能量互联网：从公用事业中的数据孤岛中提取价值
在工业世界，特别是能源领域，连接设备、传感器和机器的数量不断增长，这导致了能源互联网(IoE)的出现。从广义上讲，IoE可以定义为电力基础设施的升级和自动化，使能源生产更加清洁和高效，并将更多的电力掌握在消费者手中。
鉴于大量数据，能量扇区生成和增加的传感器数量越来越多，它是机器学习应用的完美环境。人工智能（AI）擅长在各种形状和大小的数据集中发现微妙的模式，特别是在复杂或不断变化的条件下。
虽然IOE中的数据以指数率而越来越大，但很多数据传统上静坐跨业务部门(发电、输电和配电、能源交易和风险管理，以及网络安全)。从每个竖井中提取丰富的数据，并将这些数据投入工作，是促进更好的IoE体验并从机器学习中受益的必要条件。人工智能功能可以整合到一起，以统一地从所有数据中获得洞察力，允许业务单位转换为一个协作系统。
发电:规定的涡轮机维护
一代是能源领域的第一个主要筒仓，在很大程度上取决于涡轮机的工作。涡轮机由成千上万的运动部件组成，甚至最小的干扰也会产生重大问题，造成了不定期的停机时间，失去权力，安全问题和其他问题。
应用人工智能和机器学习技术来防止意外停机和灾难性故障正在彻底改变公用事业公司的运营方式。主题专家(sme)开发静态、第一性原理模型的标准方法给组织带来了维护和更新它们的巨大负担。此外，传统模型的静态特性意味着运营商只能查看涡轮机的稳态运行情况，而有意义的数据则是初创和海岸等瞬态事件。
瞬态条件是关键问题首次实现的地方，但它们是挑战监测，因为它们发生了不确定的时间长度。在基于模型的系统无法解决此问题的情况下，基于AI的技术可以。人工智能方法可以开始分析数据并在第一天提供见解，并通过从中小企业输入学习来继续提高自己的准确性和有效性。
传输和分配：不仅仅是智能电表
对于传输和分配的第二个筒仓，AI能够解决大量问题。尽管智能电表终端用户控制家用电器已经令人兴奋，它们不是机器学习正在解决的最具挑战性的大数据问题。
在传输和分配中，AI扮演着关键角色的三个特定领域是:
- 能量解集
- 电力电压不稳定性监测
- 电网维护
在这些领域，对数据的收集、吸收和操作，为使用机器学习和人工智能技术的公司以及他们的客户创造了成本和运营效率。
能源分解需要利用机器学习，因为必须分析数千个能量“签名”以找到使用模式。对能量签名的分析可以预测可疑的消费值，例如，由于物理或数字操作的装置，复杂的盗痕或仪表故障。
第二个领域，电力电压不稳定监测，面临着围绕微小不稳定的动态数据爆炸，而人类分析在这方面却不足。研究人员可以利用机器学习技术来识别电压不稳定，从而防止停电和电网停电。
AI正在播放关键角色的最后一个传输和分发领域是网格维护。虽然许多公司仍在努力使用他们正在收集的数据，但是机器学习算法能否使用数据或特征进行分类并最终实现预测失败提前。由于机器学习算法可以自动将功能分解为附加数据并以机器速度分析它们，以前的数据中的相关相关性导致新发现。
网络安全:现代战场
公用事业的第三个主要数据竖井是网络安全。最近对关键基础设施的持续攻击使得对新的网络安全方法的需求至关重要。人工智能产品可以识别、分类和修复各种威胁，包括个人身份信息丢失、零日恶意软件和高级持续威胁攻击。
对于数学算法，上述数据和网络安全数据之间几乎没有差异。无论源（例如，振动传感器或防火墙日志），所有输入都只是将算法唯一模式的信息。
为了应对工业威胁的网络前沿，人工智能产品可以自动化威胁研究过程，基于信心对威胁进行排序，并向分析师展示确凿证据，显著减少威胁补救时间和整体风险。
能源交易和风险管理
能源交易和风险管理是能源部门的最终数据筒仓。在竞争激烈和监管的公用事业业务中，公司的底线与预测准确性和可靠性之间存在明确的联系。如果新技术可以提供通过更准确的预测，公用事业公司可以开始向客户提供更好的价格。
AI技术正在提供对此过程的洞察力。凭借数百个来源的数千个特征，有无限的方式来结合和相关信息。在每小时或甚至二次组合中寻找微妙的，瞬间的价格数据，甚至是二次组合的依据是AI Excel。
由于公用事业公司需要购买石油，天然气，煤炭，核燃料和电力，因此他们不断地挥发商品价格的怜悯。因此，公用事业公司正在使用AI技术来制定市场和信用风险汇总的方法。
随着数据竖井数据共享的改进，公用事业行业可以收获新知识的财富。从规范性维护到能源交易再到网络安全，分析在未来很长一段时间内，将在能源生产和向消费者提供方面发挥重要作用。随着应用的增加，人工智能技术将继续学习和适应，为能源互联网提供更多的价值。
所有IoT Agenda网络贡献者都对其帖子的内容和准确性负责。意见是作者的，不一定传达物联网议程的想法。