[每个人都在看，单击右上角添加“关注”]

　　北极恒星太阳能光伏新闻：AI在能源领域的应用

　　人工智能（AI）技术已被广泛用于能源领域的系统建模，预测，控制和优化。

　　（资料来源：微信公共帐户“ jiaineng.com” ID：jionengwang）

　　能源是人类社会的中心，并促进了技术和整体人类健康的发展。但是，随着全球人口的稳定增长（预计到2050年将达到近100亿），能源供应必须与需求一致。因此，对资源的决策和管理非常重要，因为如果制定不当，它可能会产生巨大的经济影响或导致能源短缺。

　　人工智能（AI）技术具有有效解决复杂问题的出色优势。如今，当可再生能源需求逐渐增加时，能源系统的实际时间需求就会越来越高。智能技术在能源互联网中具有广泛的应用程序前景。在能源行业中，数据收集器和传感器的广泛使用已收集了有关能源消耗的大量数据。这些数据可以帮助理解，建模和预测身体行为以及人类对能量的影响。该地面应用于能量场中的系统建模，预测，控制和优化。

　　在Tsinghua大学中国科学技术政策研究中心发布的“中国人工智能发展2018年”报告中，通过分析德温特全球专利人的专利公共数据，发现AI中Top10专利所有者的分布字段如下所示：

　　图1：AI字段中的Top10专利人分布（单位：零件）（来源：参考材料1）

　　作为唯一的中国公司，唯一一家中国公司在专利布局的AI领域拥有国际竞争对手的位置，这也显示了AI技术在能源领域的巨大应用潜力。国家电网公司的AI相关发明技术主要用于电网控制，电源分销网络，风电站，新能源和其他领域的领域。

　　当然，在整个电源系统中，除了电源端和传输方面，AI在用户方上的应用也非常受欢迎，例如负载预测，需求侧面管理和用户分类。下图描述了AI在新能源作为电源小额信贷中的典型应用。 AI技术，例如机器学习，模糊逻辑，自然语言处理，大数据技术等以及一些混合动力AI方法设计，模拟，预测，控制，优化，评估，监测，监视，故障诊断，需求 - 侧面管理等等提供了强大的工具。

　　图2：AI在电源领域的应用（来源：参考材料2）

　　能源领域常用的人工智能技术

　　机器学习

　　机器学习理论主要是设计和分析一些允许计算机积极“学习”的算法。在能源行业中，它可以应用于电网工程的可视化，辅助电厂优化了电网的内部设置。自然语言处理自然语言处理使计算机可以将输入语言数据转换为有趣的符号和关系，然后对其进行处理。在能源行业中，自然语言处理可自动获取能量数据以准备进一步的能源分析。

　　大数据技术

　　大数据技术是指各种来源的大量非结构化或结构数据，并使用人工智能从数据中挖掘信息来帮助决策。在能源行业，发电厂的管理和运营是大数据技术的例子之一。

　　深度学习

　　深度学习使用多个处理层，这些处理层包含复杂的结构或多个非线性转换购买，以执行数据的高级抽象。在能源行业中，使用深度学习来优化钻井效率可以提高生产效率20％，并将成本降低40％。

　　计算机视觉

　　计算机视觉是一种研究如何实现“看到”人眼功能的技术。计算机视觉中的图像识别可以应用于能源行业的能源探索，并通过收集信息来描述地层结构。

　　模糊的逻辑模糊逻辑是基于多值逻辑的人工智能的基本理论。模糊收集的方法用于研究模糊的思维，语言形式及其常规科学。对于未知或不稳定的描述系统，模糊逻辑可以应用模糊集和模糊规则来推理，并实施模糊的综合判断。在能源行业中，模糊逻辑可用于处理不完整的石油和天然气田地地质数据，从而优化调查模型并推理更多精细的地质结构。

　　人工智能在能量领域的应用方向

　　预测预测是人工智能在能源领域中最常见的应用，包括在诸如负载预测和电价预测等能源经济中的预测以及发电电源预测。在电源方面，可再生能源（例如风能，太阳能和水能）受影响更大的天气条件的影响。它可以采用深层信仰网络（DBN），集成学习和有条件的变更编码。培训，多分类综合决策 - 制定，独立的独立提取和学习CBin仲博怎么样可靠吗，强大的概括能力等，基于调节大数据（天气，环境，大气条件，电站地理位置和电网历史记录操作数据等） ，整合算法的各种预测模型，一种无监督/半监管的自我学习方法分析，并发现数据的内部定律和各种因素之间的耦合关联，预测可再生能源发电，并提高了可再生能源的预测精度可再生能源。在用户方面，使用工程方法和统计方法进行负载预测是传统的。但是这些方法基本上是线性模型，负载和功率模式通常是外源变量的非线性函数。因此，统计方法在预测准确性和灵活性方面存在缺陷。随着ANN预测方法的发展，预计深度学习技术将通过更高水平的抽象来提高预测准确性。另外，模糊的逻辑，遗传算法和SVM也广泛用于预测中。这些技术和深度学习的结合已获得了很高的预测准确性。南部净通用管理局的技术专家Liang Shouyu于2015年学习了AI。根据Google的Tensorflow开源框架， AI和电网调度业务的组合实现了基于AI的负载预测模型，取代了原始的人造人造手册，该手册计算出的预测的准确性高达几天前97％。

　　失败检测和诊断AI技术在电气系统故障的诊断中起关键作用。 AI技术的主要用途包括：模糊逻辑模型，对神经网络方法的广泛回报感，多核SVM，免疫化学神经网络，分布式机器学习，ANN，神经模糊和小波神经网络，隐藏的Marcoov模型。

　　需求侧管理

　　需求侧管理是智能电网的重要功能之一，它可以提高智能电网的可持续性，并降低整体运行成本和碳排放水平。传统能源管理系统中的大多数现有需求侧管理策略采用系统特定技术和算法。此外，现有策略只能处理有限数量的可控负载。 AI技术，例如隐藏的MARCOV模型，集群算法，遗传算法和机器学习，在负载识别，多用户协调控制和峰值控制方面具有良好的应用。

　　人工智能技术在能源领域的应用已取得了良好的发展。尽管我国家的应用研究刚刚进入了轨道，我国家的能源行业的持续发展，电力系统总数据的增加以及市场竞争和增加的影响，但它们都为应用程序提供了广泛的应用程序人工智能技术

　　原始标题：[人工智能]当AI满足能量时

　　免责声明：上述内容是从北极星电气新闻网络复制的。发布的内容并不代表该平台的位置。国家能源信息平台电话：010-65367702，电子邮件：hz@people-rgy.com.cn，地址：北京乔亚阳区的第2号人日，第2号，北京

　　报告/反馈