江苏龙网

  1. 首页 > 人文 > >

数据揭示疫情期间电力需求变化，电力企业巧用人工智能应对

数据揭示疫情期间电力需求变化，电力企业巧用人工智能应对
文章图片
大数据文摘出品
来源：verturebeat
编译：蔡婕、夏雅薇
新型冠状病毒的传播 ， 导致COVID-19促使美国各州和地方政府制定了居家隔离的政策 ， 并关闭了一些企业 。 数百万人居家隔离 ， 这种转变不仅给互联网服务提供商、流媒体平台和在线零售商带来了压力 ， 也给向美国国家电网供电的电力公司带来了压力 。
2020年3月27日全美的用电量比2019年3月27日减少了3% ， 抹去三年的增长 。 波士顿大学可持续能源研究所所长PeterFox-Penner在最近的一篇专栏文章中断言电力公司收入将受影响 ， 因为供应商正在停止服务并推迟涨价 。 此外 ， 研究公司WoodMackenzie的数据显示 ， 家庭用电需求的增长无法抵消企业用电需求的下降 ， 因为北美地区的住宅用电需求仅占总需求的40% 。
一些电力公司正在使用人工智能和机器学习来研究COVID-19带来的意外收获和能源使用的波动问题 。 精确的负荷预测可以确保未来几个月运营不中断 ， 从而防止停电和限电的情况发生 。 这些技术还可能提高这些公司内部流程的效率 ， 所以即使在疫情结束后 ， 研究成果都能有效降低电力价格并改善服务 。
Innowatts
Innowatts是一家开发能源监控和管理自动化工具包的初创公司 ， 它的客户包括美国几家大型公用事业公司 ， 包括波特兰通用电气（PortlandGeneralElectric）、格萨能源（Gexaenergy）、Avangrid、亚利桑那公共服务电力公司（ArizonaPublicServiceElectric）、WGL和Megaenergy 。 其eUtility平台收集了超过13个地区能源市场的2100万用户的3400万个智能电表的数据 ， 同时它的机器学习算法分析了这些数据来预测短期和长期的负载、差异、天气敏感性等 。
除了这些显而易见的预测之外 ， Innowatts还将通过公用事业的费率结构与分散的成本模型进行映射来帮助评估不同费率配置的效果 。 它还对每个客户生成成本曲线 ， 揭示微小变化对业务的影响 ， 并通过研究营销活动和客户行为（如实时负载）之间的关系模型来验证产品的收益率和获客成本 。
Innowwatts向VentureBeat透露 ， 在3月的第一周和第四周 ， 他们观察到能源使用的“戏剧性”变化 。 在美国东北部 ， 沙龙、服装店和干洗店等“非必需品”零售商在月底（即居家隔离命令颁布后）仅消耗了相当于月初能耗的35% ， 而餐馆（除披萨连锁店外）月末能耗仅为月初的28% 。 相反 ， 在德克萨斯州 ， 储备设施在第四周消耗的能量是第一周的142% 。
Innowatts称在这些能源使用量激增和减少的过程中 ， 它的电力客户可以利用基于人工智能的负荷预测 ， 从短期波动中吸取教训并及时进行调整 。 该公司表示 ， 在居家隔离令颁布后的三天内 ， 它的预测模型已经能够了解新的消费模式 ， 并能做出准确预测 ， 且能把实时变化纳入模型中 。
Innowatts首席执行官SidSachdeva认为 ， 如果电力公司没有利用机器学习模型 ， 3月中旬的需求预测将出现10-20%的差异 ， 会对运营产生重大影响 。
“在这个动荡的时代 ， 基于人工智能的负荷预测使能源供应商能够为未来的成功制定基于信息的、数据驱动的战略以取得未来的成功 ， ”Sachdeva告诉VentureBeat 。 随着公用事业和能源零售商看到商业能源消费下降了30%以上 ， 准确的预测变得前所未有得重要 。 如果没有人工智能工具 ， 电力公司的预测将出现大幅波动 ， 导致不准确性达到20%或更高 ， 给它们的运营带来巨大压力 ， 并最终提高企业和消费者的成本 。 ”
Autogrid
Autogrid与来自10个国家的50多家客户合作——包括澳大利亚能源公司、佛罗里达电力与照明公司和南加州爱迪生公司——以提供基于人工智能的电力使用信息 。 它的平台每10分钟做出1000万次预测 ， 并优化超过50兆瓦的电力 ， 这足以为普通的郊区供电 。
Flex是该公司的旗舰产品 ， 通过从数万亿个终端获取、存储和管理pb级数据 ， 它可以预测和控制来自数百万客户的数万种能源资源 。 Flex结合了数据科学、机器学习和网络优化算法 ， 对物理行为和客户行为进行建模 ， 从而自动预测和调整供需模式 。
Autogrid还提供了一套完整的管理解决方案 ， 用于集成和利用终端客户安装的电池和微电网 。 与Flex一样 ， 它可以自动聚合、预测和优化变电站和变压器的资产容量 ， 以满足配电管理需求 ， 同时提供容量以避免在系统升级中进行资本投资 。
Autogrid首席执行官AmitNarayan博士告诉VentureBeat,COVID-19危机已经严重改变了加州的日常电力分配 ， 对能源市场的每小时价格产生了“显著”的下行影响 。 他说 ， Autogrid还从客户那里了解到 ， 一些地区的变压器故障是由于线路过载造成的 ， 他预计在夏季（空调使用量增加的时候） ， 这将成为严重居住和饱和负荷地区的一个问题 。
“在加州 ， （你会记得的） ， 2019年PG＆E领土上有超过100万居民面临与野火预防相关的停电 ， ”Narayan说 ， 他指的是去年夏天由太平洋天然气和电力公司策划的有争议的计划停电 。 “尽管经历了COVID-19危机 ， 但2020年的电力需求仍然很高 ， 因为居民们准备在今年夏天应对类似的情况 。 如果2019年这种情况再次发生 ， 考虑到健康危机和购买生活用品的困难 ， 后果将更加严重 。 ”
AI大有作为
人工智能和机器学习并不是解决电网问题的灵丹妙药——即使有预测工具可供使用 ， 电力公司也受制于波动的需求曲线 。 但供应商表示 ， 他们看到有证据表明 ， 这些工具已经在帮助预防疫情的最坏影响——主要是使他们能够更好地调整以适应每日和每周的电力负荷变化 。
“疫情导致的社会影响将持续发酵 ， 人们可能继续远程工作而不是去办公室 ， 他们可以通过改变通勤时间来避免高峰时段的人群 ， 或者寻求其他交通方式 ， ”施耐德电气首席创新官EmmanuelLagarrigue告诉VentureBeat 。 “所有这些都会影响每日电力负载曲线 ， 而这也是人工智能和自动化可以发挥作用的地方 ， 帮助我们更好在家 ， 建筑物和电网中实施维护 ， 性能改善和诊断 。 ”
相关报道：
【数据揭示疫情期间电力需求变化，电力企业巧用人工智能应对】https://venturebeat.com/2020/04/20/utilities-energy-usage-covid-19-ai-machine-learning/


    推荐阅读


    上一篇：抖音怎么蹭热点暴力涨粉？

    下一篇：家中养百合，养养就黄叶，教你几招，叶绿花大，年年开花