Dobički:
- Sposobnost prepoznavanja strukture, enot in tipičnih problemov kakovosti SCADA, pametnih števcev in tržnih podatkov
- Sposobnost zaznavanja manjkajočih podatkov, izstopajočih vrednosti in težav s časovnimi žigi z umetno inteligenco ter vzpostavitev delovnega toka čiščenja
- Zmožnost preverjanja pasti, kot so ločljivost, časovni pas in poletni čas v energetskih časovnih vrstah v izhodu AI
Skoraj vse energetske analize se začnejo s časovno vrsto: meritve, razporejene vzdolž časovne osi. 15-minutna poraba števca, druga hitrost vrtenja turbine, urni tok napajalnika (razdelilni vod) – vse so časovne serije. V tej enoti se bomo naučili, od kod prihajajo podatki o energiji, kakšne pasti vsebujejo in kako z umetno inteligenco narediti te podatke zanesljive. Postavimo to načelo od začetka: tudi najpametnejša analiza z umazanimi podatki daje umazan rezultat. V energetiki se največ časa ne porabi za modeliranje, temveč za zanesljivost podatkov in umetna inteligenca je v tem delu najvarnejši prispevek.
Viri in struktura energetskih podatkov
Podatki o energiji prihajajo predvsem iz več virov. SCADA (sistem za nadzorni nadzor in zbiranje podatkov) zbira trenutne meritve iz stikalne plošče in omrežne opreme; Običajno je v ločljivosti sekund ali minut in vključuje količine, kot so napetost, tok, moč in temperatura. Podatki pametnega števca običajno merijo porabo v 15-minutnih intervalih in so osnova za obračun in analizo povpraševanja. Meteorološki podatki (temperatura, obsevanost, hitrost vetra) so vhodni podatki za napovedovanje proizvodnje in povpraševanja. Tržni podatki (urne cene) so vložek ekonomske analize.
Skupna značilnost teh podatkov je, da vsebujejo časovni žig (oznako datum-čas, ki ji pripada vsaka meritev) in eno ali več vrednosti meritev. To je najbolj kritična točka: če časovnega žiga ne razumemo pravilno, se vse ostalo sesuje.
Pasti ločljivosti, časovnega pasu in poletnega časa
Presenetljivo velik del napak v podatkih o energiji izvira iz časovne osi. Izpostavimo predvsem tri pasti.
Zmeda pri ločljivosti. Ali števec poroča o 15-minutni energiji (kWh) ali trenutni moči (kW)? Njihovo seštevanje daje različne rezultate: povprečje štirih vrednosti kW za 15 minut je moč, medtem ko vsota štirih ne ustreza urni energiji (potrebna je vsota četrturnih energij). Nobenega seštevka ni mogoče narediti brez razumevanja enote in ločljivosti skupaj.
Časovni pas. Ali se podatki hranijo v lokalnem času (TRT/UTC+3 za Turčijo) ali univerzalnem času (UTC)? Dve seriji, ki prihajata iz različnih sistemov, sta lahko v različnih časovnih pasovih; Triurna izmena pri združevanju moti celotno analizo konic.
Poletni čas (DST). V državah, ki prehajajo na poletni čas, ura enkrat letno »izgine« in se enkrat letno »ponovi«. To ustvari 23- ali 25-urne dni na te dni in prekine urne profile. Ker je Turčija od leta 2016 uvedla stalni poletni čas (UTC+3), se ta težava ne pojavi pri lokalnih podatkih, vendar se nanjo še vedno srečujete pri delu z mednarodnimi ali starimi podatki.
Obvestilo: Ali je oznaka za časovni žig "začetek obsega" ali "konec obsega"? Ali zapis z oznako 14:00 pomeni 14:00-14:15 ali 13:45-14:00? Ta odločitev bi lahko premaknila najvišjo uro za eno rezino. To pravilo pojasnite na začetku za vsak niz podatkov.
Korak za korakom: Potek dela za pripravo podatkov z umetno inteligenco
1. korak — Odkritje. Poznate podatke: koliko vrstic, kakšen obseg, kakšna ločljivost, katere enote? Če AI podate prvih nekaj sto vrstic in povzamete strukturo, hitro razkrije pomene stolpcev in možne enote. Toda ocena enote AI je hipoteza; To je potrjeno iz izvornega dokumenta.
2. korak — Standardizirajte časovnico. Pripni na en sam časovni pas, popravi ločljivost, določi pravilo oznake (začetek/konec). AI lahko ustvari kodo, ki zazna neenakomerne intervale in manjkajoče časovne žige.
3. korak — Nepopolni in podvojeni zapisi. Izpadi komunikacije ustvarjajo praznino in ponovno dvojno snemanje. AI ustvari nabor pravil, ki označujejo vrzeli in podvajanja; kratke vrzeli (npr. posameznih 15 minut) je mogoče zapolniti z ustrezno metodo, dolge vrzeli so izključene iz analize in o njih poročane.
4. korak – izstopanja. Negativna poraba (brez proizvodnje), moč nad fizično zgornjo mejo, nenadni skoki. AI ponuja statistično in na pravilih temelječe odkrivanje izstopajočih vrednosti; Vendar odstopanje ni vedno napaka - lahko je tudi resničen dogodek (na primer tovarna, ki se vključi). Inženir naredi to razliko.
5. korak — Preverjanje. Očiščeni podatki so testirani s fizičnimi sidri: sončni vzhod/zahod mora ponastaviti sončno proizvodnjo, nočna obremenitev mora biti nižja od dnevne, skupna energija mora biti skladna z računom.
Trije mini kovčki: po številkah
Primer 1 – enourni zdrs. Podatki o sončni proizvodnji enega analitika so pokazali opoldanski vrh ob 14. uri namesto ob 13. uri. Težava ni bila v plošči; Podatki so bili UTC, vendar so mislili, da je lokalni čas. Ko je bila opažena triurna izmena (pojav proizvodnje pred sončnim vzhodom je izdal sidro), se je celotna analiza izboljšala; Investicijske odločitve so bile preprečene na podlagi napačne interpretacije.
2. primer – podvojeni posnetki. V 30-dnevnih urnih podatkih enega distribucijskega podajalnika je bila skupna poraba približno 4 odstotke višja od pričakovane. Zaznavanje ponovnega predvajanja s pomočjo umetne inteligence je pokazalo, da je bilo nekaj ur posnetih dvakrat pri ponovnih komunikacijskih povezavah. Po čiščenju 68 ponovljenih zapisov se je skupni znesek ujemal z računom.
Primer 3 – Lažne ničle. En števec je poročal o porabi kot "0" med izgubo komunikacije; Vendar se je potrošnja nadaljevala. Te lažne ničle so znižale povprečje in zavajale napoved povpraševanja. AI je predlagal pravilo "Preglejte 0 vrednosti skupaj z zastavico prisotnosti"; napačne ničle so bile označene kot manjkajoči podatki in ločene od pravih ničel (npr. zaprto delovno mesto).
Šibek poziv / močan poziv
Šibek poziv:
Počisti te podatke števca.[data]
Močan poziv:
Vaša vloga: Analitik energetskih podatkov. Naslednji podatki števca so za 15 minutne intervale, lokalni čas (UTC+3), časovni žig označuje ZAČETEK intervala, enota kWh. Naloge: 1) Seznam manjkajočih časovnih žigov in podvojenih zapisov (število in čas). 2) Ločeno označite negativno vrednost in vrednosti, ki presegajo fizično zgornjo mejo (pogodbena moč 25 kW); ne izbriši, samo označi. 3) Ponudite preverjanje, da ločite lažne ničle od pravih ničel, za katere obstaja sum, da gre za napačno komunikacijo. Ne vnašajte vrednosti sami; Najprej ga identificirajte in potrdil bom polnjenje.
Zmogljiv poziv že od začetka ponuja ločljivost, časovni pas, pravilo oznak in zgornjo mejo; Umetni inteligenci nalaga disciplino »najprej zaznaj, vprašaj pozneje«. Tako podatki ne bodo tiho poškodovani.
Štiri kopirane predloge
1) Profiliranje podatkov:
Ustvarite profil naslednjih podatkov: število vrstic, časovno obdobje, ločljivost, ocenjena enota in pomen vsakega stolpca, manjkajoča stopnja, najmanj/največ/povprečje. Ocene enot označite z oznako "treba preveriti".
2) Nadzor časovne osi:
V tem časovnem nizu zaznajte: (a) vrzeli izven pričakovanega obsega, (b) ponavljajoče se časovne žige, (c) možne premike zaradi poletnega časa/časovnega pasu. Navedite vsako ugotovitev z njenim časovnim obsegom. Svoj predlog popravka napišite ločeno; UPORABA.
3) Pravilo izstopanja:
Označite odstopanja s temi fizikalnimi mejami: moč 0-[X] kW, temperatura [A]-[B] °C. Naredite tudi ločen seznam statističnih izstopajočih vrednosti (npr. predaleč odstopanje od mediane). Za vsako izstopajočo vrednost zastavite vprašanje "možna napaka ali dejanski dogodek"; Naj se odločim.
4) Preverjanje po čiščenju:
Preizkusite očiščene podatke z naslednjimi fizičnimi sidrišči in poročajte o nedoslednostih: sončna proizvodnja mora biti ponoči enaka nič; skupna energija mora biti znotraj pričakovane ravni računa; Nočna obremenitev mora biti manjša od dnevne konice. Napišite uspešno/neuspešno za vsako sidro.
Tabela težav s kakovostjo podatkov
problem
simptom
sidro za preverjanje
Premik časovnega pasu
Zgornja ura je na nelogičnem mestu
Uskladite s sončnim vzhodom/sončnim zahodom
Poletni čas (DST)
23/25 ur na dan
Preštejte dolžino dneva
lažna ničla
0 v primeru izgube komunikacije
Ujemanje s komunikacijsko zastavo
ponovno registrirati
Nad skupnim računom
Preverite edinstvenost časovnega žiga
Zmeda enot
Uvrstitev 60/1000-krat sprevržena
Preverite pretvorbo kW↔kWh
negativna vrednost
Negativna poraba, ko ni proizvodnje
Pravilo fizičnega znaka
Pogoste napake
- Tiho izpolnjevanje manjkajočih podatkov z ničlo. Nič pomeni "brez porabe", ne "brez podatkov"; mešanje obeh izkrivlja povprečje in napoved.
- Samodejno izbriši odstopanje. Izstop je lahko resničen dogodek; Pred izbrisom je potreben inženirski pregled.
- Ob predpostavki časovnega pasu. Rek "verjetno je lokalno" je ena najdražjih napak; Vedno preverite iz vira.
- Zbiranje topnosti z mešanjem. Dodajanje vrednosti moči (kW) kot energije (kWh) daje napačno skupno vrednost.
- Brez preverjanja čistoče. Očiščeni podatki so lahko tudi poškodovani; Bodite prepričani, da ga preizkusite s fizičnimi sidri.
Namig: Vsak korak čiščenja podatkov zapišite v »dnevnik podatkov«: koliko zapisov je bilo označenih, koliko poseljenih, katero pravilo je bilo uporabljeno. Ta dnevnik zagotavlja ponovljivost in revizijo; leto kasneje "od kod ta številka?" odgovarja na vprašanje.
Če povzamem
Osnova energetske analize je čista časovna vrsta. Podatki prihajajo iz SCADA, števcev, meteorologije in trga; vsak ima pasti za ločljivost, enoto, časovni pas in poletni čas. Umetna inteligenca je zelo zmogljiva pri pospeševanju odkrivanja manjkajočih/dvojnikov/izjemnih vrednosti, vendar morajo odločitve o brisanju in polnjenju ostati v rokah inženirja, rezultat pa je treba potrditi s fizičnimi sidrišči. Nobena analiza ni zanesljiva brez pravilnega razumevanja časovnega žiga.
Aplikacijska naloga
V roke vzemite časovno vrsto energije (meter, proizvodnja ali temperatura). Zahtevajte poročilo o kakovosti od umetne inteligence z uporabo predlog »Revizija časovne osi« in »Profiliranje podatkov«. Nato ročno preverite tri stvari: ali sta enota in ločljivost pravilni, ali je najvišja ura fizično sprejemljiva, ali je skupna energija skladna z računom? Na kratko opišite težavo s kakovostjo podatkov, ki ste jo našli, in kako ste jo odpravili.
kontrolni seznam
- [ ] Potrdil sem vir, ločljivost in enoto podatkov
- [ ] Pojasnil sem pravilo za oznako časovnega pasu in časovnega žiga (začetek/konec)
- [ ] Preveril sem tveganje 23/25 urnih dni zaradi poletnega časa
- [ ] Zaznal sem manjkajoče in podvojene zapise ter jih prijavil
- [ ] Izstopajoče vrednosti sem pregledal z razlikovanjem "napaka ali dogodek"
- [ ] Ločil sem lažne ničle od pravih ničel
- [ ] Očiščene podatke sem preveril s fizičnimi sidrišči in vodil podatkovni dnevnik