#Технологии #ИИ #ЖКХ #Энергоэффективность
Российские ученые разработали платформу на основе технологий искусственного интеллекта, которая сможет объединить действующие в стране ИИ-сервисы для повышения эффективности обработки больших данных. Внедрение платформы позволит находить тепловые утечки в жилфонде и объектах инфраструктуры, что приведет к повышению энергоэффективности и снижению платежей граждан. Применение платформы также позволит вывести на новый уровень инструменты прогнозной аналитики в сфере технического обслуживания зданий. Это ускорит переход от планово-предупредительного ремонта к прогнозному.
Ожидается, что объединение ИИ-сервисов государственных и частных компаний на одной платформе позволит при помощи технологий искусственного интеллекта находить новые закономерности в анализируемых ими данных. Это поможет по-новому подойти к обоснованию тарифов на коммунальные услуги за счет учета большего количества информации и параметров.
Российские ученые разработали платформу на основе технологий искусственного интеллекта, которая сможет объединить действующие в стране ИИ-сервисы для повышения эффективности обработки больших данных. Внедрение платформы позволит находить тепловые утечки в жилфонде и объектах инфраструктуры, что приведет к повышению энергоэффективности и снижению платежей граждан. Применение платформы также позволит вывести на новый уровень инструменты прогнозной аналитики в сфере технического обслуживания зданий. Это ускорит переход от планово-предупредительного ремонта к прогнозному.
Ожидается, что объединение ИИ-сервисов государственных и частных компаний на одной платформе позволит при помощи технологий искусственного интеллекта находить новые закономерности в анализируемых ими данных. Это поможет по-новому подойти к обоснованию тарифов на коммунальные услуги за счет учета большего количества информации и параметров.
This media is not supported in your browser
VIEW IN TELEGRAM
#Электросети #ИИ #Технологии
Изменение климата и устойчивость электросетевой инфраструктуры
В Испании в конце прошлого года стартовал проект, направленный на снижение рисков сетевой инфраструктуры от негативного влияния изменения климата, которое, как ожидается, будет только возрастать со временем.
Проект испанской коммунальной компании Endesa Resisto, предполагающий разработку решений для прогнозного анализа и управления погодными и другими природными явлениями с использованием ИИ, а также развертывание датчиков, тепловизионных камер наблюдения, метеостанций и парка автономных дронов с целью снижения их воздействия на электросеть. Общий бюджет проекта составляет $2 млн.
Основное внимание уделяется решениям в четырех областях: планирование, обнаружение, восстановление и адаптация.
✔️ Благодаря использованию ИИ и больших данных будут определены области, которые подвергаются наибольшему риску возникновения определенных погодных условий, а также физических действий со стороны животных и людей, чтобы помочь прогнозированию и профилактике.
✔️ С помощью датчиков и теплового и другого наблюдения можно контролировать рост и контроль растительности.
✔️ Для содействия восстановлению предлагается использовать ИИ и парк автономных дронов для обнаружения и мониторинга инцидентов в режиме реального времени, а также для поддержки задач эксплуатации и технического обслуживания, особенно в труднодоступных районах.
✔️ Наконец, благодаря постоянному изучению ИИ, накопленный опыт может быть использован для дальнейшего усиления защиты сети.
(на видео очистка проводов от снега с вертолета, взято у Управдом)
Изменение климата и устойчивость электросетевой инфраструктуры
В Испании в конце прошлого года стартовал проект, направленный на снижение рисков сетевой инфраструктуры от негативного влияния изменения климата, которое, как ожидается, будет только возрастать со временем.
Проект испанской коммунальной компании Endesa Resisto, предполагающий разработку решений для прогнозного анализа и управления погодными и другими природными явлениями с использованием ИИ, а также развертывание датчиков, тепловизионных камер наблюдения, метеостанций и парка автономных дронов с целью снижения их воздействия на электросеть. Общий бюджет проекта составляет $2 млн.
Основное внимание уделяется решениям в четырех областях: планирование, обнаружение, восстановление и адаптация.
(на видео очистка проводов от снега с вертолета, взято у Управдом)
Please open Telegram to view this post
VIEW IN TELEGRAM
#Электроэнергетика #ИИ
Т Плюс начала использовать ИИ для предотвращения инцидентов
Компания «Т Плюс» развернула систему предиктивной аналитики в 7 филиалах, расположенных в Центральном, Приволжском и Уральском федеральных округах. На ТЭЦ «Академическая» уже началась эксплуатация системы. В остальных филиалах идет настройка и обучение математических моделей оборудования.
Разработанная система предназначена для автоматизации мониторинга и диагностики развития неисправностей, отклонений в режимах работы электростанций, а также прогнозирования технического состояния газовых и паровых турбин, котлоагрегатов, вспомогательного оборудования и оборудования электрического хозяйства ТЭЦ.
Благодаря искусственному интеллекту уже удалось предотвратить три инцидента на ТЭЦ «Академическая», которые могли бы суммарно вывести станцию из строя на 24 часа. В результате компания не поставила бы в сеть 5,5 млн кВтч электричества и не отпустила потребителям 3360 Гкал тепла.
Модуль прогностики основан на эталонных моделях работы оборудования в разных условиях и при различных режимах. Модели строятся с использованием нейросетей и результатов анализа данных о работе энергообъекта и постоянно соотносятся с информацией, поступающей в реальном времени. Для этого на основном (котлы, турбины) и вспомогательном (например, насосы) оборудовании ТЭЦ установлено около 8500 разных датчиков, которые анализируют состояние и работу каждого элемента станции. Собранные показатели попадают напрямую в систему прогностики. А она, в свою очередь, сигнализирует оперативному персоналу о разных отклонениях.
На следующих этапах предполагается разработать систему управления производственными данными теплового узла, которая объединит управление генерацией и транспортировкой теплоэнергии, прогностику, цифровые двойники станций в единую централизованную систему управления производством.
Т Плюс начала использовать ИИ для предотвращения инцидентов
Компания «Т Плюс» развернула систему предиктивной аналитики в 7 филиалах, расположенных в Центральном, Приволжском и Уральском федеральных округах. На ТЭЦ «Академическая» уже началась эксплуатация системы. В остальных филиалах идет настройка и обучение математических моделей оборудования.
Разработанная система предназначена для автоматизации мониторинга и диагностики развития неисправностей, отклонений в режимах работы электростанций, а также прогнозирования технического состояния газовых и паровых турбин, котлоагрегатов, вспомогательного оборудования и оборудования электрического хозяйства ТЭЦ.
Благодаря искусственному интеллекту уже удалось предотвратить три инцидента на ТЭЦ «Академическая», которые могли бы суммарно вывести станцию из строя на 24 часа. В результате компания не поставила бы в сеть 5,5 млн кВтч электричества и не отпустила потребителям 3360 Гкал тепла.
Модуль прогностики основан на эталонных моделях работы оборудования в разных условиях и при различных режимах. Модели строятся с использованием нейросетей и результатов анализа данных о работе энергообъекта и постоянно соотносятся с информацией, поступающей в реальном времени. Для этого на основном (котлы, турбины) и вспомогательном (например, насосы) оборудовании ТЭЦ установлено около 8500 разных датчиков, которые анализируют состояние и работу каждого элемента станции. Собранные показатели попадают напрямую в систему прогностики. А она, в свою очередь, сигнализирует оперативному персоналу о разных отклонениях.
На следующих этапах предполагается разработать систему управления производственными данными теплового узла, которая объединит управление генерацией и транспортировкой теплоэнергии, прогностику, цифровые двойники станций в единую централизованную систему управления производством.
#Энергосистема #Технологии #ИИ
Развитие энергетики будет неразрывно взаимосвязано с развитием искусственного интеллекта
Учитывая устойчивую тенденцию к усложнению энергетических систем, которые вынуждены поддерживать разнонаправленные потоки электроэнергии между распределенными генераторами, сетью, электромобилями и домохозяйствами, выступающими в т. ч. и в роли производителей электроэнергии, устойчивое развитие и даже функционирование энергосистем без использования ИИ становится маловероятным.
Уже сейчас умные счетчики производят в несколько тысяч раз больше данных, чем их аналоговые предшественники. Новые поколения устройств мониторинга потоков электроэнергии в сети передают операторам на порядок больше данных, чем технологии, которые они заменяют. Мировой парк ветряных турбин включает в себя более 400 млрд точек данных.
В результате значительно возрастает потребность в обмене информацией, ее анализе, в более мощных инструментах планирования и эксплуатации энергетических систем.
И тут на сцену выходит стремительно развивающийся ИИ. Модели машинного обучения становятся все более совершенными, вычислительные мощности, необходимые для их разработки, удваиваются каждые пять-шесть месяцев с 2010 года. Некоторые алгоритмы ИИ даже способны самостоятельно программировать и изменять свой собственный код. ИИ уже используется более чем в 50 различных областях энергетической системы, а потенциал данного рынка оценивается в $13 млрд.
Одним из наиболее распространенных применений ИИ в энергетическом секторе является улучшение прогнозирования спроса и предложения. Так, например, нейронная сеть серьезно улучшила точность прогнозов ветропарка мощностью 700 МВт на 36 часов вперед. Что в совокупности с другими преимуществами ИИ увеличило финансовые результаты парка ВЭС на 20%. Другая компания разработала приложение для прогнозирования спроса на энергию с поддержкой ИИ, которое позволяет менеджерам коммерческих зданий избегать пиковых затрат и получать выгоду от тарифов с учетом времени использования.
Еще одним ключевым приложением ИИ является прогнозное техническое обслуживание, при котором производительность энергетического оборудования постоянно контролируется и анализируется для заблаговременного выявления потенциальных неисправностей. Так, например, алгоритм машинного обучения для прогнозирования необходимости замены кабелей среднего напряжения в сети и их профилактическое обслуживание потенциально может сократить перебои в электросети до 30%. Установка датчиков на линиях электропередачи для мониторинга уровня вибрации позволяют сократить количество отключений электроэнергии по этим кабелям на 15%. А применение ИИ для анализа данных с умных счетчиков клиентов сетевых организаций позволяет выявлять возникновение проблем на оборудовании потребителей.
ИИ присущи и свои риски, которые необходимо учитывать и устранять. К ним относятся, но не ограничиваются ими, угрозы кибербезопасности и конфиденциальности, влияние искажений или ошибок в данных, а также некорректные корреляции из-за недостаточного обучения, ошибок в данных или кодировании, нехватка и высокая стоимость квалифицированных специалистов по обработке данных и программистов, необходимость постоянного повышения квалификации сотрудников, большие объемы потребления электроэнергии ИИ (обучение одной модели требует электроэнергии больше годового потребления 100 домохозяйств в США) и рваный график такого потребления, проблема ответственности за негативные последствия от применения ИИ, который был разработан одной компанией, а применяется другой, масштаб негативных последствий для энергосистем и экономик от возможной некорректной работы моделей ИИ.
Развитие энергетики будет неразрывно взаимосвязано с развитием искусственного интеллекта
Учитывая устойчивую тенденцию к усложнению энергетических систем, которые вынуждены поддерживать разнонаправленные потоки электроэнергии между распределенными генераторами, сетью, электромобилями и домохозяйствами, выступающими в т. ч. и в роли производителей электроэнергии, устойчивое развитие и даже функционирование энергосистем без использования ИИ становится маловероятным.
Уже сейчас умные счетчики производят в несколько тысяч раз больше данных, чем их аналоговые предшественники. Новые поколения устройств мониторинга потоков электроэнергии в сети передают операторам на порядок больше данных, чем технологии, которые они заменяют. Мировой парк ветряных турбин включает в себя более 400 млрд точек данных.
В результате значительно возрастает потребность в обмене информацией, ее анализе, в более мощных инструментах планирования и эксплуатации энергетических систем.
И тут на сцену выходит стремительно развивающийся ИИ. Модели машинного обучения становятся все более совершенными, вычислительные мощности, необходимые для их разработки, удваиваются каждые пять-шесть месяцев с 2010 года. Некоторые алгоритмы ИИ даже способны самостоятельно программировать и изменять свой собственный код. ИИ уже используется более чем в 50 различных областях энергетической системы, а потенциал данного рынка оценивается в $13 млрд.
Одним из наиболее распространенных применений ИИ в энергетическом секторе является улучшение прогнозирования спроса и предложения. Так, например, нейронная сеть серьезно улучшила точность прогнозов ветропарка мощностью 700 МВт на 36 часов вперед. Что в совокупности с другими преимуществами ИИ увеличило финансовые результаты парка ВЭС на 20%. Другая компания разработала приложение для прогнозирования спроса на энергию с поддержкой ИИ, которое позволяет менеджерам коммерческих зданий избегать пиковых затрат и получать выгоду от тарифов с учетом времени использования.
Еще одним ключевым приложением ИИ является прогнозное техническое обслуживание, при котором производительность энергетического оборудования постоянно контролируется и анализируется для заблаговременного выявления потенциальных неисправностей. Так, например, алгоритм машинного обучения для прогнозирования необходимости замены кабелей среднего напряжения в сети и их профилактическое обслуживание потенциально может сократить перебои в электросети до 30%. Установка датчиков на линиях электропередачи для мониторинга уровня вибрации позволяют сократить количество отключений электроэнергии по этим кабелям на 15%. А применение ИИ для анализа данных с умных счетчиков клиентов сетевых организаций позволяет выявлять возникновение проблем на оборудовании потребителей.
ИИ присущи и свои риски, которые необходимо учитывать и устранять. К ним относятся, но не ограничиваются ими, угрозы кибербезопасности и конфиденциальности, влияние искажений или ошибок в данных, а также некорректные корреляции из-за недостаточного обучения, ошибок в данных или кодировании, нехватка и высокая стоимость квалифицированных специалистов по обработке данных и программистов, необходимость постоянного повышения квалификации сотрудников, большие объемы потребления электроэнергии ИИ (обучение одной модели требует электроэнергии больше годового потребления 100 домохозяйств в США) и рваный график такого потребления, проблема ответственности за негативные последствия от применения ИИ, который был разработан одной компанией, а применяется другой, масштаб негативных последствий для энергосистем и экономик от возможной некорректной работы моделей ИИ.
#Технологии #ИИ #ЖКХ
Нейросеть приступила к контролю правил благоустройства во дворах Петербурга
При анализе видеопотока с камер нейросеть выявляет переполненные контейнеры, урны и бункеры для сбора отходов, мелкий и крупный мусор на территории, наличие снега на ней, сугробы, заснеженные входы в парадные и скамейки, а также посторонние графические изображения, ямы, загрязнение домовых знаков и опор освещения.
Выявив нарушения нейросеть отправляет ответственному за уборку сообщение с фотографией недочета и сроком на его устранение. Затем она же проверяет, выполнено ли задание. Кроме всего прочего использование нейросети помогает экономить время исполнителей, так как не требует от них отчетов о выполнении задач, проверяя все автоматически.
В пилотный проект подключено более 900 камер в четырех районах города: Василеостровском, Петроградском, Центральном и Адмиралтейском.
Также город предполагает внедрение системы, которая координирует работу снегоуборочной техники. Такая система, управляемая искусственным интеллектом, сможет предложить или оптимизировать маршрут для каждой машины с учетом множества факторов — погоды, пробок и аварий на дорогах, времени последней уборки конкретной улицы и так далее.
* На фото сосуля из Питера.
Нейросеть приступила к контролю правил благоустройства во дворах Петербурга
При анализе видеопотока с камер нейросеть выявляет переполненные контейнеры, урны и бункеры для сбора отходов, мелкий и крупный мусор на территории, наличие снега на ней, сугробы, заснеженные входы в парадные и скамейки, а также посторонние графические изображения, ямы, загрязнение домовых знаков и опор освещения.
Выявив нарушения нейросеть отправляет ответственному за уборку сообщение с фотографией недочета и сроком на его устранение. Затем она же проверяет, выполнено ли задание. Кроме всего прочего использование нейросети помогает экономить время исполнителей, так как не требует от них отчетов о выполнении задач, проверяя все автоматически.
В пилотный проект подключено более 900 камер в четырех районах города: Василеостровском, Петроградском, Центральном и Адмиралтейском.
Также город предполагает внедрение системы, которая координирует работу снегоуборочной техники. Такая система, управляемая искусственным интеллектом, сможет предложить или оптимизировать маршрут для каждой машины с учетом множества факторов — погоды, пробок и аварий на дорогах, времени последней уборки конкретной улицы и так далее.
* На фото сосуля из Питера.