időbélyegeket és ismétlődő rekordokat (szám és idő).2) Jelölje meg külön a negatív értéket és a fizikai felső határt meghaladó értékeket (szerződéses teljesítmény 25 kW); ne törölje, csak jelölje meg.3) Ajánljon egy ellenőrzést a hamis nullák és a valós nullák megkülönböztetésére, amelyekről feltételezhető, hogy félreértésre utalnak. Ne adjon meg egyedül semmilyen értéket; Először azonosítsa, és megerősítem a tölteléket.
Az erőteljes prompt már a kezdetektől fogva megadja a felbontást, az időzónát, a címkeszabályt és a felső határt; „Először észlelni, később kérdezni” fegyelmet ír elő az AI-ra. Így az adatok csendben nem sérülnek meg.
Négy másolható sablon
1) Adatprofilalkotás:
Hozzon létre egy profilt a következő adatokból: sorok száma, dátumtartomány, felbontás, becsült mértékegység és az egyes oszlopok jelentése, hiányzó arány, min/max/átlag. Jelölje meg az egységbecsléseket az „ellenőrizendő” címkével.
2) Időtengely vezérlés:
Ebben az idősorban a következőket észlelheti: (a) a várt tartományon kívül eső rések, (b) ismétlődő időbélyegek, (c) a nyári időszámítás/időzóna miatti esetleges eltolódások. Sorolja fel az egyes leleteket az időtartománnyal együtt. Javítási javaslatát külön írja meg; ALKALMAZÁS.
3) Kiugró szabály:
Jelölje meg a kiugró értékeket a következő fizikai határértékekkel: teljesítmény 0-[X] kW, hőmérséklet [A]-[B] °C. Készítsen külön listát a statisztikai kiugró értékekről is (pl. túl messzire eltér a mediántól). Minden kiugró értéknél tegye fel a „lehetséges hiba vagy tényleges esemény” kérdést; Hadd döntsem el.
4) Ellenőrzés tisztítás után:
Tesztelje a tisztított adatokat a következő fizikai horgonyokkal, és jelentse az inkonzisztenciákat: a napenergia-termelésnek nullának kell lennie éjszaka; a teljes energiának a várt számlaszinten belül kell lennie; Az éjszakai terhelésnek kisebbnek kell lennie, mint a nappali csúcs. Minden horgonyhoz írja be a sikeres/nem sikerült.
Adatminőségi problémák táblázata
probléma
tünet
ellenőrző horgony
Időzónaváltás
Logikátlan helyen van a felső óra
Igazítsa a napkeltéhez/napnyugtához
Nyári idő (DST)
23/25 órás napok
Számolja meg a nap hosszát
hamis nulla
0 kommunikációs megszakadás esetén
Egyezik a kommunikációs zászlóval
újra regisztrálni
Teljes számla felett
Ellenőrizze az időbélyeg egyediségét
Egységzavar
Rang 60/1000-szer perverz
Ellenőrizze a kW↔kWh konverziót
negatív érték
Negatív fogyasztás, ha nincs termelés
Fizikai jel szabály
Gyakori hibák
- A hiányzó adatok csendes kitöltése nullával. A nulla azt jelenti, hogy „nincs fogyasztás”, nem „nincs adat”; a kettő keverése torzítja az átlagot és az előrejelzést.
- Kiugró érték automatikus törlése. A kiugró érték valós esemény lehet; Mérnöki felülvizsgálat szükséges a törlés előtt.
- Időzónát feltételezve. A „valószínűleg helyi” mondás az egyik legdrágább hiba; Mindig a forrásból ellenőrizze.
- Az oldhatóság összegyűjtése keveréssel. A teljesítmény (kW) értékeket energiával (kWh) adva helytelen összeget kapunk.
- Nem ellenőrzi a tisztaságot. A megtisztított adatok is sérültek lehetnek; Feltétlenül tesztelje fizikai horgonyokkal.
Tipp: Az adattisztítás minden lépését írja le egy „adatnaplóba”: hány rekordot jelöltek meg, hányat töltöttek fel, melyik szabályt alkalmazták. Ez a napló biztosítja a reprodukálhatóságot és az auditálhatóságot; egy évvel később "honnan ez a szám?" válaszol a kérdésre.
Összefoglalva
Az energiaelemzés alapja egy tiszta idősor. Az adatok a SCADA-tól, a mérőórától, a meteorológiától és a piactól származnak; mindegyik rendelkezik felbontással, mértékegységgel, időzónával és nyári időszámítással. A mesterséges intelligencia nagyon hatékonyan felgyorsítja a hiányzó/duplikált/outlier-észlelést, de a törlési és kitöltési döntéseknek a mérnöknél kell maradniuk, az eredményt pedig fizikai horgonyokkal kell érvényesíteni. Egyetlen elemzés sem megbízható az időbélyeg megfelelő ismerete nélkül.
Pályázati feladat
Vegyen a kezébe egy energia idősort (mérő, termelés vagy hőmérséklet). Kérjen minőségi jelentést az AI-tól az „Idővonal audit” és „Adatprofilozás” sablonok használatával. Ezután ellenőrizze manuálisan három dolgot: helyes-e a mértékegység és a felbontás, fizikailag ésszerű-e a csúcsóra, összhangban van-e a teljes energia a számlával? Röviden írja le az adatminőséggel kapcsolatos problémákat, amelyeket talált, és hogyan javította ki.
ellenőrző lista
- [ ] Megerősítettem az adatok forrását, felbontását és mértékegységét
- [ ] Tisztáztam az időzóna és az időbélyegcímke szabályát (eleje/vége)
- [ ] Ellenőriztem a nyári időszámítás miatti 23/25 órás napok kockázatát
- [ ] Hiányzó és ismétlődő rekordokat észleltem és jelentettem
- [ ] A kiugró értékeket a "hiba vagy esemény" megkülönböztetéssel vizsgáltam
- [ ] Megkülönböztettem a hamis nullákat a valódi nulláktól
- [ ] A megtisztított adatokat fizikai horgonyokkal ellenőriztem és adatnaplót vezettem