Keuntungan:
- Keupayaan untuk mengenali struktur, unit dan masalah kualiti biasa SCADA, meter pintar dan data pasaran
- Keupayaan untuk mengesan data yang hilang, outlier dan masalah cap masa dengan kecerdasan buatan dan mewujudkan aliran kerja pembersihan
- Keupayaan untuk mengesahkan perangkap seperti resolusi, zon waktu dan masa penjimatan siang dalam siri masa tenaga dalam output AI
Hampir semua analisis tenaga bermula dengan siri masa: pengukuran disusun sepanjang paksi masa. Penggunaan 15 minit meter, kelajuan putaran kedua turbin, arus setiap jam penyuap (talian pengedaran)—semuanya adalah siri masa. Dalam unit ini, kita akan belajar dari mana datangnya data tenaga, masalah yang terkandung di dalamnya dan cara menggunakan kecerdasan buatan untuk menjadikan data ini boleh dipercayai. Mari kita wujudkan prinsip ini dari awal: walaupun analisis paling bijak dengan data kotor memberikan hasil yang kotor. Dalam kejuruteraan tenaga, kebanyakan masa dibelanjakan bukan untuk model, tetapi untuk menjadikan data boleh dipercayai, dan kecerdasan buatan memberikan sumbangan paling selamat dalam bahagian ini.
Sumber dan Struktur Data Tenaga
Data tenaga datang terutamanya daripada beberapa sumber. SCADA (kawalan penyeliaan dan sistem pemerolehan data) mengumpul ukuran serta-merta daripada peralatan papan suis dan grid; Ia biasanya dalam resolusi saat atau minit dan termasuk kuantiti seperti voltan, arus, kuasa dan suhu. Data meter pintar biasanya mengukur penggunaan pada selang 15 minit dan merupakan asas untuk analisis pengebilan dan permintaan. Data meteorologi (suhu, sinaran, kelajuan angin) ialah input ramalan pengeluaran dan permintaan. Data pasaran (harga setiap jam) adalah input analisis ekonomi.
Ciri umum data ini ialah ia mengandungi cap masa (teg tarikh-masa yang dimiliki oleh setiap ukuran) dan satu atau lebih nilai ukuran. Ini adalah titik paling kritikal: jika cap masa tidak difahami dengan betul, semua yang lain akan runtuh.
Resolusi, Zon Masa dan Perangkap Masa Penjimatan Siang
Sebahagian besar ralat dalam data tenaga datang dari paksi masa. Mari kita serlahkan tiga perangkap khususnya.
Kekeliruan penyelesaian. Adakah meter melaporkan tenaga 15 minit (kWj) atau kuasa serta-merta (kW)? Menambahnya memberikan hasil yang berbeza: purata nilai empat kW selama 15 minit ialah kuasa, manakala jumlah empat tidak sepadan dengan tenaga setiap jam (jumlah tenaga suku jam diperlukan). Tiada penjumlahan boleh dibuat tanpa memahami unit dan resolusi bersama-sama.
Zon masa. Adakah data disimpan dalam waktu tempatan (TRT/UTC+3 untuk Türkiye) atau masa universal (UTC)? Dua siri yang datang dari sistem yang berbeza mungkin berada dalam zon waktu yang berbeza; Peralihan tiga jam apabila menggabungkan mengganggu keseluruhan analisis jam puncak.
Waktu penjimatan siang (DST). Di negara yang beralih kepada waktu penjimatan siang, satu jam "hilang" sekali setahun dan "berulang" sekali setahun. Ini menghasilkan 23 atau 25 jam hari pada hari tersebut dan memecahkan profil setiap jam. Memandangkan Türkiye telah melaksanakan waktu penjimatan siang kekal (UTC+3) sejak 2016, masalah ini tidak muncul pada data tempatan, tetapi anda masih menghadapinya apabila bekerja dengan data antarabangsa atau lama.
Notis: Adakah label untuk cap masa "permulaan julat" atau "hujung julat"? Adakah rekod berlabel 14:00 menunjukkan 14:00-14:15 atau 13:45-14:00? Keputusan tunggal ini boleh mengalihkan jam puncak dengan satu keping. Jelaskan peraturan ini pada permulaan untuk setiap set data.
Langkah demi Langkah: Aliran Kerja Penyediaan Data dengan Kepintaran Buatan
Langkah 1 - Penemuan. Ketahui data: berapa baris, julat apa, resolusi apa, unit apa? Memberi AI beberapa ratus baris pertama dan meringkaskan struktur dengan cepat mendedahkan makna lajur dan unit yang mungkin. Tetapi anggaran unit AI adalah hipotesis; Ia disahkan daripada dokumen sumber.
Langkah 2 — Seragamkan garis masa. Snap ke zon waktu tunggal, betulkan resolusi, nyatakan peraturan teg (permulaan/akhir). AI boleh menjana kod yang mengesan selang masa yang tidak teratur dan tiada cap waktu.
Langkah 3 — Rekod yang tidak lengkap dan pendua. Kerosakan komunikasi mewujudkan kekosongan dan rakaman berganda semula. AI menghasilkan satu set peraturan yang menandakan jurang dan pertindihan; jurang pendek (cth. 15 minit tunggal) boleh diisi dengan kaedah yang sesuai, jurang yang panjang dikecualikan daripada analisis dan dilaporkan.
Langkah 4 - Outliers. Penggunaan negatif (tiada pengeluaran), kuasa melebihi had atas fizikal, lompatan mengejut. AI menawarkan pengesanan outlier berasaskan statistik dan peraturan; Tetapi outlier tidak selalunya ralat — ia juga boleh menjadi peristiwa sebenar (contohnya, kilang yang berada dalam talian). Jurutera membuat perbezaan ini.
Langkah 5 — Pengesahan. Data yang dibersihkan diuji dengan sauh fizikal: matahari terbit/matahari terbenam mesti menetapkan semula penjanaan suria, beban malam mesti lebih rendah daripada siang hari, jumlah tenaga mesti konsisten dengan bil.
Tiga Kes Mini: Mengikut Nombor
Kes 1 — Slip satu jam. Data pengeluaran suria seorang penganalisis menunjukkan puncak tengah hari pada 14:00 dan bukannya 13:00. Masalahnya bukan pada panel; Data itu ialah UTC tetapi ia dianggap sebagai waktu tempatan. Apabila peralihan tiga jam diperhatikan (kemunculan pengeluaran sebelum matahari terbit memberikan sauh) keseluruhan analisis bertambah baik; Keputusan pelaburan telah dihalang berdasarkan salah tafsir.
Kes 2 — Rakaman pendua. Dalam satu data setiap jam 30 hari penyuap pengedaran, jumlah penggunaan adalah kira-kira 4 peratus lebih tinggi daripada yang dijangkakan. Pengesanan main semula berbantukan AI menunjukkan bahawa beberapa jam telah direkodkan dua kali dalam penyambungan semula komunikasi. Selepas membersihkan 68 rekod ulangan, jumlah itu sepadan dengan bil.
Kes 3 — Sifar palsu. Satu meter melaporkan penggunaan sebagai "0" semasa kehilangan komunikasi; Walau bagaimanapun, penggunaan berterusan. Sifar palsu ini menurunkan purata dan mengelirukan ramalan permintaan. AI mencadangkan peraturan "Periksa nilai 0 bersama-sama dengan bendera kehadiran"; sifar palsu telah ditandakan sebagai data tiada dan diasingkan daripada sifar benar (cth., tempat kerja tertutup).
Gesaan Lemah / Gesaan Kuat
Gesaan yang lemah:
Kosongkan data kaunter ini.[data]
Gesaan kuat:
Peranan anda: Penganalisis data tenaga. Data meter berikut adalah untuk selang 15 minit, waktu tempatan (UTC+3), cap masa menunjukkan MULAkan selang, unit kWj.Tugas:1) Senaraikan cap masa yang hilang dan rekod pendua (nombor dan masa).2) Tandakan secara berasingan nilai negatif dan nilai melebihi had atas fizikal (kuasa kontrak 25 kW); jangan padam, tandakan sahaja.3) Tawarkan cek untuk membezakan sifar palsu daripada sifar sebenar yang disyaki salah komunikasi. Jangan isikan sebarang nilai sendiri; Kenal pasti dahulu dan saya akan mengesahkan pengisiannya.
Gesaan berkuasa memberikan resolusi, zon waktu, peraturan teg dan had atas dari mula; Ia mengenakan disiplin "kesan dahulu, tanya kemudian" pada AI. Dengan cara ini data tidak akan rosak secara senyap.
Empat Templat Boleh Disalin
1) Pemprofilan data:
Buat profil data berikut: bilangan baris, julat tarikh, peleraian, anggaran unit dan maksud setiap lajur, kadar tiada, min/maks/purata. Tandakan anggaran unit dengan teg "perlu disahkan".
2) Kawalan paksi masa:
Dalam siri masa ini, kesan: (a) jurang di luar julat yang dijangkakan, (b) cap masa berulang, (c) kemungkinan anjakan disebabkan oleh zon masa/waktu penjimatan siang. Senaraikan setiap penemuan dengan julat masanya. Tulis cadangan pembetulan anda secara berasingan; PERMOHONAN.
3) Peraturan outlier:
Tandakan outlier menggunakan had fizikal ini: kuasa 0-[X] kW, suhu [A]-[B] °C. Juga buat senarai berasingan statistik outliers (mis. menyimpang terlalu jauh dari median). Untuk setiap outlier, timbulkan soalan "kesilapan yang mungkin atau peristiwa sebenar"; Biar saya buat keputusan.
4) Pengesahan selepas pembersihan:
Uji data yang telah dibersihkan dengan sauh fizikal berikut dan laporkan ketidakkonsistenan: pengeluaran solar hendaklah sifar pada waktu malam; jumlah tenaga mestilah dalam paras bil yang dijangkakan; Beban malam mestilah lebih rendah daripada puncak siang hari. Tulis lulus/gagal untuk setiap sauh.
Jadual Isu Kualiti Data
masalah
gejala
sauh pengesahan
Peralihan zon waktu
Jam atas berada di tempat yang tidak logik
Sejajar dengan matahari terbit/matahari terbenam
Waktu musim panas (DST)
23/25 jam hari
Kira panjang hari
sifar palsu
0 sekiranya kehilangan komunikasi
Padankan dengan bendera komunikasi
daftar semula
Melebihi jumlah bil
Semak keunikan cap masa
Kekeliruan unit
Kedudukan 60/1000 kali sesat
Sahkan penukaran kW↔kWj
nilai negatif
Penggunaan negatif apabila tiada pengeluaran
Peraturan tanda fizikal
Kesilapan biasa
- Mengisi data yang hilang dengan sifar secara senyap. Sifar bermaksud "tiada penggunaan", bukan "tiada data"; mencampurkan kedua-dua memutarbelitkan purata dan ramalan.
- Padam outlier secara automatik. Outlier mungkin peristiwa sebenar; Semakan jurutera diperlukan sebelum pemadaman.
- Dengan mengandaikan zon waktu. Mengatakan "mungkin tempatan" adalah salah satu kesilapan yang paling mahal; Sentiasa sahkan daripada sumber.
- Mengumpul keterlarutan dengan mencampurkan. Menambah nilai kuasa (kW) sebagai tenaga (kWj) memberikan jumlah yang salah.
- Tidak mengesahkan kebersihan. Data yang dibersihkan mungkin juga rosak; Pastikan anda mengujinya dengan sauh fizikal.
Petua: Tulis setiap langkah pembersihan data dalam "log data": bilangan rekod yang ditanda, bilangan yang diisi, peraturan yang digunakan. Log ini memastikan kebolehulangan dan kebolehaudit; setahun kemudian "dari mana datangnya nombor ini?" menjawab soalan.
Secara ringkasnya
Asas analisis tenaga ialah siri masa bersih. Data datang daripada SCADA, meter, meteorologi dan pasaran; masing-masing mempunyai peleraian, unit, zon waktu dan perangkap masa penjimatan siang. AI sangat berkuasa dalam mempercepatkan pengesanan hilang/pendua/luar, tetapi keputusan pemadaman dan pengisian harus kekal dengan jurutera, dan hasilnya harus disahkan dengan sauh fizikal. Tiada analisis boleh dipercayai tanpa pemahaman yang betul tentang cap waktu.
Tugasan permohonan
Ambil siri masa tenaga (meter, pengeluaran atau suhu) di tangan anda. Minta laporan berkualiti daripada AI menggunakan templat "Audit garis masa" dan "Pemprofilan data". Kemudian sahkan tiga perkara secara manual: adakah unit dan resolusi betul, adakah jam puncak munasabah secara fizikal, adakah jumlah tenaga konsisten dengan bil? Terangkan secara ringkas isu kualiti data yang anda temui dan cara anda membetulkannya.
senarai semak
- [ ] Saya telah mengesahkan sumber, resolusi dan unit data
- [ ] Saya menjelaskan zon waktu dan peraturan label cap waktu (permulaan/akhir)
- [ ] Saya menyemak risiko 23/25 jam hari kerana waktu musim panas
- [ ] Saya mengesan kehilangan dan menduplikasi rekod dan melaporkannya
- [ ] Saya meneliti bahagian luar dengan membezakan "kesilapan atau peristiwa"
- [ ] Saya membezakan sifar palsu daripada sifar sebenar
- [ ] Saya mengesahkan data yang dibersihkan dengan sauh fizikal dan menyimpan log data