基于AMI的最終用途分解可以改善DSM程序的整個生命周期

Bidgely 介紹了 AMI驅動的洞察力報告，該報告提供了具體示例，說明如何將 人工智能 應用于AMI(高級計量基礎架構)數據可以在整個核心運營用例中為公用事業(yè)提供支持。報告中包含的分析來自Bidgely UtilityAI Insights Engine的部署， 在東北，西部和南部擁有數以百萬計的先進客戶公用事業(yè)公司。公用事業(yè)公司的業(yè)務用例包括電動汽車(EV)的采用，非電線解決方案(NWS) )，需求側管理(DSM)，屋頂太陽能(PV)分析和使用時間(TOU)費率優(yōu)化。

“發(fā)布這些樣本客戶報告說明了AI可以給公用事業(yè)帶來的深遠價值，以及為內部決策制定數據驅動的報告，了解各種公用事業(yè)計劃的關鍵驅動因素，證明AMI投資給監(jiān)管機構的回報等等的優(yōu)勢， Bidgely首席執(zhí)行官Abhay Gupta說。“我們的智能報告已經成為技術和創(chuàng)新的值得信賴的合作伙伴，它彰顯了Bidgely如何利用人類智慧和商業(yè)智慧來實現戰(zhàn)略效用目標。”

AMI驅動的見解報告中的樣本分析包括：

電動汽車的采用–電網破壞潛力報告

即使在低滲透率的情況下，電動汽車也會對電網產生不成比例的影響。分析顯示AI如何識別饋線或什至是多個電動汽車可能會承受壓力的單個變壓器，從而避免停電。

無線解決方案–關鍵設備所有權統(tǒng)計

了解特定地理區(qū)域中關鍵設備的所有權會影響規(guī)劃。通過空調目標分析，可以通過針對峰值負載較大的單個客戶來揭示負載轉移的機會。

DSM-定位

基于AMI的最終用途分解可以改善DSM程序的整個生命周期。計劃目標分析說明了有效營銷，更好地分配返利美元的好處。