您的位置:人工智能 > 大数据 > 能源大数据:给人工智能加点“养料” 来源:互联网   发布日期:2021-01-15   浏览:1179次  

能源大数据:给人工智能加点“养料” 来源:互联网   发布日期:2021-01-15   浏览:1179次  

【人工智能网】

从有闭门造车之嫌的数据模型优化,到深度融入各行各业, 蛰伏五十年后,人工智能行业进入快速爆发期。

在能源领域,这种深度参与表现得尤为明显, 无论是保障能源安全,还是助力清洁能源消纳, 人工智能都在扮演越来越重要的角色。

2012年以前,人工智能技术还很难做到图像识别后即时处理。近年来,人工智能技术已经步入“深水区”,智能家居智能穿戴等已走进寻常百姓家,更加深度的应用诸如AlphaGo、无人汽车也在展现人工智能的实力。

相较于生活场景,人工智能在能源领域的应用更偏向数据导向。以发电领域为例,以往数据可能仅仅来自于火电、水电、核电这类发电量大且相对稳定的电厂。近几年,风电、光伏新能源发电项目快速增长,这些新能源项目有的尽管规模很小,但数据量仍然很大。或大或小的项目,产生了可观的数据,并成为人工智能快速发展的数据基矗

这些数据可能是结构化的,比如在某一个时刻的发电量、输电量,也可能是非结构化的,比如一张照片、一段录音。在数据越来越集中的当下,数据处理对于人工智能的依赖性大大增强;同时,人工智能也需要数据来完善其准确性与可靠性。

两类养料 均不可少

人工智能需要海量的数据来“喂养”。如果把人工智能看成一个嗷嗷待哺的婴儿,某一领域的海量数据就是“喂养”它的奶粉。奶粉的数量决定了婴儿能否长大,而奶粉的质量则决定了婴儿的智力发育水平。

最开始,我们用结构化数据“喂养”。传统的数据都有确定的格式,它们属于结构化的数据,能够在数据库里面查找,可以通过传统大数据的处理方式,比如回归、拟合、分类或者降维,寻找数据内的规律、描述数据的情况,用于下一步的预测和分析。

近几年,图像、语音、视频等数据的应用越来越多,非结构化的数据量也逐渐增大,这些数据在现在的能源领域扮演了越来越重要的角色。这类数据不像结构化的数据,在对它们进行拟合、翻译、对话、视频处理、图像识别的过程中,以前主要的处理方式是通过人工,而如今人工智能技术特别是随着卷积神经网络算法的发展,机器也能够在语音、图像、视频方面发挥它们的作用。非结构化数据的出现,让人工智能的外延迅速扩展,它和结构化数据一起,共同“喂养”人工智能。

电力领域,原先用电方不存在需求响应,只要供给电,按照额定的功率使用就行。现在形势发生了变化,因为新能源并不稳定,需要消纳,这种情况就可以考虑与用户之间进行需求侧响应互动。用户家中的热水器或者空调,虽然开关打开但并不是每时每刻都需要运转,不需要运转的时候以低功耗的模式运行,这样就能通过数据反馈实现削峰平谷。

同时,指令交互过程中也产生数据,而数据本身就是待挖掘的宝藏。举个例子,在交通方面,伴随着5G自动驾驶技术发展与电动汽车的增加,用电负荷会明显增加,负荷越来越复杂,再加上储能环节,每增加一个环节,数据量就会呈几何指数增加,而这些不断扩展的数据,就是人工智能发展的重要“养料”。事实上,海量数据与高速并行运算以及更优化的算法三者的快速进步,共同促成了人工智能在近几年的发展和突破。

重点应用:智能巡线与卫星识别

一直以来,无人机巡线是人工智能在能源领域的重点应用,其中涉及图形图像的分析。以往这些图像的识别分析只能通过人眼,随着人工智能技术的引入,前期繁复的语音、图像的分析处理工作可以通过机器来完成。

近期,我国南方发生了冰冻雨雪天气,目前主要的巡检方式是无人机在巡检路线上拍照,拍成照片后再由人工确认。这种巡检方式不仅需要大量人力,而且可能存在一定的误差。但如果通过神经网络、人工智能的方法处理,则能够实时获得反溃

无人机的摄像头在扫描分析完成以后,还需要进行角度的调整,在处理的过程中发现目前这种图形存在哪一类的故障风险,具体有哪些产生原因,如何通过更换角度来确认相应的原因。如果仅通过人来确认,可能没有办法及时发现,而无人机自动识别的过程中就可以实时调整这些方案,并实时向后台反馈,节省了时间和人力。

同样是检修,卫星技术也可以帮助电网系统检查检测,探测杆塔是否存在问题,线路区域是否存在异常天气。然而,图像信息的识别和判断需要相当大的工作量,特别是高分辨率的卫星图像,需要确定放大哪一个部分、重点检查哪些区域,这一部分工作如果能够引入人工智能技术辅助,则可以省时间、省精力、省经费。

尽管人工智能技术好处很多,但真正要应用起来也少不了前期的准备工作。特别是在与其他机构合作的过程中,时间点可能要求很严格,需要提前做好模拟测算。成功获取数据后,即时将数据纳入系统中开始运算,否则数据传输到达的时候,因为没有准备好导致不能及时处理,便会造成数据价值的浪费,哪怕这部分数据可以用作以后数据拟合的材料,但是原本可以用于即时预测的数据最终变成了训练材料,其价值也大打折扣。

“术业有专攻”这句话特别适用于人工智能,你把它训练得特别好,它也可能只针对特定的工作特别好,巡检的过程中,线路上的问题使用一套参数,杆塔的问题需要另外一套参数,观察卫星云图又需要其他的参数。如果一开始没有做好准备,数据无法及时处理反而会造成问题,更需要谨慎对待。从这个角度来说,前期工作非常重要,特别是进行数据的训练,包括选取什么样的神经网络,具体的结构、层次、参数是什么,如何去打标签,打完标签怎么训练,训练完了如何依据结果做进行调整,这些工作都需要大量的时间做铺垫。

虽然人工智能是帮助替代部分人工的,但是在前期的发展过程中,更需要专业技术型人才付出大量的时间与精力。

在电力系统中,原来是“源、网、荷”,现在是“源、网、荷、储”;原来负荷端的需求响应不多,现在需求信息响应越来越多;原来调度在一个封闭环境下面,现在调度可能会涉及光伏、风力,包括海上风能还有内陆风能;原来传输都是交流电,现在要区分交流和直流。因此,原有的系统将面临越来越多的挑战,相应问题就需要较为复杂的系统来应对。而尽快拿出相对成熟的解决方案,同时不断地训练、完善人工智能技术,争取缩短研发时间,抢占人工智能领域的科技高地,已经箭在弦上。

(作者系国家电网能源互联网技术研究院首席规划师)

赞助本站

性感可爱丝袜女郎高清写真
High definition photo of sexy and lovely stockings girl
上一篇:百度公开“员工工作状态预测”专利惹质疑,大数据监工? 来源:互联网   发布日期:2021-01-15   浏览:1871次  
下一篇:权威发布:大数据杀熟,每个人都已经遇到,不只是偷偷提高价格…… 来源:互联网   发布日期:2021-01-18   浏览:1099次  

您可能喜欢