人工智慧可以催生電力行業的獨角獸嗎？

話說這機器學習橫空出世，就像孫悟空抄起金箍棒一陣亂揮，打破了許許多多行業的舊秩序。

過去我們聊過機器學習技術如何顛覆互聯網和電商，今天咱們聊聊傳統行業。

希望這些觀點對有電力資源的朋友有所啟發，爭取在電力行業培養出個獨角獸。

電力行業可是老行業，從愛迪生特斯拉下來少說也一百多年歷史。曾經有過巨大的輝煌，現在也都還是各國經濟的命脈。

然而風流總被雨打風吹去，進入二十一世紀後風頭早被互聯網信息行業奪走。這其實也怪不的別人，雖說也在經歷一場新能源革命的洗禮，但行業主體還是從父輩爺爺輩一代代傳下來的那些東西。

並且在世界各國能源電力多為國有，總歸有些官僚主義，行業人員知識老化，不思進取的通病。

如今在互聯網信息行業的衝擊下其實能源電力行業也在暗流涌動。

在智能電錶和智能互聯感測器等等的帶動下，電力企業一下發現自己也像很多IT企業一樣突然有了很多的數據，所謂電力大數據一時甚囂塵上。

然而大家並不十分清楚，除了生成賬單和報表，還能用這些數據來做些什麼呢？

我們認為，數據是各大電力企業的核心競爭力，而機器學習技術則讓企業變得更加智能，為真正從大量企業數據中挖掘價值提供可能。下面就從幾個方面初步探討。

負載和可再生能源預測

眾所周知電力行業最大的問題是每時每刻保持電力生產和消費的平衡。

然而大量可再生能源，如風能，雖然有環保的優點但卻非常難以駕馭，往往無需電力的時候大風呼嘯，而需要大量電力時風卻不見蹤影。

這對電力生產調度提出了極大的考驗。因此精準預測地區負載以及可再生能源發電量對如何調度發電至關重要。

對這些問題我們可以採用深度學習和循環神經網路對大量歷史數據進行建模，從而提高預測的準確度。

智能設備維護

電力行業有大量設備需要維護，如電錶，變壓器及變電站等等。這些設備的可靠性相當重要，一旦失效輕則造成停電重則可能引發火災。

我們如何能夠利用電力公司的大量數據來給監控設備的健康狀況，從而未雨綢繆對其進行維護？

打比方說變壓器的健康程度與眾多因素有關，如設備年限，峰值載荷，溫度，雷擊，是否長期過載等等。

從大量變壓器歷史維護記錄和其餘相關數據中我們可以採用機器學習技術訓練一個設備健康度回歸模型。

這背後的經濟效益極為顯著，據估計對一個百萬級別的城市而言僅平均延長變壓器壽命一年帶來的收益將高達一千五百萬美元。

竊電監測

對許多國家來說竊電是一個大問題。竊電不單給電力公司帶來經濟損失，而且對電網可靠性帶來很大考驗。

傳統的竊電監測大多依賴人工排查，效率不高並浪費大量人力物力。智能電錶的出現讓遠程監測用電成為可能。

然而道高一尺，魔高一丈，各種竊電手段層出不窮，一般基於規則的方法未必奏效。

我們可以採用機器學習技術來學慣用戶正常用電模式，從而對大量疑似竊電行為進行自動報警。

還有大量實際問題這裡就不一一贅述了。有興趣的朋友關注我們公眾號、加入討論組。

請關注我們微信公眾號aihelps。歡迎加入人工智慧商業化社群交流，請加微信號12956250。

特別提示：

本文章由亮劍會提供，亮劍會是鄒洪亮和胡曾劍聯合創辦的AI商業應用社群，致力於人工智慧的商業化。

鄒洪亮，電子商務資深顧問，擁有15年豐富的互聯網一線操盤經驗，曾任500彩票網(紐交所: WBAI)副總裁。移居加拿大後，創辦Havlek諮詢公司，為加拿大著名企業MEC、JYSK、Saje、Uniserve等提供雲架構設計、大規模計算、商業智能分析等服務。

胡曾劍，Simon Fraser University 計算機博士，人工智慧科學家，專長演算法設計、運籌學、機器學習以及智能軟體開發。現在美國著名能源交易服務公司The Energy Authority 任職Research Scientist，2014年作為首席架構師項目獲得運籌學最高獎Edelman Prize 提名。