每周能源AI运用案例：预测电网故障

利用机器学习的人工智能可以说是现代分析技术中最重要的技术，它们正在被用于从日益增长的现代公用事业数据中提取价值。

一个关键的用例是围绕资产管理和维护，这在E.ON的德国北部地区电网运营商子公司，Schleswig-Holstein 电网公司的中压电网已经实现。

经过9个月的使用后，作为停电警告指标，其结果甚至使公司感到震惊。

E.ON德国电网业务负责人ThomasKönig说：“我们预测电网缺陷的概率增加了两到三倍。“我们的客户也从中受益，因为我们提前发现的可能的错误来源可以减少故障数量并使我们的电网更加稳定。”

E.ON的解决方案使用各种内部和外部数据来检测模式和不一致性，包括电力线路的年龄和类型，维护和天气数据以及实时电网信息。

将全面的数据分析与自学习算法相结合，可以在故障发生之前预测故障。据该公司介绍，根据他们获得的信息，近几个月来，Schleswig-Holstein电网公司中有十几个维护项目被提出。

该公司预计该技术的其他好处包括改进电网建设项目的规划，同时改善投资规划和预算分配。

E.ON声明说，近年来，该公司一直在努力提高其网络供应的安全性。例如，在Schleswig-Holstein电网，2016年的平均停机时间仅为8.85分钟，比全国平均值12.8分钟低约三分之一。

E.ON现在正在努力收购 RWE的Innogy，这一公司认为自己是人工智能领域的先锋。其解决方案由其配电运营商子公司HanseWerk AG和E.ON DataLab的专家在内部开发。

最初的目标是预测风电场的中压电缆何时需要更换。输入数据包括地理信息，资产和电网运营数据，以及有关天气，闪电和盐含量的外部数据。

除电力电缆用例外，该解决方案还应用于变电站，目的是扩展分析模型以覆盖其他资产，如低压电缆。

据该公司称，研究表明，智能方法比传统方法提高了30%。

今年早些时候，E.ON 与旧金山软件初创公司Sight Machine合作开发基于人工智能的解决方案，以提高欧洲商业和工业行业的能效。

E.ON在一份声明中表示：“我们相信创新技术和应用是未来，它们将给我们带来比竞争对手更大的优势。”