ਲਾਭ:
- SCADA, ਸਮਾਰਟ ਮੀਟਰਾਂ ਅਤੇ ਮਾਰਕੀਟ ਡੇਟਾ ਦੇ ਢਾਂਚੇ, ਇਕਾਈਆਂ ਅਤੇ ਖਾਸ ਗੁਣਵੱਤਾ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਪਛਾਣਨ ਦੀ ਸਮਰੱਥਾ
- ਨਕਲੀ ਬੁੱਧੀ ਨਾਲ ਗੁੰਮ ਹੋਏ ਡੇਟਾ, ਆਊਟਲੀਅਰਾਂ ਅਤੇ ਟਾਈਮਸਟੈਂਪ ਸਮੱਸਿਆਵਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣ ਅਤੇ ਇੱਕ ਸਫਾਈ ਵਰਕਫਲੋ ਸਥਾਪਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- AI ਆਉਟਪੁੱਟ ਵਿੱਚ ਊਰਜਾ ਸਮਾਂ ਲੜੀ ਵਿੱਚ ਰੈਜ਼ੋਲਿਊਸ਼ਨ, ਟਾਈਮ ਜ਼ੋਨ ਅਤੇ ਡੇਲਾਈਟ ਸੇਵਿੰਗ ਟਾਈਮ ਵਰਗੇ ਜਾਲਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
ਲਗਭਗ ਸਾਰੇ ਊਰਜਾ ਵਿਸ਼ਲੇਸ਼ਣ ਇੱਕ ਸਮਾਂ ਲੜੀ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦੇ ਹਨ: ਸਮੇਂ ਦੇ ਧੁਰੇ ਦੇ ਨਾਲ ਵਿਵਸਥਿਤ ਮਾਪ। ਇੱਕ ਮੀਟਰ ਦੀ 15-ਮਿੰਟ ਦੀ ਖਪਤ, ਇੱਕ ਟਰਬਾਈਨ ਦੀ ਦੂਜੀ ਰੋਟੇਸ਼ਨ ਸਪੀਡ, ਇੱਕ ਫੀਡਰ ਦਾ ਘੰਟਾਵਾਰ ਕਰੰਟ (ਇੱਕ ਵੰਡ ਲਾਈਨ) - ਇਹ ਸਭ ਸਮਾਂ ਲੜੀ ਹਨ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਅਸੀਂ ਇਹ ਸਿੱਖਾਂਗੇ ਕਿ ਊਰਜਾ ਡੇਟਾ ਕਿੱਥੋਂ ਆਉਂਦਾ ਹੈ, ਇਸ ਵਿੱਚ ਕੀ ਕਮੀਆਂ ਹਨ, ਅਤੇ ਇਸ ਡੇਟਾ ਨੂੰ ਭਰੋਸੇਯੋਗ ਬਣਾਉਣ ਲਈ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਨੀ ਹੈ। ਆਓ ਇਸ ਸਿਧਾਂਤ ਨੂੰ ਸ਼ੁਰੂ ਤੋਂ ਸਥਾਪਿਤ ਕਰੀਏ: ਗੰਦੇ ਡੇਟਾ ਦੇ ਨਾਲ ਸਭ ਤੋਂ ਚੁਸਤ ਵਿਸ਼ਲੇਸ਼ਣ ਵੀ ਇੱਕ ਗੰਦਾ ਨਤੀਜਾ ਦਿੰਦਾ ਹੈ। ਊਰਜਾ ਇੰਜਨੀਅਰਿੰਗ ਵਿੱਚ, ਜ਼ਿਆਦਾਤਰ ਸਮਾਂ ਮਾਡਲ ਉੱਤੇ ਨਹੀਂ, ਸਗੋਂ ਡੇਟਾ ਨੂੰ ਭਰੋਸੇਯੋਗ ਬਣਾਉਣ ਵਿੱਚ ਖਰਚਿਆ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਨਕਲੀ ਬੁੱਧੀ ਇਸ ਹਿੱਸੇ ਵਿੱਚ ਸਭ ਤੋਂ ਸੁਰੱਖਿਅਤ ਯੋਗਦਾਨ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ।
ਊਰਜਾ ਡੇਟਾ ਦੇ ਸਰੋਤ ਅਤੇ ਢਾਂਚਾ
ਊਰਜਾ ਡੇਟਾ ਮੁੱਖ ਤੌਰ 'ਤੇ ਕਈ ਸਰੋਤਾਂ ਤੋਂ ਆਉਂਦਾ ਹੈ। SCADA (ਨਿਗਰਾਨੀ ਨਿਯੰਤਰਣ ਅਤੇ ਡਾਟਾ ਪ੍ਰਾਪਤੀ ਪ੍ਰਣਾਲੀ) ਸਵਿੱਚਬੋਰਡ ਅਤੇ ਗਰਿੱਡ ਉਪਕਰਣਾਂ ਤੋਂ ਤੁਰੰਤ ਮਾਪ ਇਕੱਤਰ ਕਰਦਾ ਹੈ; ਇਹ ਆਮ ਤੌਰ 'ਤੇ ਸਕਿੰਟਾਂ ਜਾਂ ਮਿੰਟਾਂ ਦੇ ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਵਿੱਚ ਹੁੰਦਾ ਹੈ ਅਤੇ ਇਸ ਵਿੱਚ ਵੋਲਟੇਜ, ਕਰੰਟ, ਪਾਵਰ ਅਤੇ ਤਾਪਮਾਨ ਵਰਗੀਆਂ ਮਾਤਰਾਵਾਂ ਸ਼ਾਮਲ ਹੁੰਦੀਆਂ ਹਨ। ਸਮਾਰਟ ਮੀਟਰ ਡਾਟਾ ਆਮ ਤੌਰ 'ਤੇ 15-ਮਿੰਟ ਦੇ ਅੰਤਰਾਲਾਂ 'ਤੇ ਖਪਤ ਨੂੰ ਮਾਪਦਾ ਹੈ ਅਤੇ ਬਿਲਿੰਗ ਅਤੇ ਮੰਗ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਆਧਾਰ ਹੈ। ਮੌਸਮ ਵਿਗਿਆਨ ਡੇਟਾ (ਤਾਪਮਾਨ, irradiance, ਹਵਾ ਦੀ ਗਤੀ) ਉਤਪਾਦਨ ਅਤੇ ਮੰਗ ਪੂਰਵ ਅਨੁਮਾਨ ਦਾ ਇੰਪੁੱਟ ਹੈ। ਮਾਰਕੀਟ ਡੇਟਾ (ਘੰਟੇ ਦੀਆਂ ਕੀਮਤਾਂ) ਆਰਥਿਕ ਵਿਸ਼ਲੇਸ਼ਣ ਦਾ ਇੰਪੁੱਟ ਹੈ।
ਇਹਨਾਂ ਡੇਟਾ ਦੀ ਆਮ ਵਿਸ਼ੇਸ਼ਤਾ ਇਹ ਹੈ ਕਿ ਉਹਨਾਂ ਵਿੱਚ ਇੱਕ ਟਾਈਮਸਟੈਂਪ (ਤਾਰੀਖ-ਸਮਾਂ ਟੈਗ ਜਿਸ ਨਾਲ ਹਰੇਕ ਮਾਪ ਨਾਲ ਸਬੰਧਤ ਹੈ) ਅਤੇ ਇੱਕ ਜਾਂ ਇੱਕ ਤੋਂ ਵੱਧ ਮਾਪ ਮੁੱਲ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ। ਇਹ ਸਭ ਤੋਂ ਨਾਜ਼ੁਕ ਬਿੰਦੂ ਹੈ: ਜੇਕਰ ਟਾਈਮਸਟੈਂਪ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਨਹੀਂ ਸਮਝਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਬਾਕੀ ਸਭ ਕੁਝ ਟੁੱਟ ਜਾਂਦਾ ਹੈ।
ਰੈਜ਼ੋਲਿਊਸ਼ਨ, ਟਾਈਮ ਜ਼ੋਨ ਅਤੇ ਡੇਲਾਈਟ ਸੇਵਿੰਗ ਟਾਈਮ ਟ੍ਰੈਪਸ
ਊਰਜਾ ਡੇਟਾ ਵਿੱਚ ਤਰੁੱਟੀਆਂ ਦਾ ਇੱਕ ਹੈਰਾਨੀਜਨਕ ਵੱਡਾ ਹਿੱਸਾ ਸਮਾਂ ਧੁਰੇ ਤੋਂ ਆਉਂਦਾ ਹੈ। ਆਓ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਤਿੰਨ ਜਾਲਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰੀਏ।
ਹੱਲ ਉਲਝਣ. ਕੀ ਇੱਕ ਮੀਟਰ 15-ਮਿੰਟ ਊਰਜਾ (kWh) ਜਾਂ ਤਤਕਾਲ ਪਾਵਰ (kW) ਦੀ ਰਿਪੋਰਟ ਕਰਦਾ ਹੈ? ਉਹਨਾਂ ਨੂੰ ਜੋੜਨਾ ਵੱਖ-ਵੱਖ ਨਤੀਜੇ ਦਿੰਦਾ ਹੈ: 15 ਮਿੰਟਾਂ ਲਈ ਚਾਰ kW ਮੁੱਲਾਂ ਦੀ ਔਸਤ ਸ਼ਕਤੀ ਹੈ, ਜਦੋਂ ਕਿ ਚਾਰ ਦਾ ਜੋੜ ਘੰਟਾਵਾਰ ਊਰਜਾ ਨਾਲ ਮੇਲ ਨਹੀਂ ਖਾਂਦਾ (ਤਿਮਾਹੀ-ਘੰਟੇ ਦੀਆਂ ਊਰਜਾਵਾਂ ਦਾ ਜੋੜ ਲੋੜੀਂਦਾ ਹੈ)। ਇਕਾਈ ਅਤੇ ਰੈਜ਼ੋਲੂਸ਼ਨ ਨੂੰ ਇਕੱਠੇ ਸਮਝੇ ਬਿਨਾਂ ਕੋਈ ਵੀ ਸਮਾਲਨ ਨਹੀਂ ਬਣਾਇਆ ਜਾ ਸਕਦਾ।
ਸਮਾਂ ਖੇਤਰ। ਕੀ ਡੇਟਾ ਸਥਾਨਕ ਸਮੇਂ (Türkiye ਲਈ TRT/UTC+3) ਜਾਂ ਯੂਨੀਵਰਸਲ ਟਾਈਮ (UTC) ਵਿੱਚ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ? ਵੱਖ-ਵੱਖ ਪ੍ਰਣਾਲੀਆਂ ਤੋਂ ਆਉਣ ਵਾਲੀਆਂ ਦੋ ਲੜੀਵਾਂ ਵੱਖ-ਵੱਖ ਸਮਾਂ ਖੇਤਰਾਂ ਵਿੱਚ ਹੋ ਸਕਦੀਆਂ ਹਨ; ਜੋੜਨ ਵੇਲੇ ਤਿੰਨ-ਘੰਟੇ ਦੀ ਸ਼ਿਫਟ ਪੂਰੇ ਪੀਕ ਘੰਟੇ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਵਿਘਨ ਪਾਉਂਦੀ ਹੈ।
ਡੇਲਾਈਟ ਸੇਵਿੰਗ ਟਾਈਮ (DST)। ਉਨ੍ਹਾਂ ਦੇਸ਼ਾਂ ਵਿੱਚ ਜੋ ਡੇਲਾਈਟ ਸੇਵਿੰਗ ਟਾਈਮ ਵਿੱਚ ਬਦਲਦੇ ਹਨ, ਇੱਕ ਘੰਟਾ ਸਾਲ ਵਿੱਚ ਇੱਕ ਵਾਰ "ਗਾਇਬ" ਹੋ ਜਾਂਦਾ ਹੈ ਅਤੇ ਸਾਲ ਵਿੱਚ ਇੱਕ ਵਾਰ "ਦੁਹਰਾਉਂਦਾ ਹੈ"। ਇਹ ਉਹਨਾਂ ਦਿਨਾਂ 'ਤੇ 23 ਜਾਂ 25 ਘੰਟੇ ਦੇ ਦਿਨ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ ਘੰਟਾਵਾਰ ਪ੍ਰੋਫਾਈਲਾਂ ਨੂੰ ਤੋੜਦਾ ਹੈ। ਕਿਉਂਕਿ Türkiye ਨੇ 2016 ਤੋਂ ਸਥਾਈ ਡੇਲਾਈਟ ਸੇਵਿੰਗ ਟਾਈਮ (UTC+3) ਨੂੰ ਲਾਗੂ ਕੀਤਾ ਹੈ, ਇਹ ਸਮੱਸਿਆ ਸਥਾਨਕ ਡੇਟਾ 'ਤੇ ਦਿਖਾਈ ਨਹੀਂ ਦਿੰਦੀ ਹੈ, ਪਰ ਤੁਹਾਨੂੰ ਅੰਤਰਰਾਸ਼ਟਰੀ ਜਾਂ ਪੁਰਾਣੇ ਡੇਟਾ ਨਾਲ ਕੰਮ ਕਰਦੇ ਸਮੇਂ ਇਸਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ।
ਨੋਟਿਸ: ਕੀ ਟਾਈਮਸਟੈਂਪ ਲਈ ਲੇਬਲ "ਰੇਂਜ ਦੀ ਸ਼ੁਰੂਆਤ" ਜਾਂ "ਰੇਂਜ ਦਾ ਅੰਤ" ਹੈ? ਕੀ 14:00 ਲੇਬਲ ਵਾਲਾ ਰਿਕਾਰਡ 14:00-14:15 ਜਾਂ 13:45-14:00 ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ? ਇਹ ਇੱਕਲਾ ਫੈਸਲਾ ਪੀਕ ਕਲਾਕ ਨੂੰ ਇੱਕ ਟੁਕੜਾ ਦੁਆਰਾ ਬਦਲ ਸਕਦਾ ਹੈ। ਹਰੇਕ ਡੇਟਾ ਸੈੱਟ ਲਈ ਸ਼ੁਰੂ ਵਿੱਚ ਇਸ ਨਿਯਮ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰੋ।
ਕਦਮ-ਦਰ-ਕਦਮ: ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੇ ਨਾਲ ਡਾਟਾ ਤਿਆਰੀ ਵਰਕਫਲੋ
ਕਦਮ 1 - ਖੋਜ। ਡੇਟਾ ਜਾਣੋ: ਕਿੰਨੀਆਂ ਕਤਾਰਾਂ, ਕਿਹੜੀ ਰੇਂਜ, ਕਿਹੜੀ ਰੈਜ਼ੋਲਿਊਸ਼ਨ, ਕਿਹੜੀ ਇਕਾਈ? AI ਨੂੰ ਪਹਿਲੀਆਂ ਕੁਝ ਸੌ ਕਤਾਰਾਂ ਦੇਣਾ ਅਤੇ ਢਾਂਚੇ ਦਾ ਸੰਖੇਪ ਕਰਨਾ ਕਾਲਮ ਦੇ ਅਰਥਾਂ ਅਤੇ ਸੰਭਾਵਿਤ ਇਕਾਈਆਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਪ੍ਰਗਟ ਕਰਦਾ ਹੈ। ਪਰ AI ਦੀ ਇਕਾਈ ਦਾ ਅੰਦਾਜ਼ਾ ਇੱਕ ਪਰਿਕਲਪਨਾ ਹੈ; ਸਰੋਤ ਦਸਤਾਵੇਜ਼ ਤੋਂ ਇਸਦੀ ਪੁਸ਼ਟੀ ਹੁੰਦੀ ਹੈ।
ਕਦਮ 2 - ਟਾਈਮਲਾਈਨ ਨੂੰ ਮਿਆਰੀ ਬਣਾਓ। ਇੱਕ ਸਿੰਗਲ ਟਾਈਮ ਜ਼ੋਨ 'ਤੇ ਸਨੈਪ ਕਰੋ, ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਫਿਕਸ ਕਰੋ, ਟੈਗ ਨਿਯਮ ਨਿਰਧਾਰਤ ਕਰੋ (ਸ਼ੁਰੂ/ਅੰਤ)। AI ਕੋਡ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਅਨਿਯਮਿਤ ਅੰਤਰਾਲਾਂ ਅਤੇ ਗੁੰਮ ਹੋਏ ਟਾਈਮਸਟੈਂਪਾਂ ਦਾ ਪਤਾ ਲਗਾਉਂਦਾ ਹੈ।
ਕਦਮ 3 - ਅਧੂਰੇ ਅਤੇ ਡੁਪਲੀਕੇਟ ਰਿਕਾਰਡ। ਸੰਚਾਰ ਟੁੱਟਣ ਨਾਲ ਖਾਲੀਪਨ ਅਤੇ ਦੋਹਰਾ ਰਿਕਾਰਡਿੰਗ ਦੁਬਾਰਾ ਪੈਦਾ ਹੁੰਦੀ ਹੈ। AI ਨਿਯਮਾਂ ਦਾ ਇੱਕ ਸਮੂਹ ਤਿਆਰ ਕਰਦਾ ਹੈ ਜੋ ਫਲੈਗ ਗੈਪਸ ਅਤੇ ਡੁਪਲੀਕੇਸ਼ਨ ਕਰਦਾ ਹੈ; ਛੋਟੇ ਅੰਤਰਾਲ (ਜਿਵੇਂ ਕਿ ਇੱਕ 15 ਮਿੰਟ) ਨੂੰ ਇੱਕ ਢੁਕਵੀਂ ਵਿਧੀ ਦੁਆਰਾ ਭਰਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਲੰਬੇ ਅੰਤਰਾਲਾਂ ਨੂੰ ਵਿਸ਼ਲੇਸ਼ਣ ਤੋਂ ਬਾਹਰ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਰਿਪੋਰਟ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
ਕਦਮ 4 - ਆਊਟਲੀਅਰਸ। ਨਕਾਰਾਤਮਕ ਖਪਤ (ਕੋਈ ਉਤਪਾਦਨ ਨਹੀਂ), ਭੌਤਿਕ ਉਪਰਲੀ ਸੀਮਾ ਤੋਂ ਵੱਧ ਸ਼ਕਤੀ, ਅਚਾਨਕ ਛਾਲ। AI ਅੰਕੜਾ ਅਤੇ ਨਿਯਮ-ਅਧਾਰਿਤ ਆਊਟਲੀਅਰ ਖੋਜ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ; ਪਰ ਇੱਕ ਆਊਟਲੀਅਰ ਹਮੇਸ਼ਾ ਇੱਕ ਗਲਤੀ ਨਹੀਂ ਹੁੰਦਾ — ਇਹ ਇੱਕ ਅਸਲੀ ਘਟਨਾ ਵੀ ਹੋ ਸਕਦੀ ਹੈ (ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਫੈਕਟਰੀ ਔਨਲਾਈਨ ਜਾ ਰਹੀ ਹੈ)। ਇੰਜੀਨੀਅਰ ਇਹ ਅੰਤਰ ਬਣਾਉਂਦਾ ਹੈ।
ਕਦਮ 5 - ਪੁਸ਼ਟੀਕਰਨ। ਸਾਫ਼ ਕੀਤੇ ਡੇਟਾ ਦੀ ਜਾਂਚ ਭੌਤਿਕ ਐਂਕਰਾਂ ਨਾਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ: ਸੂਰਜ ਚੜ੍ਹਨ/ਸੂਰਜ ਡੁੱਬਣ ਲਈ ਸੂਰਜੀ ਉਤਪਾਦਨ ਨੂੰ ਰੀਸੈਟ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਰਾਤ ਦਾ ਭਾਰ ਦਿਨ ਦੇ ਸਮੇਂ ਨਾਲੋਂ ਘੱਟ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ, ਕੁੱਲ ਊਰਜਾ ਬਿਲ ਦੇ ਨਾਲ ਇਕਸਾਰ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ।
ਤਿੰਨ ਮਿੰਨੀ ਕੇਸ: ਨੰਬਰ ਦੁਆਰਾ
ਕੇਸ 1 - ਇੱਕ ਘੰਟੇ ਦੀ ਸਲਿੱਪ। ਇੱਕ ਵਿਸ਼ਲੇਸ਼ਕ ਦੇ ਸੂਰਜੀ ਉਤਪਾਦਨ ਦੇ ਅੰਕੜਿਆਂ ਨੇ ਦੁਪਹਿਰ ਦੇ ਸਿਖਰ ਨੂੰ 13:00 ਦੀ ਬਜਾਏ 14:00 ਵਜੇ ਦਿਖਾਇਆ। ਸਮੱਸਿਆ ਪੈਨਲ ਦੇ ਨਾਲ ਨਹੀਂ ਸੀ; ਡੇਟਾ UTC ਸੀ ਪਰ ਇਸਨੂੰ ਸਥਾਨਕ ਸਮਾਂ ਮੰਨਿਆ ਜਾਂਦਾ ਸੀ। ਜਦੋਂ ਤਿੰਨ-ਘੰਟੇ ਦੀ ਸ਼ਿਫਟ ਨੂੰ ਦੇਖਿਆ ਗਿਆ (ਸੂਰਜ ਚੜ੍ਹਨ ਤੋਂ ਪਹਿਲਾਂ ਉਤਪਾਦਨ ਦੀ ਦਿੱਖ ਨੇ ਲੰਗਰ ਛੱਡ ਦਿੱਤਾ) ਪੂਰੇ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਸੁਧਾਰ ਹੋਇਆ; ਗਲਤ ਵਿਆਖਿਆ ਦੇ ਆਧਾਰ 'ਤੇ ਨਿਵੇਸ਼ ਦੇ ਫੈਸਲਿਆਂ ਨੂੰ ਰੋਕਿਆ ਗਿਆ।
ਕੇਸ 2 — ਡੁਪਲੀਕੇਟ ਰਿਕਾਰਡਿੰਗ। ਇੱਕ ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ ਫੀਡਰ ਦੇ 30-ਦਿਨ ਘੰਟਾਵਾਰ ਡੇਟਾ ਵਿੱਚ, ਕੁੱਲ ਖਪਤ ਉਮੀਦ ਨਾਲੋਂ ਲਗਭਗ 4 ਪ੍ਰਤੀਸ਼ਤ ਵੱਧ ਸੀ। AI-ਸਹਾਇਤਾ ਵਾਲੇ ਰੀਪਲੇਅ ਖੋਜ ਨੇ ਦਿਖਾਇਆ ਕਿ ਸੰਚਾਰ ਪੁਨਰ-ਕਨੈਕਸ਼ਨਾਂ ਵਿੱਚ ਕੁਝ ਘੰਟੇ ਦੋ ਵਾਰ ਰਿਕਾਰਡ ਕੀਤੇ ਗਏ ਸਨ। 68 ਦੁਹਰਾਉਣ ਵਾਲੇ ਰਿਕਾਰਡਾਂ ਨੂੰ ਕਲੀਅਰ ਕਰਨ ਤੋਂ ਬਾਅਦ ਕੁੱਲ ਮਿਲਾ ਕੇ ਬਿੱਲ ਮਿਲ ਗਿਆ।
ਕੇਸ 3 — ਗਲਤ ਜ਼ੀਰੋ। ਸੰਚਾਰ ਦੇ ਨੁਕਸਾਨ ਦੇ ਦੌਰਾਨ ਇੱਕ ਮੀਟਰ ਖਪਤ ਨੂੰ "0" ਵਜੋਂ ਰਿਪੋਰਟ ਕਰ ਰਿਹਾ ਸੀ; ਹਾਲਾਂਕਿ, ਖਪਤ ਜਾਰੀ ਰਹੀ। ਇਹਨਾਂ ਝੂਠੇ ਜ਼ੀਰੋ ਨੇ ਔਸਤ ਨੂੰ ਘਟਾ ਦਿੱਤਾ ਅਤੇ ਮੰਗ ਪੂਰਵ ਅਨੁਮਾਨ ਨੂੰ ਗੁੰਮਰਾਹ ਕੀਤਾ। AI ਨੇ ਨਿਯਮ ਦਾ ਸੁਝਾਅ ਦਿੱਤਾ "ਮੌਜੂਦਗੀ ਫਲੈਗ ਦੇ ਨਾਲ ਮਿਲ ਕੇ 0 ਮੁੱਲਾਂ ਦੀ ਜਾਂਚ ਕਰੋ"; ਝੂਠੇ ਜ਼ੀਰੋ ਨੂੰ ਗੁੰਮ ਹੋਏ ਡੇਟਾ ਵਜੋਂ ਚਿੰਨ੍ਹਿਤ ਕੀਤਾ ਗਿਆ ਸੀ ਅਤੇ ਸਹੀ ਜ਼ੀਰੋ ਤੋਂ ਵੱਖ ਕੀਤਾ ਗਿਆ ਸੀ (ਉਦਾਹਰਨ ਲਈ, ਬੰਦ ਕੰਮ ਵਾਲੀ ਥਾਂ)।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਇਸ ਕਾਊਂਟਰ ਡੇਟਾ ਨੂੰ ਸਾਫ਼ ਕਰੋ।[data]
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਊਰਜਾ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਕ। ਨਿਮਨਲਿਖਤ ਮੀਟਰ ਡੇਟਾ 15 ਮਿੰਟਾਂ ਦੇ ਅੰਤਰਾਲਾਂ, ਸਥਾਨਕ ਸਮਾਂ (UTC+3) ਲਈ ਹੈ, ਟਾਈਮਸਟੈਂਪ ਅੰਤਰਾਲ ਦੀ ਸ਼ੁਰੂਆਤ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਇਕਾਈ kWh। ਕਾਰਜ:1) ਗੁੰਮ ਹੋਏ ਟਾਈਮਸਟੈਂਪਾਂ ਅਤੇ ਡੁਪਲੀਕੇਟ ਰਿਕਾਰਡਾਂ (ਨੰਬਰ ਅਤੇ ਸਮਾਂ) ਦੀ ਸੂਚੀ ਬਣਾਓ। 2) ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਨਕਾਰਾਤਮਕ ਮੁੱਲ ਅਤੇ ਭੌਤਿਕ ਉੱਚ ਸੀਮਾ ਤੋਂ ਵੱਧ ਮੁੱਲ (ਕੰਟਰੈਕਟ ਪਾਵਰ 25 kWh); ਨਾ ਮਿਟਾਓ, ਸਿਰਫ਼ ਨਿਸ਼ਾਨ ਲਗਾਓ। 3) ਝੂਠੇ ਜ਼ੀਰੋ ਨੂੰ ਅਸਲ ਜ਼ੀਰੋ ਤੋਂ ਵੱਖ ਕਰਨ ਲਈ ਇੱਕ ਜਾਂਚ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰੋ ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਗਲਤ ਸੰਚਾਰ ਹੋਣ ਦਾ ਸ਼ੱਕ ਹੈ। ਆਪਣੇ ਵੱਲੋਂ ਕੋਈ ਵੀ ਮੁੱਲ ਨਾ ਭਰੋ; ਪਹਿਲਾਂ ਇਸਨੂੰ ਪਛਾਣੋ ਅਤੇ ਮੈਂ ਭਰਨ ਦੀ ਪੁਸ਼ਟੀ ਕਰਾਂਗਾ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰੋਂਪਟ ਸ਼ੁਰੂ ਤੋਂ ਰੈਜ਼ੋਲਿਊਸ਼ਨ, ਸਮਾਂ ਖੇਤਰ, ਟੈਗ ਨਿਯਮ ਅਤੇ ਉਪਰਲੀ ਸੀਮਾ ਦਿੰਦਾ ਹੈ; ਇਹ AI 'ਤੇ "ਪਹਿਲਾਂ ਪਤਾ ਲਗਾਓ, ਬਾਅਦ ਵਿੱਚ ਪੁੱਛੋ" ਅਨੁਸ਼ਾਸਨ ਲਾਗੂ ਕਰਦਾ ਹੈ। ਇਸ ਤਰ੍ਹਾਂ ਡਾਟਾ ਚੁੱਪ-ਚਾਪ ਕਰੱਪਟ ਨਹੀਂ ਹੋਵੇਗਾ।
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਨਮੂਨੇ
1) ਡੇਟਾ ਪ੍ਰੋਫਾਈਲਿੰਗ:
ਹੇਠਾਂ ਦਿੱਤੇ ਡੇਟਾ ਦਾ ਇੱਕ ਪ੍ਰੋਫਾਈਲ ਬਣਾਓ: ਕਤਾਰਾਂ ਦੀ ਸੰਖਿਆ, ਮਿਤੀ ਰੇਂਜ, ਰੈਜ਼ੋਲਿਊਸ਼ਨ, ਅਨੁਮਾਨਿਤ ਇਕਾਈ ਅਤੇ ਹਰੇਕ ਕਾਲਮ ਦਾ ਅਰਥ, ਗੁੰਮ ਦਰ, ਘੱਟੋ-ਘੱਟ/ਵੱਧ/ਔਸਤ। "ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਲੋੜ ਹੈ" ਟੈਗ ਨਾਲ ਇਕਾਈ ਅਨੁਮਾਨਾਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰੋ।
2) ਸਮਾਂ ਧੁਰਾ ਨਿਯੰਤਰਣ:
ਇਸ ਸਮਾਂ ਲੜੀ ਵਿੱਚ, ਪਤਾ ਲਗਾਓ: (ਏ) ਸੰਭਾਵਿਤ ਸੀਮਾ ਤੋਂ ਬਾਹਰ ਦਾ ਪਾੜਾ, (ਬੀ) ਟਾਈਮਸਟੈਂਪਾਂ ਨੂੰ ਦੁਹਰਾਉਣਾ, (ਸੀ) ਡੇਲਾਈਟ ਸੇਵਿੰਗ ਟਾਈਮ/ਟਾਈਮ ਜ਼ੋਨ ਦੇ ਕਾਰਨ ਸੰਭਵ ਸ਼ਿਫਟਾਂ। ਹਰੇਕ ਖੋਜ ਨੂੰ ਇਸਦੀ ਸਮਾਂ ਸੀਮਾ ਨਾਲ ਸੂਚੀਬੱਧ ਕਰੋ। ਆਪਣਾ ਸੁਧਾਰ ਸੁਝਾਅ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਲਿਖੋ; ਐਪਲੀਕੇਸ਼ਨ।
3) ਬਾਹਰੀ ਨਿਯਮ:
ਇਹਨਾਂ ਭੌਤਿਕ ਸੀਮਾਵਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਆਊਟਲੀਅਰਸ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰੋ: ਪਾਵਰ 0-[X] kW, ਤਾਪਮਾਨ [A]-[B] °C। ਅੰਕੜਿਆਂ ਦੇ ਬਾਹਰਲੇ ਹਿੱਸੇ ਦੀ ਇੱਕ ਵੱਖਰੀ ਸੂਚੀ ਵੀ ਬਣਾਓ (ਉਦਾਹਰਣ ਵਜੋਂ ਮੱਧ ਤੋਂ ਬਹੁਤ ਦੂਰ ਭਟਕਣਾ)। ਹਰੇਕ ਆਊਟਲੀਅਰ ਲਈ, "ਸੰਭਾਵੀ ਗਲਤੀ ਜਾਂ ਅਸਲ ਘਟਨਾ" ਦਾ ਸਵਾਲ ਉਠਾਓ; ਮੈਨੂੰ ਫੈਸਲਾ ਕਰਨ ਦਿਓ.
4) ਸਫਾਈ ਦੇ ਬਾਅਦ ਤਸਦੀਕ:
ਹੇਠਾਂ ਦਿੱਤੇ ਭੌਤਿਕ ਐਂਕਰਾਂ ਨਾਲ ਸਾਫ਼ ਕੀਤੇ ਡੇਟਾ ਦੀ ਜਾਂਚ ਕਰੋ ਅਤੇ ਅਸੰਗਤੀਆਂ ਦੀ ਰਿਪੋਰਟ ਕਰੋ: ਸੂਰਜੀ ਉਤਪਾਦਨ ਰਾਤ ਨੂੰ ਜ਼ੀਰੋ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ; ਕੁੱਲ ਊਰਜਾ ਸੰਭਾਵਿਤ ਬਿੱਲ ਪੱਧਰ ਦੇ ਅੰਦਰ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ; ਰਾਤ ਦਾ ਭਾਰ ਦਿਨ ਦੇ ਸਿਖਰ ਤੋਂ ਘੱਟ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਹਰੇਕ ਐਂਕਰ ਲਈ ਪਾਸ/ਫੇਲ ਲਿਖੋ।
ਡਾਟਾ ਗੁਣਵੱਤਾ ਮੁੱਦੇ ਸਾਰਣੀ
ਸਮੱਸਿਆ
ਲੱਛਣ
ਪੁਸ਼ਟੀਕਰਨ ਐਂਕਰ
ਸਮਾਂ ਜ਼ੋਨ ਸ਼ਿਫਟ
ਸਿਖਰ ਦੀ ਘੜੀ ਇੱਕ ਤਰਕਹੀਣ ਥਾਂ 'ਤੇ ਹੈ
ਸੂਰਜ ਚੜ੍ਹਨ/ਸੂਰਜ ਦੇ ਨਾਲ ਇਕਸਾਰ ਕਰੋ
ਗਰਮੀ ਦਾ ਸਮਾਂ (DST)
23/25 ਘੰਟੇ ਦਿਨ
ਦਿਨ ਦੀ ਲੰਬਾਈ ਗਿਣੋ
ਨਕਲੀ ਜ਼ੀਰੋ
ਸੰਚਾਰ ਦੇ ਨੁਕਸਾਨ ਦੇ ਮਾਮਲੇ ਵਿੱਚ 0
ਸੰਚਾਰ ਝੰਡੇ ਨਾਲ ਮੇਲ
ਦੁਬਾਰਾ ਰਜਿਸਟਰ ਕਰੋ
ਕੁੱਲ ਬਿੱਲ ਤੋਂ ਉੱਪਰ
ਟਾਈਮਸਟੈਂਪ ਦੀ ਵਿਲੱਖਣਤਾ ਦੀ ਜਾਂਚ ਕਰੋ
ਯੂਨਿਟ ਉਲਝਣ
ਰੈਂਕ 60/1000 ਵਾਰ ਵਿਗੜਿਆ
kW↔kWh ਪਰਿਵਰਤਨ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ
ਨਕਾਰਾਤਮਕ ਮੁੱਲ
ਨਕਾਰਾਤਮਕ ਖਪਤ ਜਦੋਂ ਕੋਈ ਉਤਪਾਦਨ ਨਹੀਂ ਹੁੰਦਾ
ਭੌਤਿਕ ਚਿੰਨ੍ਹ ਨਿਯਮ
ਆਮ ਗਲਤੀਆਂ
- ਚੁੱਪਚਾਪ ਜ਼ੀਰੋ ਨਾਲ ਗੁੰਮ ਹੋਏ ਡੇਟਾ ਨੂੰ ਭਰਨਾ। ਜ਼ੀਰੋ ਦਾ ਮਤਲਬ ਹੈ "ਕੋਈ ਖਪਤ ਨਹੀਂ", "ਕੋਈ ਡਾਟਾ ਨਹੀਂ"; ਦੋਵਾਂ ਨੂੰ ਮਿਲਾਉਣਾ ਔਸਤ ਅਤੇ ਪੂਰਵ ਅਨੁਮਾਨ ਨੂੰ ਵਿਗਾੜਦਾ ਹੈ।
- ਆਊਟਲਾਇਰ ਨੂੰ ਆਟੋਮੈਟਿਕਲੀ ਮਿਟਾਓ। ਇੱਕ ਆਊਟਲਾਇਰ ਇੱਕ ਅਸਲੀ ਘਟਨਾ ਹੋ ਸਕਦੀ ਹੈ; ਮਿਟਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਇੰਜੀਨੀਅਰ ਸਮੀਖਿਆ ਦੀ ਲੋੜ ਹੈ।
- ਸਮਾਂ ਖੇਤਰ ਮੰਨ ਕੇ। ਇਹ ਕਹਿਣਾ ਕਿ "ਇਹ ਸ਼ਾਇਦ ਸਥਾਨਕ ਹੈ" ਸਭ ਤੋਂ ਮਹਿੰਗੀਆਂ ਗਲਤੀਆਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ; ਹਮੇਸ਼ਾ ਸਰੋਤ ਤੋਂ ਪੁਸ਼ਟੀ ਕਰੋ।
- ਮਿਲਾ ਕੇ ਘੁਲਣਸ਼ੀਲਤਾ ਨੂੰ ਇਕੱਠਾ ਕਰਨਾ. ਊਰਜਾ (kWh) ਦੇ ਰੂਪ ਵਿੱਚ ਪਾਵਰ (kW) ਮੁੱਲਾਂ ਨੂੰ ਜੋੜਨਾ ਇੱਕ ਗਲਤ ਕੁੱਲ ਦਿੰਦਾ ਹੈ।
- ਸਫਾਈ ਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕੀਤੀ ਜਾ ਰਹੀ। ਸਾਫ਼ ਕੀਤਾ ਡਾਟਾ ਵੀ ਭ੍ਰਿਸ਼ਟ ਹੋ ਸਕਦਾ ਹੈ; ਇਸ ਨੂੰ ਭੌਤਿਕ ਐਂਕਰਾਂ ਨਾਲ ਟੈਸਟ ਕਰਨਾ ਯਕੀਨੀ ਬਣਾਓ.
ਸੰਕੇਤ: "ਡੇਟਾ ਲੌਗ" ਵਿੱਚ ਡੇਟਾ ਦੀ ਸਫਾਈ ਦੇ ਹਰੇਕ ਪੜਾਅ ਨੂੰ ਲਿਖੋ: ਕਿੰਨੇ ਰਿਕਾਰਡਾਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕੀਤਾ ਗਿਆ ਸੀ, ਕਿੰਨੀ ਆਬਾਦੀ ਕੀਤੀ ਗਈ ਸੀ, ਕਿਹੜਾ ਨਿਯਮ ਵਰਤਿਆ ਗਿਆ ਸੀ। ਇਹ ਲੌਗ ਪੁਨਰ-ਉਤਪਾਦਨ ਅਤੇ ਆਡਿਟਯੋਗਤਾ ਦੋਵਾਂ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ; ਇੱਕ ਸਾਲ ਬਾਅਦ "ਇਹ ਨੰਬਰ ਕਿੱਥੋਂ ਆਇਆ?" ਸਵਾਲ ਦਾ ਜਵਾਬ ਦਿੰਦਾ ਹੈ।
ਸਾਰੰਸ਼ ਵਿੱਚ
ਊਰਜਾ ਵਿਸ਼ਲੇਸ਼ਣ ਦਾ ਆਧਾਰ ਇੱਕ ਸਾਫ਼ ਸਮਾਂ ਲੜੀ ਹੈ। ਡਾਟਾ SCADA, ਮੀਟਰ, ਮੌਸਮ ਵਿਗਿਆਨ ਅਤੇ ਮਾਰਕੀਟ ਤੋਂ ਆਉਂਦਾ ਹੈ; ਹਰੇਕ ਕੋਲ ਰੈਜ਼ੋਲਿਊਸ਼ਨ, ਯੂਨਿਟ, ਟਾਈਮ ਜ਼ੋਨ, ਅਤੇ ਡੇਲਾਈਟ ਸੇਵਿੰਗ ਟਾਈਮ ਟਰੈਪ ਹਨ। AI ਗੁੰਮ/ਡੁਪਲੀਕੇਟ/ਆਊਟਲੀਅਰ ਖੋਜ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਵਿੱਚ ਬਹੁਤ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ, ਪਰ ਮਿਟਾਉਣ ਅਤੇ ਭਰਨ ਦੇ ਫੈਸਲੇ ਇੰਜੀਨੀਅਰ ਕੋਲ ਰਹਿਣੇ ਚਾਹੀਦੇ ਹਨ, ਅਤੇ ਨਤੀਜਾ ਭੌਤਿਕ ਐਂਕਰਾਂ ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਟਾਈਮਸਟੈਂਪ ਦੀ ਸਹੀ ਸਮਝ ਤੋਂ ਬਿਨਾਂ ਕੋਈ ਵੀ ਵਿਸ਼ਲੇਸ਼ਣ ਭਰੋਸੇਯੋਗ ਨਹੀਂ ਹੁੰਦਾ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਆਪਣੇ ਹੱਥ ਵਿੱਚ ਇੱਕ ਊਰਜਾ ਸਮਾਂ ਲੜੀ (ਮੀਟਰ, ਉਤਪਾਦਨ ਜਾਂ ਤਾਪਮਾਨ) ਲਓ। “ਟਾਈਮਲਾਈਨ ਆਡਿਟ” ਅਤੇ “ਡੇਟਾ ਪ੍ਰੋਫਾਈਲਿੰਗ” ਟੈਂਪਲੇਟਸ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ AI ਤੋਂ ਗੁਣਵੱਤਾ ਰਿਪੋਰਟ ਦੀ ਬੇਨਤੀ ਕਰੋ। ਫਿਰ ਹੱਥੀਂ ਤਿੰਨ ਚੀਜ਼ਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ: ਕੀ ਇਕਾਈ ਅਤੇ ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਸਹੀ ਹੈ, ਕੀ ਪੀਕ ਕਲਾਕ ਭੌਤਿਕ ਤੌਰ 'ਤੇ ਵਾਜਬ ਹੈ, ਕੀ ਕੁੱਲ ਊਰਜਾ ਬਿੱਲ ਦੇ ਨਾਲ ਇਕਸਾਰ ਹੈ? ਤੁਹਾਨੂੰ ਲੱਭੀ ਗਈ ਡੇਟਾ ਗੁਣਵੱਤਾ ਸਮੱਸਿਆ ਦਾ ਸੰਖੇਪ ਵਰਣਨ ਕਰੋ ਅਤੇ ਤੁਸੀਂ ਇਸਨੂੰ ਕਿਵੇਂ ਹੱਲ ਕੀਤਾ ਹੈ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਡੇਟਾ ਦੇ ਸਰੋਤ, ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਅਤੇ ਯੂਨਿਟ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ
- [ ] ਮੈਂ ਸਮਾਂ ਖੇਤਰ ਅਤੇ ਟਾਈਮਸਟੈਂਪ ਲੇਬਲ ਨਿਯਮ (ਸ਼ੁਰੂ/ਅੰਤ) ਨੂੰ ਸਪਸ਼ਟ ਕੀਤਾ ਹੈ
- [ ] ਮੈਂ ਗਰਮੀਆਂ ਦੇ ਸਮੇਂ ਕਾਰਨ 23/25 ਘੰਟੇ ਦੇ ਦਿਨਾਂ ਦੇ ਜੋਖਮ ਦੀ ਜਾਂਚ ਕੀਤੀ
- [ ] ਮੈਂ ਗੁੰਮ ਅਤੇ ਡੁਪਲੀਕੇਟ ਰਿਕਾਰਡਾਂ ਦਾ ਪਤਾ ਲਗਾਇਆ ਅਤੇ ਉਹਨਾਂ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ
- [ ] ਮੈਂ "ਗਲਤੀ ਜਾਂ ਘਟਨਾ" ਦੇ ਅੰਤਰ ਨਾਲ ਬਾਹਰਲੇ ਲੋਕਾਂ ਦੀ ਜਾਂਚ ਕੀਤੀ
- [ ] ਮੈਂ ਝੂਠੇ ਜ਼ੀਰੋ ਨੂੰ ਅਸਲ ਜ਼ੀਰੋ ਤੋਂ ਵੱਖ ਕੀਤਾ ਹੈ
- [ ] ਮੈਂ ਭੌਤਿਕ ਐਂਕਰਾਂ ਨਾਲ ਸਾਫ਼ ਕੀਤੇ ਡੇਟਾ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਅਤੇ ਇੱਕ ਡੇਟਾ ਲੌਗ ਰੱਖਿਆ