Lợi nhuận:
- Khả năng nhận biết cấu trúc, đơn vị và các vấn đề chất lượng điển hình của SCADA, đồng hồ thông minh và dữ liệu thị trường
- Khả năng phát hiện dữ liệu bị thiếu, các vấn đề ngoại lệ và dấu thời gian bằng trí tuệ nhân tạo và thiết lập quy trình làm sạch
- Khả năng xác minh các bẫy như độ phân giải, múi giờ và thời gian tiết kiệm ánh sáng ban ngày trong chuỗi thời gian năng lượng ở đầu ra AI
Hầu như tất cả các phân tích năng lượng đều bắt đầu bằng chuỗi thời gian: các phép đo được sắp xếp dọc theo trục thời gian. Mức tiêu thụ trong 15 phút của một đồng hồ, tốc độ quay thứ hai của tuabin, dòng điện mỗi giờ của bộ cấp liệu (đường dây phân phối)—tất cả đều là chuỗi thời gian. Trong phần này, chúng ta sẽ tìm hiểu dữ liệu năng lượng đến từ đâu, nó chứa đựng những cạm bẫy nào và cách sử dụng trí tuệ nhân tạo để làm cho dữ liệu này trở nên đáng tin cậy. Hãy thiết lập nguyên tắc này ngay từ đầu: ngay cả phép phân tích thông minh nhất với dữ liệu bẩn cũng cho kết quả bẩn. Trong kỹ thuật năng lượng, phần lớn thời gian không dành cho mô hình mà để làm cho dữ liệu trở nên đáng tin cậy và trí tuệ nhân tạo sẽ đóng góp an toàn nhất trong phần này.
Nguồn và cấu trúc dữ liệu năng lượng
Dữ liệu năng lượng chủ yếu đến từ nhiều nguồn. SCADA (hệ thống thu thập dữ liệu và điều khiển giám sát) thu thập các phép đo tức thời từ các thiết bị tổng đài và lưới điện; Nó thường có độ phân giải tính bằng giây hoặc phút và bao gồm các đại lượng như điện áp, dòng điện, công suất và nhiệt độ. Dữ liệu đồng hồ thông minh thường đo mức tiêu thụ trong khoảng thời gian 15 phút và là cơ sở để phân tích hóa đơn và nhu cầu. Dữ liệu khí tượng (nhiệt độ, bức xạ, tốc độ gió) là đầu vào của dự báo sản xuất và nhu cầu. Dữ liệu thị trường (giá theo giờ) là đầu vào của phân tích kinh tế.
Đặc điểm chung của những dữ liệu này là chúng chứa dấu thời gian (thẻ ngày giờ chứa từng phép đo) và một hoặc nhiều giá trị đo. Đây là điểm quan trọng nhất: nếu không hiểu chính xác dấu thời gian, mọi thứ khác sẽ sụp đổ.
Độ phân giải, múi giờ và bẫy thời gian tiết kiệm ánh sáng ban ngày
Một phần lớn các sai sót trong dữ liệu năng lượng đến từ trục thời gian. Hãy nêu bật ba cái bẫy nói riêng.
Độ phân giải nhầm lẫn. Đồng hồ có báo cáo năng lượng 15 phút (kWh) hoặc công suất tức thời (kW) không? Cộng chúng lại sẽ cho các kết quả khác nhau: trung bình của bốn giá trị kW trong 15 phút là công suất, trong khi tổng của bốn giá trị này không tương ứng với năng lượng hàng giờ (cần có tổng năng lượng trong một phần tư giờ). Không thể thực hiện phép tính tổng nếu không hiểu đơn vị và độ phân giải cùng nhau.
Múi giờ. Dữ liệu được lưu giữ theo giờ địa phương (TRT/UTC+3 đối với Türkiye) hay giờ quốc tế (UTC)? Hai chuỗi đến từ các hệ thống khác nhau có thể ở các múi giờ khác nhau; Ca làm việc kéo dài ba giờ khi kết hợp sẽ làm gián đoạn toàn bộ quá trình phân tích giờ cao điểm.
Giờ tiết kiệm ánh sáng ban ngày (DST). Ở những quốc gia chuyển sang áp dụng giờ tiết kiệm ánh sáng ban ngày, một giờ "biến mất" mỗi năm một lần và "lặp lại" mỗi năm một lần. Điều này tạo ra 23 hoặc 25 giờ mỗi ngày vào những ngày đó và phá vỡ cấu hình hàng giờ. Vì Türkiye đã triển khai vĩnh viễn giờ tiết kiệm ánh sáng ban ngày (UTC+3) kể từ năm 2016 nên vấn đề này không xuất hiện trên dữ liệu địa phương nhưng bạn vẫn gặp phải khi làm việc với dữ liệu quốc tế hoặc dữ liệu cũ.
Lưu ý: Nhãn cho dấu thời gian là "bắt đầu phạm vi" hay "cuối phạm vi"? Bản ghi có nhãn 14:00 cho biết 14:00-14:15 hay 13:45-14:00? Quyết định duy nhất này có thể thay đổi đồng hồ cao điểm một lát. Hãy làm rõ quy tắc này ngay từ đầu cho mỗi tập dữ liệu.
Từng bước: Quy trình chuẩn bị dữ liệu với trí tuệ nhân tạo
Bước 1 - Khám phá. Biết dữ liệu: có bao nhiêu hàng, phạm vi nào, độ phân giải bao nhiêu, đơn vị nào? Đưa cho AI vài trăm hàng đầu tiên và tóm tắt cấu trúc sẽ nhanh chóng tiết lộ ý nghĩa của các cột và các đơn vị có thể có. Nhưng ước tính đơn vị của AI chỉ là giả thuyết; Nó được xác nhận từ tài liệu nguồn.
Bước 2 - Chuẩn hóa dòng thời gian. Chụp theo một múi giờ duy nhất, sửa độ phân giải, chỉ định quy tắc thẻ (bắt đầu/kết thúc). AI có thể tạo mã phát hiện các khoảng thời gian không đều và thiếu dấu thời gian.
Bước 3 - Hồ sơ không đầy đủ và trùng lặp. Sự cố liên lạc tạo ra sự trống rỗng và ghi lại hai lần. AI tạo ra một bộ quy tắc đánh dấu những khoảng trống và trùng lặp; những khoảng trống ngắn (ví dụ: 15 phút) có thể được lấp đầy bằng phương pháp phù hợp, những khoảng trống dài sẽ bị loại khỏi phân tích và được báo cáo.
Bước 4 - Ngoại lệ. Tiêu thụ âm (không sản xuất), sức mạnh vượt quá giới hạn vật lý trên, nhảy vọt đột ngột. AI cung cấp khả năng phát hiện ngoại lệ dựa trên quy tắc và thống kê; Nhưng một ngoại lệ không phải lúc nào cũng là một lỗi - nó cũng có thể là một sự kiện có thật (ví dụ: một nhà máy đang hoạt động trực tuyến). Người kỹ sư đã tạo ra sự khác biệt này.
Bước 5 - Xác minh. Dữ liệu đã làm sạch được kiểm tra bằng các neo vật lý: bình minh/hoàng hôn phải thiết lập lại việc tạo năng lượng mặt trời, tải ban đêm phải thấp hơn ban ngày, tổng năng lượng phải phù hợp với hóa đơn.
Ba trường hợp nhỏ: Bằng những con số
Trường hợp 1 - Trượt một giờ. Dữ liệu sản xuất năng lượng mặt trời của một nhà phân tích cho thấy đỉnh điểm buổi trưa lúc 14:00 thay vì 13:00. Vấn đề không nằm ở bảng điều khiển; Dữ liệu là UTC nhưng được cho là giờ địa phương. Khi ca làm việc kéo dài ba giờ được chú ý (sự xuất hiện của hoạt động sản xuất trước khi mặt trời mọc đã làm mất đi chiếc neo), toàn bộ quá trình phân tích đã được cải thiện; Các quyết định đầu tư bị cản trở do hiểu sai.
Trường hợp 2 - Bản ghi trùng lặp. Theo dữ liệu 30 ngày theo giờ của một trạm phân phối, tổng mức tiêu thụ cao hơn dự kiến khoảng 4%. Tính năng phát hiện lại được hỗ trợ bởi AI cho thấy một số giờ được ghi lại hai lần trong các lần kết nối lại liên lạc. Sau khi xóa 68 bản ghi lặp lại, tổng số tiền khớp với hóa đơn.
Trường hợp 3 - Số 0 sai. Một đồng hồ báo cáo mức tiêu thụ là "0" khi mất liên lạc; Tuy nhiên, việc tiêu thụ vẫn tiếp tục. Những số 0 giả này đã hạ thấp mức trung bình và làm sai lệch dự báo nhu cầu. AI đề xuất quy tắc “Kiểm tra giá trị 0 cùng với cờ hiện diện”; số 0 sai được đánh dấu là dữ liệu bị thiếu và được tách biệt khỏi số 0 thực (ví dụ: nơi làm việc đã đóng cửa).
Nhắc yếu / Nhắc mạnh
Dấu nhắc yếu:
Xóa dữ liệu bộ đếm này.[data]
Lời nhắc mạnh mẽ:
Vai trò của bạn: Nhà phân tích dữ liệu năng lượng. Dữ liệu đồng hồ đo sau đây dành cho các khoảng thời gian 15 phút, giờ địa phương (UTC+3), dấu thời gian cho biết BẮT ĐẦU khoảng thời gian, đơn vị kWh. Nhiệm vụ:1) Liệt kê các dấu thời gian bị thiếu và các bản ghi trùng lặp (số và thời gian).2) Đánh dấu riêng giá trị âm và các giá trị vượt quá giới hạn trên vật lý (công suất hợp đồng 25 kW); không xóa, chỉ đánh dấu.3) Đưa ra một tấm séc để phân biệt số 0 giả với số 0 thực bị nghi ngờ là do hiểu sai. Đừng tự mình điền bất kỳ giá trị nào; Hãy xác định nó trước và tôi sẽ xác nhận việc điền vào.
Lời nhắc mạnh mẽ cung cấp độ phân giải, múi giờ, quy tắc thẻ và giới hạn trên ngay từ đầu; Nó áp đặt kỷ luật “phát hiện trước, hỏi sau” đối với AI. Bằng cách này, dữ liệu sẽ không bị hỏng một cách âm thầm.
Bốn mẫu có thể sao chép
1) Hồ sơ dữ liệu:
Tạo hồ sơ gồm các dữ liệu sau: số hàng, phạm vi ngày, độ phân giải, đơn vị ước tính và ý nghĩa của từng cột, tỷ lệ thiếu, tối thiểu/tối đa/trung bình. Đánh dấu ước tính đơn vị bằng thẻ "cần được xác minh".
2) Điều khiển trục thời gian:
Trong chuỗi thời gian này, hãy phát hiện: (a) khoảng trống ngoài phạm vi dự kiến, (b) dấu thời gian lặp lại, (c) có thể thay đổi do múi giờ/múi giờ tiết kiệm ánh sáng ban ngày. Liệt kê từng phát hiện cùng với phạm vi thời gian của nó. Viết đề xuất chỉnh sửa của bạn một cách riêng biệt; ỨNG DỤNG.
3) Quy tắc ngoại lệ:
Đánh dấu các giá trị ngoại lệ bằng cách sử dụng các giới hạn vật lý sau: công suất 0-[X] kW, nhiệt độ [A]-[B] °C. Đồng thời lập một danh sách riêng biệt về các giá trị ngoại lệ thống kê (ví dụ: lệch quá xa so với mức trung vị). Đối với mỗi ngoại lệ, hãy đặt câu hỏi "lỗi có thể xảy ra hoặc sự kiện thực tế"; Hãy để tôi quyết định.
4) Kiểm tra sau khi vệ sinh:
Kiểm tra dữ liệu đã được làm sạch bằng các neo vật lý sau và báo cáo sự không nhất quán: sản lượng năng lượng mặt trời sẽ bằng 0 vào ban đêm; tổng năng lượng phải nằm trong mức hóa đơn dự kiến; Phụ tải ban đêm phải thấp hơn phụ tải ban ngày. Viết đạt/không đạt cho mỗi mỏ neo.
Bảng vấn đề về chất lượng dữ liệu
vấn đề
triệu chứng
neo xác minh
Chuyển đổi múi giờ
Đồng hồ trên cùng ở một vị trí phi logic
Căn chỉnh theo bình minh/hoàng hôn
Giờ mùa hè (DST)
Ngày 23/25 giờ
Đếm độ dài ngày
số không giả
0 trong trường hợp mất liên lạc
Phù hợp với cờ truyền thông
đăng ký lại
Trên tổng hóa đơn
Kiểm tra tính duy nhất của dấu thời gian
Đơn vị nhầm lẫn
Xếp hạng 60/1000 lần biến thái
Xác minh chuyển đổi kW↔kWh
giá trị âm
Tiêu dùng âm khi không có sản xuất
Quy tắc ký hiệu vật lý
Những lỗi thường gặp
- Âm thầm điền dữ liệu còn thiếu bằng 0. Zero có nghĩa là "không tiêu thụ", không phải "không có dữ liệu"; trộn lẫn cả hai sẽ làm biến dạng giá trị trung bình và dự báo.
- Tự động xóa ngoại lệ. Một ngoại lệ có thể là một sự kiện có thật; Yêu cầu kỹ sư xem xét trước khi xóa.
- Giả sử múi giờ. Nói "có lẽ là ở địa phương" là một trong những sai lầm đắt giá nhất; Luôn xác minh từ nguồn.
- Thu thập độ hòa tan bằng cách trộn. Việc cộng các giá trị công suất (kW) dưới dạng năng lượng (kWh) sẽ cho kết quả tổng không chính xác.
- Không xác minh sự sạch sẽ. Dữ liệu đã được làm sạch cũng có thể bị hỏng; Hãy chắc chắn kiểm tra nó bằng các neo vật lý.
Mẹo: Viết ra từng bước làm sạch dữ liệu trong một “nhật ký dữ liệu”: có bao nhiêu bản ghi được đánh dấu, bao nhiêu bản ghi được điền, quy tắc nào đã được sử dụng. Nhật ký này đảm bảo cả khả năng tái lập và khả năng kiểm tra; một năm sau "con số này đến từ đâu?" trả lời câu hỏi.
Tóm lại
Cơ sở của phân tích năng lượng là chuỗi thời gian sạch. Dữ liệu đến từ SCADA, đồng hồ đo, khí tượng và thị trường; mỗi cái đều có độ phân giải, đơn vị, múi giờ và bẫy thời gian tiết kiệm ánh sáng ban ngày. AI rất mạnh mẽ trong việc tăng tốc độ phát hiện thiếu/trùng lặp/ngoại lệ, nhưng các quyết định xóa và điền vẫn thuộc về kỹ sư và kết quả phải được xác thực bằng các neo vật lý. Không có phân tích nào đáng tin cậy nếu không có sự hiểu biết đúng đắn về dấu thời gian.
Nhiệm vụ ứng dụng
Lấy chuỗi thời gian năng lượng (đồng hồ đo, sản lượng hoặc nhiệt độ) trong tay bạn. Yêu cầu báo cáo chất lượng từ AI bằng cách sử dụng các mẫu “Kiểm tra dòng thời gian” và “Lập hồ sơ dữ liệu”. Sau đó, hãy xác minh thủ công ba điều: đơn vị và độ phân giải có chính xác không, đồng hồ cao điểm có hợp lý về mặt vật lý không, tổng năng lượng có phù hợp với hóa đơn không? Mô tả ngắn gọn vấn đề về chất lượng dữ liệu bạn đã tìm thấy và cách bạn khắc phục vấn đề đó.
danh sách kiểm tra
- [ ] Tôi đã xác nhận nguồn, độ phân giải và đơn vị của dữ liệu
- [ ] Tôi đã làm rõ quy tắc nhãn múi giờ và dấu thời gian (bắt đầu/kết thúc)
- [ ] Tôi đã kiểm tra nguy cơ ngày làm việc 23/25 giờ do thời gian là mùa hè
- [ ] Tôi đã phát hiện các bản ghi bị thiếu và trùng lặp và báo cáo chúng
- [ ] Tôi đã kiểm tra các ngoại lệ với sự phân biệt "lỗi hoặc sự kiện"
- [ ] Tôi phân biệt số 0 giả với số 0 thực
- [ ] Tôi đã xác minh dữ liệu đã được làm sạch bằng các neo vật lý và ghi nhật ký dữ liệu