Status pembangunan kecerdasan buatan dalam industri kuasa
Sekarang adalah ulang tahun ke-140 elektrik dibekalkan ke rumah dan perniagaan sejak manusia mula menggunakannya. Industri elektrik telah berkembang dan menjadi salah satu perkhidmatan terpenting dalam pekerjaan dan kehidupan orang ramai. Tetapi industri ini juga sedang menghadapi satu set cabaran yang unik, yang bermaksud model perniagaan terdahulunya akan berubah.
Cabaran ini termasuk keperluan sebenar untuk kemampanan dalam penjanaan kuasa, yang telah diketengahkan pada Persidangan Perubahan Iklim Pertubuhan Bangsa-Bangsa Bersatu ke-26 pada November 2021. Negara-negara di seluruh dunia telah membuat komitmen untuk menyahkarbonkan bekalan tenaga mereka dan telah mengesahkan komitmen mereka untuk mempromosikan tenaga solar dan angin secara bersungguh-sungguh pada masa hadapan.
Ini memberi impak yang besar kepada industri elektrik yang sangat dikawal selia di dunia, yang berisiko denda dan risiko reputasi kerana kegagalan menyalurkan elektrik seperti yang dikehendaki oleh rangka kerja kawal selia. Peralihan daripada bahan api fosil kepada pengeluaran tenaga mampan perlu diurus dengan teliti apabila menggunakan kaedah yang kurang boleh diramal.
Harga tenaga yang melambung tinggi juga telah memberi kesan negatif kepada pembekal elektrik di seluruh dunia, dengan ramai yang terpaksa menutup operasi. Akibatnya, pembekal elektrik yang mantap terpaksa menerima ribuan pelanggan baharu hampir semalaman, memberikan tekanan yang besar kepada kedua-dua pekerja dan sistem elektrik.
Masalah yang disebabkan oleh teknologi warisan
Ini telah membawa masalah kepada orang ramai dengan sistem IT warisan. Sama seperti industri kuasa bergelut untuk mengemas kini dan mengubahsuai infrastruktur penuaan, adalah sukar untuk mencari pelaburan untuk menaik taraf platform IT disebabkan oleh kekurangan kemahiran dan kepakaran yang berkaitan yang semakin meningkat.
Jadi, walaupun inisiatif seperti pemeteran pintar harus membawa manfaat dengan mengurangkan kos dan meningkatkan kecekapan, dalam praktiknya sejumlah besar data yang dikumpul sukar untuk diurus dan dianalisis dalam apa-apa cara yang bermakna, seperti dalam meramalkan peristiwa masa depan secara nyata. masa.
Walaupun sesetengah pengguna telah dilucutkan pilihan dalam menghadapi krisis harga tenaga, menyediakan tahap perkhidmatan pelanggan yang cemerlang adalah faktor utama dalam mengurangkan pergelutan pelanggan dan memperoleh bahagian pasaran. Ini terpakai pada kedua-dua kontrak dan perkhidmatan pelanggan, dan untuk menyelesaikan isu bekalan tenaga.
Sistem IT tradisional bermakna kakitangan pusat hubungan maklumat perlu menyokong pelanggan sering diadakan dalam sistem yang berbeza. Orang digunakan sebagai penyambung antara sistem ini, mewujudkan geseran dalam proses seperti perubahan alamat, pengebilan atau perancangan pembetulan kegagalan.
Jadi, memandangkan keperluan untuk mencipta nilai untuk pemegang saham sambil memenuhi keperluan kawal selia dan memastikan pelanggan berpuas hati, bagaimana syarikat kuasa boleh menyesuaikan proses mereka dan menggunakan pendekatan yang lebih terdorong data untuk mengurus perniagaan mereka, dan bukannya pada skala? Menggantikan sistem IT lama?
Masukkan Automasi Pintar dan Kepintaran Buatan
Satu jawapan terletak pada penggunaan teknologi Intelligent Automation (IA) dan Artificial Intelligence (AI), teknologi yang direka untuk mengubah Teknologi elektrik penumpuan dalam cara industri beroperasi. Industri global sedang muncul yang menggunakan automasi pintar (IA) dan kecerdasan buatan (AI) pada hampir setiap aspek pengeluaran dan pengedaran elektrik yang mampan, dengan perusahaan besar mengguna pakai platform automasi untuk menyampaikan perubahan sebenar.
Bekerja dengan syarikat kuasa telah mengenal pasti beberapa bidang di mana automasi dan kecerdasan buatan akan membawa manfaat yang jelas.
(1) Pengalaman Pelanggan – Syarikat utiliti boleh dipengaruhi oleh skor pengalaman pelanggan (CX). Ini boleh mengakibatkan insentif/penalti tahunan yang besar dikenakan oleh pengawal selia, yang boleh menjadi pengalaman yang menyakitkan jika tidak diurus dengan baik. Dengan menyepadukan pengurusan perhubungan pelanggan (CRM) dan sistem pengebilan, utiliti boleh mengelak meninggalkan ejen pelanggan dengan sistem yang kompleks dan berbilang sumber data. Dan pekerja digital boleh melakukan tugas berat mengekstrak data ke dalam satu pandangan pelanggan.
(2) Infrastruktur Warisan - Realiti yang dihadapi oleh banyak perusahaan ialah persekitaran digital asas mereka adalah gabungan lama dan baharu, dan mempunyai keupayaan untuk menggabungkan kedua-duanya adalah penting. Mendapatkan maklumat daripada sistem IT pelanggan yang berusia berdekad-dekad untuk disepadukan ke dalam sistem pengurusan tenaga kerja moden masih dilakukan sedikit sebanyak oleh pekerja memotong dan menampal dari satu sistem ke sistem yang lain. Ini sahaja menyediakan banyak penambahbaikan yang boleh membantu pasukan tindak balas operasi menjadi lebih cekap. Ia juga membolehkan responden ini meluangkan lebih banyak masa dalam perbincangan dengan pelanggan, yang sering menghadapi lebih tekanan kerana kebanyakan panggilan adalah untuk isu berkaitan perniagaan dan perkhidmatan.
(3) Pelaporan alam sekitar – Ini sejajar dengan agenda iklim tetapi juga termasuk metrik seperti pelaporan prestasi sekitar sasaran pengawalseliaan untuk pencemaran dan pengeluaran tenaga yang cekap. Pelaporan sedemikian adalah kritikal, menyokong sistem automatik yang boleh mengurus pemantauan dan tindak balas hari yang sama untuk menyediakan pelaporan yang tepat mengenai sasaran.
(4) Sistem Pintar – Keperluan untuk 27 negara anggota EU untuk bergerak ke arah sistem pintar menambahkan lapisan kerumitan. Setiap pembekal tenaga mempunyai matlamat yang mereka lakukan sendiri atau penyumberan luar. Interaksi antara sistem pembekal tenaga dan pemasang adalah kompleks, dengan banyak masalah penduaan dan akses yang boleh dipertingkatkan oleh automasi (IA) dan kecerdasan buatan (AI).
(5) Optimumkan penyelenggaraan loji - Infrastruktur penjanaan dan pengedaran penuaan adalah antara cabaran terbesar yang dihadapi syarikat utiliti di negara maju. Ini mempunyai kesan yang besar terhadap keupayaan mereka untuk menyediakan perkhidmatan yang boleh dipercayai, kos efektif dan "bukti masa hadapan" kepada pengguna akhir mereka. Dalam sesetengah kes, pembekal ini menggunakan peralatan penjanaan yang berusia lebih daripada 30 tahun dan ingin memaksimumkan penggunaannya dengan melaksanakan IoT, automasi pintar (IA) dan kecerdasan buatan (AI) di sekitar aliran kerja seperti penyelenggaraan ramalan. Di sinilah penderia pada peralatan besar menyediakan data kepada sistem SCADA, dan IoT, kecerdasan buatan dan platform automasi pintar boleh membantu menentukan kemungkinan kegagalan. Berdasarkan data ini, permintaan perkhidmatan lapangan boleh dijadualkan secara automatik dan juruteknik dibaiki sebelum kegagalan berlaku, dengan itu memanjangkan hayat perkhidmatan, mengurangkan kos dan meningkatkan kecekapan.
(6) Perubahan Iklim – Hampir semua pembekal mempunyai sasaran untuk mencapai pelepasan sifar bersih dalam jangka masa tertentu. Menggunakan automasi proses robotik (RPA), analisis lanjutan dan kecerdasan buatan boleh membantu mencapai matlamat perubahan iklim dan keperluan yang semakin meningkat untuk air bersih, mampu milik dan boleh dipercayai. Contohnya, San Diego Gas and Electric menggunakan data penderia serta data cuaca satelit untuk mengelakkan kebakaran hutan. Contoh lain ialah menggunakan dron untuk menjalankan pemeriksaan infrastruktur kuasa dan ladang solar, dan menggunakan penglihatan komputer untuk mengesan anomali di mana pekerja digital mengumpul data, menganalisis dan melaksanakan tindakan terbaik seterusnya.
Menghapuskan halangan untuk diterima pakai
Memandangkan manfaat yang boleh dibawa oleh automasi pintar (IA) dan kecerdasan buatan (AI) kepada industri kuasa, mengapa masih terdapat keengganan dalam sesetengah pihak untuk menerima pakai berkaitan teknologi? Untuk semua Perusahaan yang memanfaatkan kelebihan penggerak pertama dan melihat hasil yang boleh diukur (seperti pengurangan penerimaan pelanggan, penjadualan jurutera automatik dan perubahan tanpa geseran untuk menangani proses), dan lain-lain yang masih belum mengambil sebarang langkah bermakna untuk menggunakan automasi pintar ( IA) dan teknologi Pintar Pintar (AI) kecerdasan buatan.
Sebagai peraturan, halangan untuk diterima pakai cenderung kepada budaya dan bukannya teknikal dan belanjawan. Menggunakan teknologi baharu memerlukan pembelian bukan sahaja daripada pasukan kepimpinan kanan dan unit perniagaan, tetapi juga daripada pasukan IT: hasil terbaiknya datang daripada program perubahan yang berterusan, bukan hanya projek ad hoc sekali sahaja.
Satu lagi cabaran ialah perniagaan yang beroperasi dalam industri yang berdaya saing tinggi mungkin tidak bersedia untuk berkongsi amalan terbaik perancangan automasi pintar (IA) dan kecerdasan buatan (AI) serta hasil yang boleh diukur. Dalam industri dengan persaingan perniagaan yang sengit, sukar untuk mencapai transformasi digital bersama dan bersepadu.
Akhir sekali, utiliti mungkin takut kehilangan kawalan ke atas perkhidmatan penting jika terlalu banyak pekerjaan dipindahkan daripada pekerja kepada teknologi digital. Walau bagaimanapun, seperti yang ditemui oleh banyak utiliti, teknologi digital boleh berfungsi sepanjang masa dengan produktiviti, ketepatan, keselamatan dan kelajuan yang lebih tinggi daripada pekerja manusia.
Sejak pembukaan stesen janakuasa pertama pada tahun 1882, industri janakuasa telah berkembang jauh. Tetapi disebabkan perubahan iklim, infrastruktur dan sistem warisan yang semakin tua, kami kini telah mencapai titik perubahan di mana kami perlu mula menerima pakai teknologi dan pendekatan yang berbeza, termasuk penggunaan platform teknologi pintar yang dibina berdasarkan automasi pintar dan kecerdasan buatan.
Atas ialah kandungan terperinci Status pembangunan kecerdasan buatan dalam industri kuasa. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Menurut berita dari laman web ini pada 2 Julai, akaun rasmi CNOOC mengeluarkan pengumuman semalam (1 Julai), mengumumkan bahawa projek pembangunan medan minyak Wushi 23-5 ini juga merupakan minyak reka bentuk hijau serba lengkap yang pertama padang di luar pesisir di negara saya. Buat pertama kalinya, kumpulan medan minyak ini mengetuai minyak dan gas dari 2,000 meter dasar laut di bawah tanah ke Semenanjung Leizhou di Guangdong, menjadi model baharu untuk pembangunan hijau medan minyak luar pesisir China dan menyediakan demonstrasi dan pengalaman praktikal yang penting untuk industri tenaga negara saya untuk berubah ke arah transformasi rendah karbon dan hijau. Laman web ini mengetahui daripada laporan bahawa kumpulan medan minyak Wushi 23-5 terletak di perairan timur Teluk Beibu, dengan purata kedalaman air kira-kira 28 meter Ia terdiri daripada 2 platform luar pesisir dan 1 terminal darat. Kumpulan medan minyak Wushi 23-5 merancang untuk menempatkan 43 telaga pembangunan ke dalam pengeluaran, termasuk 28 telaga pengeluaran minyak dan 15 telaga suntikan air. Kumpulan medan minyak dijangka mencapai pengeluaran harian kira-kira 1

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S
