所属行业：能源设备及解决方案
客户：Avacon Natur GmbH
项目名称：Avacon Data-Quality
年份：2023
项目周期：2023年7月 ~ 9月
通过使用神经网络优化效率和性能分析
Avacon Natur GmbH采用智能电网管理技术，为市政、工业和家庭提供安全的能源供应。热电厂（CHP）同时提供电能和热能，从而提高了效率。传感器在操作过程中记录大量的温度、流量和输出数据。这些数据的标准化，对效率和性能分析是至关重要的，能够定期测量优化热电联产效率并符合法律要求，确保透明和可持续运行。
热电厂的联产机组的技术故障会影响到数据的采集和传输。硬件和软件问题以及网络中的通信问题导致数据缺口，使分析变得越发困难。监管变化或电网波动等外部因素也会影响性能和运行。以上这些情况，都将使得识别和分析异常变得更加困难，并导致成本高昂的人工返工，例如直接向系统操作员查询数据。
不明确的原因会损害数据的可信度，使故障排除变得复杂，并导致更长的停机时间和更高的维护成本。不准确的数据还存在合法性风险，甚至有可能会导致法律层面的责任。
我们的策略
作为我们数据和人工智能分析的一部分，我们对马格德堡附近一家热电厂的运行数据进行了核查，分析了数据收集、数据质量要求、使用的数据源和现有的内部数据质量方法。我们这么做的目的是为该热电厂制定出有效的优化策略和原型，以增强数据的合理性和补充缺失的信息。
美名软件开发了一个基于人工神经网络的自主学习系统，该系统可以识别运行数据中的外部影响和技术故障。它在保留原始数据文本的同时，识别并填补数据集中的空白和缺失的数据点。系统识别出模式和异常，提示非正常的操作条件或故障。
神经网络使用历史时间序列数据进行训练，手动校正和汇总各种分辨率的值，直至单个传感器的分钟范围。他们分析多变量因果关系，测量效应大小，并创建内部评估的预测。这使系统能够区分正常和异常情况，即使在发生外部故障时也能精确快速地检测问题。
我们的服务
- 策略：
- 数据和AI潜力分析，架构咨询
- 开发：
- 开发一个原型
- 生命周期服务：
- 开发运作，维护和变更管理
客户收益
该系统是通过分析现有数据和AI潜力开发的。我们专注于克服共同确定的挑战，如数据差距和操作异常。这种有条不紊的运作方法，对实施方案和可扩展的系统架构提出了具体的建议。
我们的目标是开发出一个强大的解决方案，为智能电网管理中的监控和微调操作过程提供重要的附加价。该解决方案使AVACON Natur的员工在实际应用中具有了高度的灵活性。
通过机器学习、人工神经网络和先进的统计方法作为模块化过滤器选项，可以有效地管理了已知的外部事件和影响。直观的用户界面使员工能够优化和扩展核心功能。此外，在功能范围内考虑了AI应用的监管操作，以满足法律层面的要求。
我们的积累
- 数据分析与过滤：
- 使用开源Python库
- 选定数据科学算法的应用
- 在Synapse notebook中补充自己的专家代码
- 关注数据质量和合理性
- 原型的实施：
- 使用微软的Azure Synapse Analytics
- 面向AVACON nature的系统架构
- Synapse Studio中Power BI工具的集成
- 创建数据质量和可行性报告
- 已经在AVACON nature中使用
- 微软合作开发数据和AI解决方案：
- 加速解决方案开发
- 通过Microsoft访问专业资源
技术运用
- Blob Storage
- Event Grid
- Message Queues
- Azure Function
- Azure DataBricks
- Azure AI Studio
- Data Analysis
- Python
- R