ಲಾಭಗಳು:
- SCADA, ಸ್ಮಾರ್ಟ್ ಮೀಟರ್ಗಳು ಮತ್ತು ಮಾರುಕಟ್ಟೆ ಡೇಟಾದ ರಚನೆ, ಘಟಕಗಳು ಮತ್ತು ವಿಶಿಷ್ಟ ಗುಣಮಟ್ಟದ ಸಮಸ್ಯೆಗಳನ್ನು ಗುರುತಿಸುವ ಸಾಮರ್ಥ್ಯ
- ಕಾಣೆಯಾದ ಡೇಟಾ, ಔಟ್ಲೈಯರ್ಗಳು ಮತ್ತು ಟೈಮ್ಸ್ಟ್ಯಾಂಪ್ ಸಮಸ್ಯೆಗಳನ್ನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದಿಗೆ ಪತ್ತೆಹಚ್ಚುವ ಮತ್ತು ಶುಚಿಗೊಳಿಸುವ ಕೆಲಸದ ಹರಿವನ್ನು ಸ್ಥಾಪಿಸುವ ಸಾಮರ್ಥ್ಯ
- AI ಔಟ್ಪುಟ್ನಲ್ಲಿ ಶಕ್ತಿಯ ಸಮಯದ ಸರಣಿಯಲ್ಲಿ ರೆಸಲ್ಯೂಶನ್, ಸಮಯ ವಲಯ ಮತ್ತು ಹಗಲು ಉಳಿಸುವ ಸಮಯದಂತಹ ಬಲೆಗಳನ್ನು ಪರಿಶೀಲಿಸುವ ಸಾಮರ್ಥ್ಯ
ಬಹುತೇಕ ಎಲ್ಲಾ ಶಕ್ತಿಯ ವಿಶ್ಲೇಷಣೆಯು ಸಮಯ ಸರಣಿಯೊಂದಿಗೆ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ: ಸಮಯದ ಅಕ್ಷದ ಉದ್ದಕ್ಕೂ ಜೋಡಿಸಲಾದ ಅಳತೆಗಳು. ಮೀಟರ್ನ 15-ನಿಮಿಷದ ಬಳಕೆ, ಟರ್ಬೈನ್ನ ಎರಡನೇ ತಿರುಗುವಿಕೆಯ ವೇಗ, ಫೀಡರ್ನ ಗಂಟೆಯ ಕರೆಂಟ್ (ವಿತರಣಾ ಮಾರ್ಗ)-ಎಲ್ಲವೂ ಸಮಯದ ಸರಣಿಗಳಾಗಿವೆ. ಈ ಘಟಕದಲ್ಲಿ, ಶಕ್ತಿಯ ಡೇಟಾ ಎಲ್ಲಿಂದ ಬರುತ್ತದೆ, ಅದು ಯಾವ ಅಪಾಯಗಳನ್ನು ಒಳಗೊಂಡಿದೆ ಮತ್ತು ಈ ಡೇಟಾವನ್ನು ವಿಶ್ವಾಸಾರ್ಹಗೊಳಿಸಲು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಹೇಗೆ ಬಳಸುವುದು ಎಂಬುದನ್ನು ನಾವು ಕಲಿಯುತ್ತೇವೆ. ಆರಂಭದಿಂದಲೂ ಈ ತತ್ವವನ್ನು ಸ್ಥಾಪಿಸೋಣ: ಕೊಳಕು ಡೇಟಾದೊಂದಿಗೆ ಸ್ಮಾರ್ಟೆಸ್ಟ್ ವಿಶ್ಲೇಷಣೆ ಕೂಡ ಕೊಳಕು ಫಲಿತಾಂಶವನ್ನು ನೀಡುತ್ತದೆ. ಎನರ್ಜಿ ಇಂಜಿನಿಯರಿಂಗ್ನಲ್ಲಿ, ಹೆಚ್ಚಿನ ಸಮಯವನ್ನು ಮಾದರಿಯಲ್ಲಿ ಅಲ್ಲ, ಆದರೆ ಡೇಟಾವನ್ನು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿಸಲು ವ್ಯಯಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಈ ಭಾಗದಲ್ಲಿ ಸುರಕ್ಷಿತ ಕೊಡುಗೆಯನ್ನು ನೀಡುತ್ತದೆ.
ಶಕ್ತಿ ಡೇಟಾದ ಮೂಲಗಳು ಮತ್ತು ರಚನೆ
ಶಕ್ತಿಯ ಡೇಟಾವು ಪ್ರಾಥಮಿಕವಾಗಿ ಹಲವಾರು ಮೂಲಗಳಿಂದ ಬರುತ್ತದೆ. SCADA (ಮೇಲ್ವಿಚಾರಣಾ ನಿಯಂತ್ರಣ ಮತ್ತು ಡೇಟಾ ಸ್ವಾಧೀನ ವ್ಯವಸ್ಥೆ) ಸ್ವಿಚ್ಬೋರ್ಡ್ ಮತ್ತು ಗ್ರಿಡ್ ಉಪಕರಣಗಳಿಂದ ತತ್ಕ್ಷಣದ ಮಾಪನಗಳನ್ನು ಸಂಗ್ರಹಿಸುತ್ತದೆ; ಇದು ಸಾಮಾನ್ಯವಾಗಿ ಸೆಕೆಂಡುಗಳು ಅಥವಾ ನಿಮಿಷಗಳ ರೆಸಲ್ಯೂಶನ್ ಮತ್ತು ವೋಲ್ಟೇಜ್, ಕರೆಂಟ್, ಪವರ್ ಮತ್ತು ತಾಪಮಾನದಂತಹ ಪ್ರಮಾಣಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ಸ್ಮಾರ್ಟ್ ಮೀಟರ್ ಡೇಟಾವು ಸಾಮಾನ್ಯವಾಗಿ 15 ನಿಮಿಷಗಳ ಮಧ್ಯಂತರದಲ್ಲಿ ಬಳಕೆಯನ್ನು ಅಳೆಯುತ್ತದೆ ಮತ್ತು ಬಿಲ್ಲಿಂಗ್ ಮತ್ತು ಬೇಡಿಕೆ ವಿಶ್ಲೇಷಣೆಗೆ ಆಧಾರವಾಗಿದೆ. ಹವಾಮಾನ ದತ್ತಾಂಶ (ತಾಪಮಾನ, ವಿಕಿರಣ, ಗಾಳಿಯ ವೇಗ) ಉತ್ಪಾದನೆ ಮತ್ತು ಬೇಡಿಕೆ ಮುನ್ಸೂಚನೆಯ ಇನ್ಪುಟ್ ಆಗಿದೆ. ಮಾರುಕಟ್ಟೆ ಡೇಟಾ (ಗಂಟೆಯ ಬೆಲೆಗಳು) ಆರ್ಥಿಕ ವಿಶ್ಲೇಷಣೆಯ ಇನ್ಪುಟ್ ಆಗಿದೆ.
ಈ ಡೇಟಾದ ಸಾಮಾನ್ಯ ಲಕ್ಷಣವೆಂದರೆ ಅವುಗಳು ಟೈಮ್ಸ್ಟ್ಯಾಂಪ್ (ಪ್ರತಿ ಮಾಪನವು ಸೇರಿರುವ ದಿನಾಂಕ-ಸಮಯದ ಟ್ಯಾಗ್) ಮತ್ತು ಒಂದು ಅಥವಾ ಹೆಚ್ಚಿನ ಅಳತೆ ಮೌಲ್ಯಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ಇದು ಅತ್ಯಂತ ನಿರ್ಣಾಯಕ ಅಂಶವಾಗಿದೆ: ಟೈಮ್ಸ್ಟ್ಯಾಂಪ್ ಸರಿಯಾಗಿ ಅರ್ಥವಾಗದಿದ್ದರೆ, ಉಳಿದೆಲ್ಲವೂ ಕುಸಿಯುತ್ತದೆ.
ರೆಸಲ್ಯೂಶನ್, ಸಮಯ ವಲಯ ಮತ್ತು ಡೇಲೈಟ್ ಸೇವಿಂಗ್ ಟೈಮ್ ಟ್ರ್ಯಾಪ್ಸ್
ಶಕ್ತಿಯ ಡೇಟಾದಲ್ಲಿನ ದೋಷಗಳ ಆಶ್ಚರ್ಯಕರವಾದ ದೊಡ್ಡ ಭಾಗವು ಸಮಯದ ಅಕ್ಷದಿಂದ ಬರುತ್ತದೆ. ನಿರ್ದಿಷ್ಟವಾಗಿ ಮೂರು ಬಲೆಗಳನ್ನು ಹೈಲೈಟ್ ಮಾಡೋಣ.
ರೆಸಲ್ಯೂಶನ್ ಗೊಂದಲ. ಮೀಟರ್ 15-ನಿಮಿಷದ ಶಕ್ತಿ (kWh) ಅಥವಾ ತತ್ಕ್ಷಣದ ವಿದ್ಯುತ್ (kW) ಅನ್ನು ವರದಿ ಮಾಡುತ್ತದೆಯೇ? ಅವುಗಳನ್ನು ಸೇರಿಸುವುದು ವಿಭಿನ್ನ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡುತ್ತದೆ: 15 ನಿಮಿಷಗಳ ಕಾಲ ನಾಲ್ಕು kW ಮೌಲ್ಯಗಳ ಸರಾಸರಿ ಶಕ್ತಿಯಾಗಿದೆ, ಆದರೆ ನಾಲ್ಕರ ಮೊತ್ತವು ಗಂಟೆಯ ಶಕ್ತಿಗೆ ಹೊಂದಿಕೆಯಾಗುವುದಿಲ್ಲ (ಕ್ವಾರ್ಟರ್-ಗಂಟೆಯ ಶಕ್ತಿಗಳ ಮೊತ್ತದ ಅಗತ್ಯವಿದೆ). ಘಟಕ ಮತ್ತು ನಿರ್ಣಯವನ್ನು ಒಟ್ಟಿಗೆ ಅರ್ಥಮಾಡಿಕೊಳ್ಳದೆ ಯಾವುದೇ ಸಂಕಲನವನ್ನು ಮಾಡಲಾಗುವುದಿಲ್ಲ.
ಸಮಯ ವಲಯ. ಡೇಟಾವನ್ನು ಸ್ಥಳೀಯ ಸಮಯದಲ್ಲಿ ಇರಿಸಲಾಗಿದೆಯೇ (TRT/UTC+3 Türkiye) ಅಥವಾ ಸಾರ್ವತ್ರಿಕ ಸಮಯ (UTC)? ವಿಭಿನ್ನ ವ್ಯವಸ್ಥೆಗಳಿಂದ ಬರುವ ಎರಡು ಸರಣಿಗಳು ವಿಭಿನ್ನ ಸಮಯ ವಲಯಗಳಲ್ಲಿರಬಹುದು; ಒಟ್ಟುಗೂಡಿಸುವಾಗ ಮೂರು-ಗಂಟೆಗಳ ಶಿಫ್ಟ್ ಸಂಪೂರ್ಣ ಪೀಕ್ ಅವರ್ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಅಡ್ಡಿಪಡಿಸುತ್ತದೆ.
ಡೇಲೈಟ್ ಸೇವಿಂಗ್ ಟೈಮ್ (DST). ಹಗಲು ಉಳಿಸುವ ಸಮಯಕ್ಕೆ ಬದಲಾಯಿಸುವ ದೇಶಗಳಲ್ಲಿ, ಒಂದು ಗಂಟೆ ವರ್ಷಕ್ಕೊಮ್ಮೆ "ಕಣ್ಮರೆಯಾಗುತ್ತದೆ" ಮತ್ತು ವರ್ಷಕ್ಕೊಮ್ಮೆ "ಪುನರಾವರ್ತನೆಯಾಗುತ್ತದೆ". ಇದು ಆ ದಿನಗಳಲ್ಲಿ 23 ಅಥವಾ 25 ಗಂಟೆಗಳ ದಿನಗಳನ್ನು ರಚಿಸುತ್ತದೆ ಮತ್ತು ಗಂಟೆಯ ಪ್ರೊಫೈಲ್ಗಳನ್ನು ಒಡೆಯುತ್ತದೆ. Türkiye 2016 ರಿಂದ ಶಾಶ್ವತ ಹಗಲು ಉಳಿತಾಯ ಸಮಯವನ್ನು (UTC+3) ಜಾರಿಗೆ ತಂದಿರುವುದರಿಂದ, ಈ ಸಮಸ್ಯೆ ಸ್ಥಳೀಯ ಡೇಟಾದಲ್ಲಿ ಕಾಣಿಸುವುದಿಲ್ಲ, ಆದರೆ ಅಂತರರಾಷ್ಟ್ರೀಯ ಅಥವಾ ಹಳೆಯ ಡೇಟಾದೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವಾಗ ನೀವು ಅದನ್ನು ಎದುರಿಸುತ್ತೀರಿ.
ಗಮನಿಸಿ: ಟೈಮ್ಸ್ಟ್ಯಾಂಪ್ನ ಲೇಬಲ್ "ಶ್ರೇಣಿಯ ಪ್ರಾರಂಭ" ಅಥವಾ "ಶ್ರೇಣಿಯ ಅಂತ್ಯ" ಆಗಿದೆಯೇ? 14:00 ಎಂದು ಲೇಬಲ್ ಮಾಡಲಾದ ದಾಖಲೆಯು 14:00-14:15 ಅಥವಾ 13:45-14:00 ಅನ್ನು ಸೂಚಿಸುತ್ತದೆಯೇ? ಈ ಒಂದೇ ನಿರ್ಧಾರವು ಗರಿಷ್ಠ ಗಡಿಯಾರವನ್ನು ಒಂದು ಸ್ಲೈಸ್ನಿಂದ ಬದಲಾಯಿಸಬಹುದು. ಪ್ರತಿ ಡೇಟಾ ಸೆಟ್ಗೆ ಆರಂಭದಲ್ಲಿ ಈ ನಿಯಮವನ್ನು ಸ್ಪಷ್ಟಪಡಿಸಿ.
ಹಂತ ಹಂತವಾಗಿ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದಿಗೆ ಡೇಟಾ ತಯಾರಿ ಕಾರ್ಯದ ಹರಿವು
ಹಂತ 1 - ಅನ್ವೇಷಣೆ. ಡೇಟಾವನ್ನು ತಿಳಿಯಿರಿ: ಎಷ್ಟು ಸಾಲುಗಳು, ಯಾವ ಶ್ರೇಣಿ, ಯಾವ ರೆಸಲ್ಯೂಶನ್, ಯಾವ ಘಟಕ? AI ಗೆ ಮೊದಲ ಕೆಲವು ನೂರು ಸಾಲುಗಳನ್ನು ನೀಡುವುದು ಮತ್ತು ರಚನೆಯನ್ನು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸುವುದು ಕಾಲಮ್ ಅರ್ಥಗಳು ಮತ್ತು ಸಂಭವನೀಯ ಘಟಕಗಳನ್ನು ತ್ವರಿತವಾಗಿ ಬಹಿರಂಗಪಡಿಸುತ್ತದೆ. ಆದರೆ AI ನ ಘಟಕ ಅಂದಾಜು ಒಂದು ಊಹೆಯಾಗಿದೆ; ಇದು ಮೂಲ ದಾಖಲೆಯಿಂದ ದೃಢೀಕರಿಸಲ್ಪಟ್ಟಿದೆ.
ಹಂತ 2 - ಟೈಮ್ಲೈನ್ ಅನ್ನು ಪ್ರಮಾಣೀಕರಿಸಿ. ಒಂದೇ ಸಮಯ ವಲಯಕ್ಕೆ ಸ್ನ್ಯಾಪ್ ಮಾಡಿ, ರೆಸಲ್ಯೂಶನ್ ಸರಿಪಡಿಸಿ, ಟ್ಯಾಗ್ ನಿಯಮವನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಿ (ಆರಂಭ/ಅಂತ್ಯ). AI ಅನಿಯಮಿತ ಮಧ್ಯಂತರಗಳು ಮತ್ತು ಕಾಣೆಯಾದ ಟೈಮ್ಸ್ಟ್ಯಾಂಪ್ಗಳನ್ನು ಪತ್ತೆ ಮಾಡುವ ಕೋಡ್ ಅನ್ನು ರಚಿಸಬಹುದು.
ಹಂತ 3 - ಅಪೂರ್ಣ ಮತ್ತು ನಕಲಿ ದಾಖಲೆಗಳು. ಸಂವಹನ ಸ್ಥಗಿತಗಳು ಶೂನ್ಯತೆ ಮತ್ತು ಡಬಲ್ ರೆಕಾರ್ಡಿಂಗ್ ಅನ್ನು ಮತ್ತೆ ಸೃಷ್ಟಿಸುತ್ತವೆ. AI ಅಂತರಗಳು ಮತ್ತು ನಕಲುಗಳನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡುವ ನಿಯಮಗಳ ಗುಂಪನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ಸಣ್ಣ ಅಂತರವನ್ನು (ಉದಾ. ಒಂದೇ 15 ನಿಮಿಷಗಳು) ಸೂಕ್ತವಾದ ವಿಧಾನದಿಂದ ತುಂಬಬಹುದು, ದೀರ್ಘ ಅಂತರವನ್ನು ವಿಶ್ಲೇಷಣೆಯಿಂದ ಹೊರಗಿಡಲಾಗುತ್ತದೆ ಮತ್ತು ವರದಿ ಮಾಡಲಾಗುತ್ತದೆ.
ಹಂತ 4 - ಹೊರಗಿನವರು. ನಕಾರಾತ್ಮಕ ಬಳಕೆ (ಉತ್ಪಾದನೆ ಇಲ್ಲ), ಭೌತಿಕ ಮೇಲಿನ ಮಿತಿಯನ್ನು ಮೀರಿದ ಶಕ್ತಿ, ಹಠಾತ್ ಜಿಗಿತಗಳು. AI ಅಂಕಿಅಂಶಗಳ ಮತ್ತು ನಿಯಮ-ಆಧಾರಿತ ಹೊರಗಿನ ಪತ್ತೆಯನ್ನು ನೀಡುತ್ತದೆ; ಆದರೆ ಔಟ್ಲೈಯರ್ ಯಾವಾಗಲೂ ದೋಷವಲ್ಲ - ಇದು ನೈಜ ಘಟನೆಯೂ ಆಗಿರಬಹುದು (ಉದಾಹರಣೆಗೆ, ಆನ್ಲೈನ್ಗೆ ಹೋಗುವ ಕಾರ್ಖಾನೆ). ಎಂಜಿನಿಯರ್ ಈ ವ್ಯತ್ಯಾಸವನ್ನು ಮಾಡುತ್ತಾರೆ.
ಹಂತ 5 - ಪರಿಶೀಲನೆ. ಸ್ವಚ್ಛಗೊಳಿಸಿದ ಡೇಟಾವನ್ನು ಭೌತಿಕ ಆಂಕರ್ಗಳೊಂದಿಗೆ ಪರೀಕ್ಷಿಸಲಾಗುತ್ತದೆ: ಸೂರ್ಯೋದಯ/ಸೂರ್ಯಾಸ್ತವನ್ನು ಸೌರ ಉತ್ಪಾದನೆಯನ್ನು ಮರುಹೊಂದಿಸಬೇಕು, ರಾತ್ರಿಯ ಹೊರೆ ಹಗಲಿನ ಸಮಯಕ್ಕಿಂತ ಕಡಿಮೆಯಿರಬೇಕು, ಒಟ್ಟು ಶಕ್ತಿಯು ಬಿಲ್ಗೆ ಅನುಗುಣವಾಗಿರಬೇಕು.
ಮೂರು ಮಿನಿ ಪ್ರಕರಣಗಳು: ಸಂಖ್ಯೆಗಳ ಮೂಲಕ
ಪ್ರಕರಣ 1 - ಒಂದು ಗಂಟೆ ಸ್ಲಿಪ್. ಒಬ್ಬ ವಿಶ್ಲೇಷಕರ ಸೌರ ಉತ್ಪಾದನೆಯ ಮಾಹಿತಿಯು 13:00 ಕ್ಕೆ ಬದಲಾಗಿ 14:00 ಕ್ಕೆ ಮಧ್ಯಾಹ್ನದ ಉತ್ತುಂಗವನ್ನು ತೋರಿಸಿದೆ. ಸಮಸ್ಯೆಯು ಫಲಕದಲ್ಲಿ ಅಲ್ಲ; ಡೇಟಾ ಯುಟಿಸಿ ಆದರೆ ಸ್ಥಳೀಯ ಸಮಯ ಎಂದು ಭಾವಿಸಲಾಗಿದೆ. ಮೂರು-ಗಂಟೆಯ ಶಿಫ್ಟ್ ಅನ್ನು ಗಮನಿಸಿದಾಗ (ಸೂರ್ಯೋದಯಕ್ಕೆ ಮುಂಚಿತವಾಗಿ ಉತ್ಪಾದನೆಯ ನೋಟವು ಆಂಕರ್ ಅನ್ನು ದೂರ ನೀಡಿತು) ಸಂಪೂರ್ಣ ವಿಶ್ಲೇಷಣೆ ಸುಧಾರಿಸಿತು; ತಪ್ಪು ವ್ಯಾಖ್ಯಾನದ ಆಧಾರದ ಮೇಲೆ ಹೂಡಿಕೆ ನಿರ್ಧಾರಗಳನ್ನು ತಡೆಯಲಾಗಿದೆ.
ಪ್ರಕರಣ 2 - ನಕಲಿ ರೆಕಾರ್ಡಿಂಗ್ಗಳು. ಒಂದು ವಿತರಣಾ ಫೀಡರ್ನ 30-ದಿನಗಳ ಗಂಟೆಯ ಡೇಟಾದಲ್ಲಿ, ಒಟ್ಟು ಬಳಕೆಯು ಅಂದಾಜು 4 ಪ್ರತಿಶತದಷ್ಟು ನಿರೀಕ್ಷೆಗಿಂತ ಹೆಚ್ಚಾಗಿದೆ. ಸಂವಹನ ಮರುಸಂಪರ್ಕಗಳಲ್ಲಿ ಕೆಲವು ಗಂಟೆಗಳನ್ನು ಎರಡು ಬಾರಿ ದಾಖಲಿಸಲಾಗಿದೆ ಎಂದು AI- ನೆರವಿನ ಮರುಪಂದ್ಯ ಪತ್ತೆ ತೋರಿಸಿದೆ. 68 ಪುನರಾವರ್ತಿತ ದಾಖಲೆಗಳನ್ನು ತೆರವುಗೊಳಿಸಿದ ನಂತರ ಒಟ್ಟು ಮೊತ್ತವು ಬಿಲ್ಗೆ ಹೊಂದಿಕೆಯಾಯಿತು.
ಪ್ರಕರಣ 3 - ತಪ್ಪು ಸೊನ್ನೆಗಳು. ಸಂವಹನ ನಷ್ಟದ ಸಮಯದಲ್ಲಿ ಒಂದು ಮೀಟರ್ ಬಳಕೆಯನ್ನು "0" ಎಂದು ವರದಿ ಮಾಡುತ್ತಿದೆ; ಆದಾಗ್ಯೂ, ಬಳಕೆ ಮುಂದುವರೆಯಿತು. ಈ ತಪ್ಪು ಸೊನ್ನೆಗಳು ಸರಾಸರಿಯನ್ನು ಕಡಿಮೆ ಮಾಡಿ ಬೇಡಿಕೆಯ ಮುನ್ಸೂಚನೆಯನ್ನು ದಾರಿ ತಪ್ಪಿಸಿದವು. AI "ಉಪಸ್ಥಿತಿ ಧ್ವಜದೊಂದಿಗೆ 0 ಮೌಲ್ಯಗಳನ್ನು ಪರೀಕ್ಷಿಸಿ" ಎಂಬ ನಿಯಮವನ್ನು ಸೂಚಿಸಿದೆ; ತಪ್ಪು ಸೊನ್ನೆಗಳನ್ನು ಕಾಣೆಯಾದ ಡೇಟಾ ಎಂದು ಗುರುತಿಸಲಾಗಿದೆ ಮತ್ತು ನಿಜವಾದ ಸೊನ್ನೆಗಳಿಂದ ಪ್ರತ್ಯೇಕಿಸಲಾಗಿದೆ (ಉದಾ., ಮುಚ್ಚಿದ ಕೆಲಸದ ಸ್ಥಳ).
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:
ಈ ಕೌಂಟರ್ ಡೇಟಾವನ್ನು ತೆರವುಗೊಳಿಸಿ.[ಡೇಟಾ]
ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:
ನಿಮ್ಮ ಪಾತ್ರ: ಶಕ್ತಿ ಡೇಟಾ ವಿಶ್ಲೇಷಕ. ಕೆಳಗಿನ ಮೀಟರ್ ಡೇಟಾವು 15 ನಿಮಿಷಗಳ ಮಧ್ಯಂತರಗಳು, ಸ್ಥಳೀಯ ಸಮಯ (UTC+3), ಟೈಮ್ಸ್ಟ್ಯಾಂಪ್ ಮಧ್ಯಂತರದ ಪ್ರಾರಂಭವನ್ನು ಸೂಚಿಸುತ್ತದೆ, ಯುನಿಟ್ kWh. ಕಾರ್ಯಗಳು:1) ಕಾಣೆಯಾದ ಸಮಯಸ್ಟ್ಯಾಂಪ್ಗಳು ಮತ್ತು ನಕಲಿ ದಾಖಲೆಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ (ಸಂಖ್ಯೆ ಮತ್ತು ಸಮಯ).2) ಭೌತಿಕ ಮೇಲಿನ ಮಿತಿಯನ್ನು ಮೀರಿದ ಋಣಾತ್ಮಕ ಮೌಲ್ಯ ಮತ್ತು ಮೌಲ್ಯಗಳನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಗುರುತಿಸಿ (ಒಪ್ಪಂದದ ಶಕ್ತಿ 25 kW); ಅಳಿಸಬೇಡಿ, ಕೇವಲ ಗುರುತು ಮಾಡಿ.3) ತಪ್ಪು ಸೊನ್ನೆಗಳಿಂದ ತಪ್ಪು ಸೊನ್ನೆಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸಲು ಒಂದು ಚೆಕ್ ಅನ್ನು ನೀಡಿ, ಅದು ತಪ್ಪಾಗಿ ಸಂವಹನದ ಶಂಕಿತವಾಗಿದೆ. ನೀವೇ ಯಾವುದೇ ಮೌಲ್ಯಗಳನ್ನು ಭರ್ತಿ ಮಾಡಬೇಡಿ; ಅದನ್ನು ಮೊದಲು ಗುರುತಿಸಿ ಮತ್ತು ನಾನು ಭರ್ತಿ ಮಾಡುವುದನ್ನು ಖಚಿತಪಡಿಸುತ್ತೇನೆ.
ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್ ರೆಸಲ್ಯೂಶನ್, ಸಮಯ ವಲಯ, ಟ್ಯಾಗ್ ನಿಯಮ ಮತ್ತು ಪ್ರಾರಂಭದಿಂದ ಮೇಲಿನ ಮಿತಿಯನ್ನು ನೀಡುತ್ತದೆ; ಇದು AI ಮೇಲೆ "ಮೊದಲು ಪತ್ತೆ ಮಾಡಿ, ನಂತರ ಕೇಳಿ" ಶಿಸ್ತನ್ನು ವಿಧಿಸುತ್ತದೆ. ಈ ರೀತಿಯಾಗಿ ಡೇಟಾವು ಮೌನವಾಗಿ ಭ್ರಷ್ಟಗೊಳ್ಳುವುದಿಲ್ಲ.
ನಾಲ್ಕು ನಕಲು ಮಾಡಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್ಗಳು
1) ಡೇಟಾ ಪ್ರೊಫೈಲಿಂಗ್:
ಕೆಳಗಿನ ಡೇಟಾದ ಪ್ರೊಫೈಲ್ ಅನ್ನು ರಚಿಸಿ: ಸಾಲುಗಳ ಸಂಖ್ಯೆ, ದಿನಾಂಕ ಶ್ರೇಣಿ, ರೆಸಲ್ಯೂಶನ್, ಅಂದಾಜು ಘಟಕ ಮತ್ತು ಪ್ರತಿ ಕಾಲಮ್ನ ಅರ್ಥ, ಕಾಣೆಯಾದ ದರ, ನಿಮಿಷ/ಗರಿಷ್ಠ/ಸರಾಸರಿ. ಯೂನಿಟ್ ಅಂದಾಜುಗಳನ್ನು "ಪರಿಶೀಲಿಸಬೇಕಾಗಿದೆ" ಟ್ಯಾಗ್ನೊಂದಿಗೆ ಗುರುತಿಸಿ.
2) ಸಮಯದ ಅಕ್ಷದ ನಿಯಂತ್ರಣ:
ಈ ಸಮಯ ಸರಣಿಯಲ್ಲಿ, ಪತ್ತೆ ಮಾಡಿ: (ಎ) ನಿರೀಕ್ಷಿತ ವ್ಯಾಪ್ತಿಯ ಹೊರಗಿರುವ ಅಂತರಗಳು, (ಬಿ) ಪುನರಾವರ್ತಿತ ಟೈಮ್ಸ್ಟ್ಯಾಂಪ್ಗಳು, (ಸಿ) ಹಗಲು ಉಳಿತಾಯ ಸಮಯ/ಸಮಯ ವಲಯದ ಕಾರಣದಿಂದಾಗಿ ಸಂಭವನೀಯ ಶಿಫ್ಟ್ಗಳು. ಪ್ರತಿಯೊಂದು ಆವಿಷ್ಕಾರವನ್ನು ಅದರ ಸಮಯದ ವ್ಯಾಪ್ತಿಯೊಂದಿಗೆ ಪಟ್ಟಿ ಮಾಡಿ. ನಿಮ್ಮ ತಿದ್ದುಪಡಿ ಸಲಹೆಯನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಬರೆಯಿರಿ; ಅಪ್ಲಿಕೇಶನ್.
3) ಹೊರಗಿನ ನಿಯಮ:
ಈ ಭೌತಿಕ ಮಿತಿಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಹೊರಗಿನವರನ್ನು ಗುರುತಿಸಿ: ಶಕ್ತಿ 0-[X] kW, ತಾಪಮಾನ [A]-[B] °C. ಅಂಕಿಅಂಶಗಳ ಹೊರಗಿನವರ ಪ್ರತ್ಯೇಕ ಪಟ್ಟಿಯನ್ನು ಸಹ ಮಾಡಿ (ಉದಾ. ಮಧ್ಯದಿಂದ ತುಂಬಾ ದೂರ ಹೋಗುವುದು). ಪ್ರತಿ ಹೊರಗಿನವರಿಗೆ, "ಸಂಭವನೀಯ ದೋಷ ಅಥವಾ ನಿಜವಾದ ಘಟನೆ" ಎಂಬ ಪ್ರಶ್ನೆಯನ್ನು ಎತ್ತಿಕೊಳ್ಳಿ; ನಾನೇ ನಿರ್ಧರಿಸಲಿ.
4) ಸ್ವಚ್ಛಗೊಳಿಸಿದ ನಂತರ ಪರಿಶೀಲನೆ:
ಕೆಳಗಿನ ಭೌತಿಕ ಆಂಕರ್ಗಳೊಂದಿಗೆ ಸ್ವಚ್ಛಗೊಳಿಸಿದ ಡೇಟಾವನ್ನು ಪರೀಕ್ಷಿಸಿ ಮತ್ತು ಅಸಂಗತತೆಯನ್ನು ವರದಿ ಮಾಡಿ: ಸೌರ ಉತ್ಪಾದನೆಯು ರಾತ್ರಿಯಲ್ಲಿ ಶೂನ್ಯವಾಗಿರಬೇಕು; ಒಟ್ಟು ಶಕ್ತಿಯು ನಿರೀಕ್ಷಿತ ಬಿಲ್ ಮಟ್ಟದಲ್ಲಿರಬೇಕು; ರಾತ್ರಿಯ ಹೊರೆ ಹಗಲಿನ ಗರಿಷ್ಠಕ್ಕಿಂತ ಕಡಿಮೆಯಿರಬೇಕು. ಪ್ರತಿ ಆಂಕರ್ಗೆ ಪಾಸ್/ಫೇಲ್ ಬರೆಯಿರಿ.
ಡೇಟಾ ಗುಣಮಟ್ಟದ ಸಮಸ್ಯೆಗಳ ಕೋಷ್ಟಕ
ಸಮಸ್ಯೆ
ಲಕ್ಷಣ
ಪರಿಶೀಲನೆ ಆಂಕರ್
ಸಮಯ ವಲಯ ಬದಲಾವಣೆ
ಮೇಲಿನ ಗಡಿಯಾರವು ತರ್ಕಬದ್ಧವಲ್ಲದ ಸ್ಥಳದಲ್ಲಿದೆ
ಸೂರ್ಯೋದಯ/ಸೂರ್ಯಾಸ್ತದೊಂದಿಗೆ ಹೊಂದಿಸಿ
ಬೇಸಿಗೆ ಸಮಯ (DST)
23/25 ಗಂಟೆಗಳ ದಿನಗಳು
ದಿನದ ಉದ್ದವನ್ನು ಎಣಿಸಿ
ನಕಲಿ ಶೂನ್ಯ
ಸಂವಹನ ನಷ್ಟದ ಸಂದರ್ಭದಲ್ಲಿ 0
ಸಂವಹನ ಧ್ವಜದೊಂದಿಗೆ ಹೊಂದಾಣಿಕೆ
ಮರು-ನೋಂದಣಿ
ಒಟ್ಟು ಬಿಲ್ಗಿಂತ ಹೆಚ್ಚು
ಟೈಮ್ಸ್ಟ್ಯಾಂಪ್ ಅನನ್ಯತೆಯನ್ನು ಪರಿಶೀಲಿಸಿ
ಘಟಕದ ಗೊಂದಲ
ರ್ಯಾಂಕ್ 60/1000 ಬಾರಿ ವಿಕೃತ
kW↔kWh ಪರಿವರ್ತನೆಯನ್ನು ಪರಿಶೀಲಿಸಿ
ನಕಾರಾತ್ಮಕ ಮೌಲ್ಯ
ಉತ್ಪಾದನೆ ಇಲ್ಲದಿದ್ದಾಗ ಋಣಾತ್ಮಕ ಬಳಕೆ
ಭೌತಿಕ ಚಿಹ್ನೆಯ ನಿಯಮ
ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು
- ಕಾಣೆಯಾದ ಡೇಟಾವನ್ನು ಶೂನ್ಯದೊಂದಿಗೆ ಮೌನವಾಗಿ ಭರ್ತಿ ಮಾಡಲಾಗುತ್ತಿದೆ. ಶೂನ್ಯ ಎಂದರೆ "ಬಳಕೆಯಿಲ್ಲ", "ಡೇಟಾ ಇಲ್ಲ" ಅಲ್ಲ; ಎರಡನ್ನು ಬೆರೆಸುವುದು ಸರಾಸರಿ ಮತ್ತು ಮುನ್ಸೂಚನೆಯನ್ನು ವಿರೂಪಗೊಳಿಸುತ್ತದೆ.
- ಔಟ್ಲೈಯರ್ ಅನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಅಳಿಸಿ. ಹೊರಗೊಂದು ನೈಜ ಘಟನೆಯಾಗಿರಬಹುದು; ಅಳಿಸುವ ಮೊದಲು ಎಂಜಿನಿಯರ್ ಪರಿಶೀಲನೆ ಅಗತ್ಯವಿದೆ.
- ಸಮಯ ವಲಯವನ್ನು ಊಹಿಸಿ. "ಇದು ಬಹುಶಃ ಸ್ಥಳೀಯವಾಗಿದೆ" ಎಂದು ಹೇಳುವುದು ಅತ್ಯಂತ ದುಬಾರಿ ತಪ್ಪುಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ; ಯಾವಾಗಲೂ ಮೂಲದಿಂದ ಪರಿಶೀಲಿಸಿ.
- ಮಿಶ್ರಣ ಮಾಡುವ ಮೂಲಕ ಕರಗುವಿಕೆಯನ್ನು ಸಂಗ್ರಹಿಸುವುದು. ಪವರ್ (kW) ಮೌಲ್ಯಗಳನ್ನು ಶಕ್ತಿಯಾಗಿ (kWh) ಸೇರಿಸುವುದು ತಪ್ಪಾದ ಒಟ್ಟು ಮೊತ್ತವನ್ನು ನೀಡುತ್ತದೆ.
- ಸ್ವಚ್ಛತೆ ಪರಿಶೀಲಿಸುತ್ತಿಲ್ಲ. ಸ್ವಚ್ಛಗೊಳಿಸಿದ ಡೇಟಾ ಕೂಡ ಭ್ರಷ್ಟವಾಗಿರಬಹುದು; ಭೌತಿಕ ಆಂಕರ್ಗಳೊಂದಿಗೆ ಅದನ್ನು ಪರೀಕ್ಷಿಸಲು ಮರೆಯದಿರಿ.
ಸಲಹೆ: ಡೇಟಾ ಶುಚಿಗೊಳಿಸುವ ಪ್ರತಿಯೊಂದು ಹಂತವನ್ನು "ಡೇಟಾ ಲಾಗ್" ನಲ್ಲಿ ಬರೆಯಿರಿ: ಎಷ್ಟು ದಾಖಲೆಗಳನ್ನು ಗುರುತಿಸಲಾಗಿದೆ, ಎಷ್ಟು ಜನಸಂಖ್ಯೆಯನ್ನು ಹೊಂದಿದೆ, ಯಾವ ನಿಯಮವನ್ನು ಬಳಸಲಾಗಿದೆ. ಈ ಲಾಗ್ ಪುನರುತ್ಪಾದನೆ ಮತ್ತು ಲೆಕ್ಕಪರಿಶೋಧನೆ ಎರಡನ್ನೂ ಖಾತ್ರಿಗೊಳಿಸುತ್ತದೆ; ಒಂದು ವರ್ಷದ ನಂತರ "ಈ ಸಂಖ್ಯೆ ಎಲ್ಲಿಂದ ಬಂತು?" ಎಂಬ ಪ್ರಶ್ನೆಗೆ ಉತ್ತರಿಸುತ್ತದೆ.
ಸಾರಾಂಶದಲ್ಲಿ
ಶಕ್ತಿಯ ವಿಶ್ಲೇಷಣೆಯ ಆಧಾರವು ಶುದ್ಧ ಸಮಯದ ಸರಣಿಯಾಗಿದೆ. ಡೇಟಾವು SCADA, ಮೀಟರ್, ಹವಾಮಾನಶಾಸ್ತ್ರ ಮತ್ತು ಮಾರುಕಟ್ಟೆಯಿಂದ ಬರುತ್ತದೆ; ಪ್ರತಿಯೊಂದೂ ರೆಸಲ್ಯೂಶನ್, ಯುನಿಟ್, ಸಮಯ ವಲಯ ಮತ್ತು ಹಗಲು ಉಳಿಸುವ ಸಮಯದ ಬಲೆಗಳನ್ನು ಹೊಂದಿದೆ. ಕಾಣೆಯಾದ/ನಕಲು/ಹೊರಗಿನ ಪತ್ತೆಯನ್ನು ವೇಗಗೊಳಿಸುವಲ್ಲಿ AI ಅತ್ಯಂತ ಶಕ್ತಿಶಾಲಿಯಾಗಿದೆ, ಆದರೆ ಅಳಿಸುವಿಕೆ ಮತ್ತು ಭರ್ತಿ ಮಾಡುವ ನಿರ್ಧಾರಗಳು ಇಂಜಿನಿಯರ್ನೊಂದಿಗೆ ಉಳಿಯಬೇಕು ಮತ್ತು ಫಲಿತಾಂಶವನ್ನು ಭೌತಿಕ ಆಂಕರ್ಗಳೊಂದಿಗೆ ಮೌಲ್ಯೀಕರಿಸಬೇಕು. ಟೈಮ್ಸ್ಟ್ಯಾಂಪ್ನ ಸರಿಯಾದ ತಿಳುವಳಿಕೆಯಿಲ್ಲದೆ ಯಾವುದೇ ವಿಶ್ಲೇಷಣೆ ವಿಶ್ವಾಸಾರ್ಹವಲ್ಲ.
ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ
ನಿಮ್ಮ ಕೈಯಲ್ಲಿ ಶಕ್ತಿಯ ಸಮಯದ ಸರಣಿಯನ್ನು (ಮೀಟರ್, ಉತ್ಪಾದನೆ ಅಥವಾ ತಾಪಮಾನ) ತೆಗೆದುಕೊಳ್ಳಿ. "ಟೈಮ್ಲೈನ್ ಆಡಿಟ್" ಮತ್ತು "ಡೇಟಾ ಪ್ರೊಫೈಲಿಂಗ್" ಟೆಂಪ್ಲೇಟ್ಗಳನ್ನು ಬಳಸಿಕೊಂಡು AI ನಿಂದ ಗುಣಮಟ್ಟದ ವರದಿಯನ್ನು ವಿನಂತಿಸಿ. ನಂತರ ಮೂರು ವಿಷಯಗಳನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ ಪರಿಶೀಲಿಸಿ: ಯುನಿಟ್ ಮತ್ತು ರೆಸಲ್ಯೂಶನ್ ಸರಿಯಾಗಿದೆಯೇ, ಗರಿಷ್ಠ ಗಡಿಯಾರವು ಭೌತಿಕವಾಗಿ ಸಮಂಜಸವಾಗಿದೆಯೇ, ಒಟ್ಟು ಶಕ್ತಿಯು ಬಿಲ್ನೊಂದಿಗೆ ಸ್ಥಿರವಾಗಿದೆಯೇ? ನೀವು ಕಂಡುಕೊಂಡ ಡೇಟಾ ಗುಣಮಟ್ಟದ ಸಮಸ್ಯೆಯನ್ನು ಮತ್ತು ನೀವು ಅದನ್ನು ಹೇಗೆ ಸರಿಪಡಿಸಿದ್ದೀರಿ ಎಂಬುದನ್ನು ಸಂಕ್ಷಿಪ್ತವಾಗಿ ವಿವರಿಸಿ.
ಪರಿಶೀಲನಾಪಟ್ಟಿ
- [ ] ನಾನು ಡೇಟಾದ ಮೂಲ, ರೆಸಲ್ಯೂಶನ್ ಮತ್ತು ಘಟಕವನ್ನು ದೃಢೀಕರಿಸಿದ್ದೇನೆ
- [ ] ನಾನು ಸಮಯವಲಯ ಮತ್ತು ಟೈಮ್ಸ್ಟ್ಯಾಂಪ್ ಲೇಬಲ್ ನಿಯಮವನ್ನು ಸ್ಪಷ್ಟಪಡಿಸಿದೆ (ಆರಂಭ/ಅಂತ್ಯ)
- [ ] ನಾನು ಬೇಸಿಗೆಯ ಸಮಯದ ಕಾರಣದಿಂದಾಗಿ 23/25 ಗಂಟೆಗಳ ದಿನಗಳ ಅಪಾಯವನ್ನು ಪರಿಶೀಲಿಸಿದೆ
- [ ] ನಾನು ಕಾಣೆಯಾದ ಮತ್ತು ನಕಲಿ ದಾಖಲೆಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಿದೆ ಮತ್ತು ಅವುಗಳನ್ನು ವರದಿ ಮಾಡಿದೆ
- [ ] ನಾನು "ದೋಷ ಅಥವಾ ಈವೆಂಟ್" ಎಂಬ ವ್ಯತ್ಯಾಸದೊಂದಿಗೆ ಹೊರಗಿನವರನ್ನು ಪರೀಕ್ಷಿಸಿದೆ
- [ ] ನಾನು ನಿಜವಾದ ಸೊನ್ನೆಗಳಿಂದ ಸುಳ್ಳು ಸೊನ್ನೆಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸಿದ್ದೇನೆ
- [ ] ನಾನು ಸ್ವಚ್ಛಗೊಳಿಸಿದ ಡೇಟಾವನ್ನು ಭೌತಿಕ ಆಂಕರ್ಗಳೊಂದಿಗೆ ಪರಿಶೀಲಿಸಿದ್ದೇನೆ ಮತ್ತು ಡೇಟಾ ಲಾಗ್ ಅನ್ನು ಇರಿಸಿದ್ದೇನೆ