Câștiguri:
- Abilitatea de a recunoaște structura, unitățile și problemele tipice de calitate ale SCADA, contoarelor inteligente și a datelor de piață
- Abilitatea de a detecta datele lipsă, valorile aberante și problemele de marcare temporală cu inteligența artificială și de a stabili un flux de lucru de curățare
- Abilitatea de a verifica capcane, cum ar fi rezoluția, fusul orar și ora de vară în serii de timp energetice în ieșirea AI
Aproape toată analiza energetică începe cu o serie temporală: măsurători dispuse de-a lungul axei timpului. Consumul de 15 minute al unui contor, a doua viteză de rotație a unei turbine, curentul orar al unui alimentator (o linie de distribuție) — toate sunt serii cronologice. În această unitate, vom afla de unde provin datele energetice, ce capcane conțin și cum să folosim inteligența artificială pentru a face aceste date fiabile. Să stabilim de la început acest principiu: chiar și cea mai inteligentă analiză cu date murdare dă un rezultat murdar. În ingineria energetică, cea mai mare parte a timpului este cheltuită nu pentru model, ci pentru a fi sigure datele, iar inteligența artificială oferă cea mai sigură contribuție în această parte.
Sursele și structura datelor energetice
Datele energetice provin în principal din mai multe surse. SCADA (sistem de control de supraveghere și achiziție de date) colectează măsurători instantanee de la tabloul de distribuție și echipamentele de rețea; Rezoluția este de obicei în secunde sau minute și include cantități precum tensiunea, curentul, puterea și temperatura. Datele contoarelor inteligente măsoară de obicei consumul la intervale de 15 minute și reprezintă baza pentru facturarea și analiza cererii. Datele meteorologice (temperatură, iradiere, viteza vântului) reprezintă input-ul de prognoză a producției și a cererii. Datele de piață (prețurile orare) reprezintă intrarea analizei economice.
Caracteristica comună a acestor date este că ele conțin un marcaj temporal (etichetă dată-oră căreia îi aparține fiecare măsurătoare) și una sau mai multe valori de măsurare. Acesta este punctul cel mai critic: dacă marca temporală nu este înțeleasă corect, totul se prăbușește.
Capcane pentru rezoluție, fus orar și ora de vară
O parte surprinzător de mare a erorilor din datele energetice provin de la axa timpului. Să evidențiem trei capcane în special.
Confuzie de rezoluție. Un contor raportează energia de 15 minute (kWh) sau puterea instantanee (kW)? Adunarea acestora dă rezultate diferite: media valorilor de patru kW pentru 15 minute este puterea, în timp ce suma celor patru nu corespunde energiei orare (este necesară suma energiilor unui sfert de oră). Nicio însumare nu poate fi făcută fără a înțelege unitatea și rezoluția împreună.
Fus orar. Datele sunt păstrate în ora locală (TRT/UTC+3 pentru Türkiye) sau în ora universală (UTC)? Două serii care provin de la sisteme diferite pot fi în fusuri orare diferite; Schimbarea de trei ore la combinare perturbă întreaga analiză a orelor de vârf.
Ora de vară (DST). În țările care trec la ora de vară, o oră „dispare” o dată pe an și „se repetă” o dată pe an. Acest lucru creează zile de 23 sau 25 de ore în acele zile și întrerupe profilurile orare. Deoarece Türkiye a implementat ora de vară permanentă (UTC+3) din 2016, această problemă nu apare pe datele locale, dar o întâlniți în continuare atunci când lucrați cu date internaționale sau vechi.
Notă: eticheta pentru marcajul temporal este „începutul intervalului” sau „sfârșitul intervalului”? Un disc etichetat 14:00 indică 14:00-14:15 sau 13:45-14:00? Această singură decizie ar putea schimba ceasul de vârf cu o felie. Faceți această regulă clară la început pentru fiecare set de date.
Pas cu pas: Flux de lucru de pregătire a datelor cu inteligență artificială
Pasul 1 – Descoperire. Cunoașteți datele: câte rânduri, ce interval, ce rezoluție, ce unitate? Oferirea AI a primelor câteva sute de rânduri și rezumarea structurii dezvăluie rapid semnificațiile coloanelor și unitățile posibile. Dar estimarea unitară a AI este o ipoteză; Se confirmă din documentul sursă.
Pasul 2 — Standardizați cronologia. Aliniați la un singur fus orar, remediați rezoluția, specificați regula etichetei (început/sfârșit). AI poate genera cod care detectează intervalele neregulate și marcajele de timp lipsă.
Pasul 3 — Înregistrări incomplete și duplicate. Întreruperea comunicării creează din nou gol și dubla înregistrare. AI produce un set de reguli care semnalează lacunele și dublările; golurile scurte (de exemplu, un singur 15 minute) pot fi completate printr-o metodă adecvată, golurile lungi sunt excluse din analiză și raportate.
Pasul 4 – Valori aberante. Consum negativ (fără producție), putere care depășește limita superioară fizică, salturi bruște. AI oferă detectare statistică și bazată pe reguli; Dar o valoare anormală nu este întotdeauna o eroare – poate fi și un eveniment real (de exemplu, o fabrică care se conectează). Inginerul face această distincție.
Pasul 5 — Verificare. Datele curățate sunt testate cu ancore fizice: răsăritul/apusul soarelui trebuie să resetați generarea solară, sarcina de noapte trebuie să fie mai mică decât cea din timpul zilei, energia totală trebuie să fie în concordanță cu factura.
Trei mini carcase: după cifre
Cazul 1 — Derapaj de o oră. Datele de producție solară ale unui analist au arătat vârful la amiază la 14:00, în loc de 13:00. Problema nu era cu panoul; Datele erau UTC, dar se credea că era ora locală. Când s-a observat schimbarea de trei ore (apariția producției înainte de răsăritul soarelui a lăsat ancora ancora) întreaga analiză s-a îmbunătățit; Deciziile de investiții au fost prevenite pe baza interpretării greșite.
Cazul 2 — Înregistrări duplicate. În datele pe oră de 30 de zile ale unui alimentator de distribuție, consumul total a fost cu aproximativ 4% mai mare decât se aștepta. Detectarea reluării asistată de AI a arătat că unele ore au fost înregistrate de două ori în reconexiunile de comunicare. După ștergerea a 68 de înregistrări repetate, totalul a fost egal cu factura.
Cazul 3 – zerouri false. Un contor raporta consumul ca „0” în timpul unei pierderi de comunicare; Cu toate acestea, consumul a continuat. Aceste zerouri false au scăzut media și au indus în eroare prognoza cererii. AI a sugerat regula „Inspectați valorile 0 împreună cu steagul de prezență”; zerourile false au fost marcate ca date lipsă și separate de zerourile adevărate (de exemplu, loc de muncă închis).
Solicitare slabă / Solicitare puternică
Prompt slab:
Ștergeți aceste date de contor.[date]
Solicitare puternică:
Rolul dumneavoastră: analist de date energetice. Următoarele date ale contorului sunt pentru intervale de 15 minute, ora locală (UTC+3), marcajul de timp indică ÎNCEPEREA intervalului, unitatea kWh. Sarcini: 1) Listați marcajele de timp lipsă și înregistrările duplicate (număr și oră).2) Marcați separat valoarea negativă și valorile care depășesc limita fizică superioară (puterea contractului 25 kW); nu ștergeți, doar marcați.3) Oferiți o verificare pentru a distinge zerourile false de zerourile reale care sunt suspectate de comunicare greșită. Nu completați singuri nicio valoare; Identificați-l mai întâi și voi confirma umplerea.
Prompt puternic oferă rezoluție, fus orar, regula etichetei și limita superioară de la început; Impune o disciplină „detecta mai întâi, întreabă mai târziu” AI. În acest fel, datele nu vor fi corupte în tăcere.
Patru șabloane copiabile
1) Profilarea datelor:
Creați un profil cu următoarele date: numărul de rânduri, intervalul de date, rezoluția, unitatea estimată și semnificația fiecărei coloane, rata lipsă, min/max/medie. Marcați estimările unităților cu eticheta „trebuie verificată”.
2) Controlul axei timpului:
În această serie de timp, detectați: (a) goluri în afara intervalului așteptat, (b) repetarea marcajelor de timp, (c) posibile schimbări datorate orei/fusului orar de vară. Enumerați fiecare descoperire cu intervalul său de timp. Scrieți sugestia de corectare separat; APLICARE.
3) Regula outlier:
Marcați valorile aberante folosind aceste limite fizice: putere 0-[X] kW, temperatură [A]-[B] °C. De asemenea, faceți o listă separată de valori aberante statistice (de exemplu, abaterea prea mare de la mediană). Pentru fiecare valori aberante, ridicați întrebarea „posibilă eroare sau eveniment real”; Lasă-mă să decid.
4) Verificare după curățare:
Testați datele curățate cu următoarele ancore fizice și raportați inconsecvențele: producția solară ar trebui să fie zero noaptea; energia totală trebuie să se încadreze în nivelul estimat al facturii; Sarcina de noapte trebuie să fie mai mică decât vârful de zi. Scrieți trecere/eșec pentru fiecare ancoră.
Tabel cu probleme de calitate a datelor
problema
simptom
ancora de verificare
Schimbare de fus orar
Ceasul de sus este într-un loc ilogic
Aliniați-vă cu răsăritul/apusul soarelui
Ora de vară (DST)
23/25 de ore zile
Numărați lungimea zilei
zero fals
0 în cazul pierderii comunicării
Se potrivește cu steag de comunicare
reînregistrați
Peste totalul facturii
Verificați unicitatea marcajului de timp
Confuzie de unitate
Rang de 60/1000 de ori pervertit
Verificați conversia kW↔kWh
valoare negativă
Consum negativ atunci când nu există producție
Regula semnelor fizice
Greșeli comune
- Completarea în tăcere a datelor lipsă cu zero. Zero înseamnă „fără consum”, nu „fără date”; amestecarea celor două distorsionează media și prognoza.
- Ștergeți automat valorile aberante. O valoare anormală poate fi un eveniment real; Este necesară examinarea inginerului înainte de ștergere.
- Presupunând fusul orar. A spune „probabil că este local” este una dintre cele mai scumpe greșeli; Verificați întotdeauna de la sursă.
- Colectarea solubilității prin amestecare. Adăugarea valorilor de putere (kW) ca energie (kWh) dă un total incorect.
- Nu se verifică curățenia. Datele curățate pot fi, de asemenea, corupte; Asigurați-vă că îl testați cu ancore fizice.
Sfat: Notați fiecare pas de curățare a datelor într-un „jurnal de date”: câte înregistrări au fost marcate, câte au fost populate, ce regulă a fost utilizată. Acest jurnal asigură atât reproductibilitatea, cât și auditabilitatea; un an mai târziu "de unde a venit acest număr?" răspunde la întrebare.
În concluzie
Baza analizei energetice este o serie de timp curată. Datele provin de la SCADA, contor, meteorologie și piață; fiecare are capcane de rezoluție, unitate, fus orar și ora de vară. AI este foarte puternică în accelerarea detectării lipsurilor/duplicărilor/outlierelor, dar deciziile de ștergere și completare ar trebui să rămână în sarcina inginerului, iar rezultatul ar trebui validat cu ancore fizice. Nicio analiză nu este de încredere fără o înțelegere adecvată a marcajului de timp.
Sarcina de aplicare
Luați în mână o serie temporală de energie (contor, producție sau temperatură). Solicitați un raport de calitate de la AI utilizând șabloanele „Audit cronologic” și „Profilarea datelor”. Apoi verificați manual trei lucruri: unitatea și rezoluția sunt corecte, ceasul de vârf este fizic rezonabil, energia totală este în concordanță cu factura? Descrieți pe scurt o problemă de calitate a datelor pe care ați găsit-o și cum ați remediat-o.
lista de verificare
- [ ] Am confirmat sursa, rezoluția și unitatea datelor
- [ ] Am clarificat regula fusului orar și etichetei marcajului de timp (început/sfârșit)
- [ ] Am verificat riscul zilelor de 23/25 de ore din cauza orei de vară
- [ ] Am detectat înregistrări lipsă și duplicate și le-am raportat
- [ ] Am examinat valorile aberante cu distincția „eroare sau eveniment”
- [ ] Am distins zerourile false de zerourile reale
- [ ] Am verificat datele curățate cu ancore fizice și am păstrat un jurnal de date