Публикации по теме 'energy'


Варианты использования больших данных и машинного обучения в энергетическом секторе
Сводка Электроэнергетический сектор в странах Африки к югу от Сахары («SSA») за последнее десятилетие стал свидетелем экспоненциального роста. Рост поддерживается национальными стратегиями электрификации большинства стран, которые направлены на достижение всеобщего доступа к электроэнергии к 2022 году. Повышение интенсивности энергосистем предъявляет повышенные требования к надежности, качеству и эффективности энергосистемы. Кроме того, переход к децентрализованным установкам..
Как повысить энергоэффективность в современном мире с помощью машинного обучения и искусственного интеллекта
вступление В наши дни термин «Энергоэффективность» приобрел новое значение. Это не только интересная тема, но и становится необходимостью и абсолютной необходимостью. Это изменение произошло в связи с недавней ситуацией на энергетических рынках из-за войны на Украине. Высокая волатильность цен на энергию и необходимость диверсификации идут рука об руку с попытками сократить потребление энергии. В этой статье мы выделим несколько областей и приведем примеры, где искусственный..
Разработка устойчивых веб-сайтов
Разработка устойчивых веб-сайтов Борьба с выбросами CO2 в Интернете 🌱🌎 Интернет произвел революцию в том, как мы общаемся, работаем и получаем доступ к информации. Однако с ростом использования Интернета наблюдается соответствующее увеличение углеродного следа Интернета. Согласно отчету The Shift Project, на цифровую индустрию приходится около 4% глобальных выбросов парниковых газов, что эквивалентно углеродному следу всей авиационной отрасли. Углеродный след Интернета можно..
Виртуальная дезагрегация  — революционный подход к инновациям в области энергоэффективности
Неинтрузивный мониторинг нагрузки (NILM), также известный как виртуальная дезагрегация, представляет собой управляемый данными подход к определению рабочего состояния (вкл./выкл.) и точного энергопотребления отдельных электрических нагрузок, принимая во внимание только совокупное потребление этих нагрузок. нагрузки. В этом отчете мы рассмотрим, почему и где NILM может помочь обезуглероживанию энергии в зданиях. Разработки NILM восходят к 1992 году с первоначальными усилиями Харта [1, 2],..
Как смоделировать праздники в прогнозировании нагрузки?
Я часто вижу, как люди используют одну фиктивную переменную, чтобы смоделировать, является ли конкретный день праздником или нет. Почему это не работает? Потому что все праздники не одинаковы, и ваша модель не может различать разные праздники, если вы используете только одну фиктивную переменную, чтобы определить, праздник это или нет. Давайте погрузимся в… Есть два типа праздников: Те, которые происходят в один и тот же день недели каждый год (также называемый фиксированным..
Практический пример: Платформа Advanced Sensor Analytics
Проблема PingThings был стартапом, стремящимся создать платформу реального времени для использования машинного обучения для физических систем в электросетях и ценных промышленных активов, таких как трансформаторы GSU и понижающие трансформаторы. Им нужна была аналитическая платформа для отслеживания данных датчиков, сосредоточенная на хранении и обработке данных временных рядов и моделировании сложных взаимосвязей между сигналами синхрофазоров с высоким разрешением. Сектор Энергетика..
Google только что продемонстрировал ценность ИИ и машинного обучения в строительстве.
На этой неделе Google объявил об очень умном способе повышения эффективности и извлечения большей выгоды из работы ветряной турбины. Компания в сотрудничестве с DeepMind AI создала набор нейронных сетей и алгоритмов машинного обучения, которые могут прогнозировать характер ветра и позволяют им продавать электроэнергию в сеть на 20% дороже, чем базовая производительность. Лучшая мощность – надежная мощность Электричество, которое питает наши дома и заряжает наши ноутбуки, проходит..