公用事業(yè)如何使用AI來適應電力需求

導致的新型的傳播促使各州和地方政府制定了臨時庇護所并關閉了企業(yè)。隨著成千上萬的人突然陷入局限，這種轉變不僅給互聯(lián)網(wǎng)服務提供商，流媒體平臺和在線零售商帶來了壓力，也給向電網(wǎng)供電的公用事業(yè)公司造成了壓力。

2020年3月27日的用電量比2019年3月27日減少3%，損失了約三年的銷售增長。波士頓大學可持續(xù)能源研究所所長彼得·福克斯·彭納(Peter Fox-Penner)在最近的一篇評論中斷言，公用事業(yè)收入將受到影響，因為供應商正在停止關閉并推遲加息。而且，根據(jù)研究公司W(wǎng)ood Mackenzie的說法，家庭用電需求的增長不會抵消商業(yè)用電需求的減少，這主要是因為住宅需求僅占整個北美總需求的40%。

一些公用事業(yè)公司正在利用AI和機器學習來解決帶來的意外收獲和能源使用波動。精確的負載預測可以確保在未來幾個月內不會中斷操作，從而防止停電和停電。在大流行結束后很長一段時間內，它們還可以提高公用事業(yè)內部流程的效率，從而降低價格并改善服務。

毫瓦

Innowatts是一家開發(fā)用于能源監(jiān)控和管理的自動化工具包的初創(chuàng)公司，其客戶包括的幾家主要公用事業(yè)公司，其中包括波特蘭通用電氣，Gexa Energy，Avangrid，亞利桑那州公共服務電氣，WGL和Mega Energy。其eUtility平臺從13個區(qū)域能源市場的2100萬客戶中的3400萬智能電表中提取數(shù)據(jù)，其機器學習算法分析該數(shù)據(jù)以預測短期和長期負荷，差異，天氣敏感性等。

除了這些表項預測之外，Innowatts還可以通過將公用事業(yè)公司的費率結構與分類成本模型進行映射來幫助評估不同費率配置的效果。它還會為每個客戶生成成本曲線，以揭示利潤率對更廣泛業(yè)務的影響，并通過學習營銷努力與客戶行為(例如實時負載)之間的關系的模型來驗證產品的收益和客戶獲取的成本。

Innowwatts告訴VentureBeat，它觀察到3月第一周到第四周之間能源使用的“劇烈”變化。在東北地區(qū)，沙龍，服裝店和干洗店等“非必要”零售商在本月底(就地庇護令頒布后)使用的能源僅為本月初的35% ，而餐廳(比薩連鎖店除外)僅使用28%。相反，在得克薩斯州，與第一周相比，第四周的存儲設施使用的能量就多了142%。

Innowatts表示，在這些使用量的激增和下降過程中，其客戶利用了基于AI的負載預測功能，可以從短期沖擊中吸取教訓并及時進行調整。該公司表示，在就地避難所訂單的三天內，其預測模型就能夠了解新的消費模式并產生準確的預測，并考慮到了實時變化。

Innowatts的首席執(zhí)行官Sid Sachdeva認為，如果公用事業(yè)公司未利用機器學習模型，則3月中旬的需求預測將出現(xiàn)10%至20%的差異，從而對運營產生重大影響。

Sachdeva告訴VentureBeat：“在動蕩的時期，基于AI的負荷預測使能源提供商能夠……開發(fā)基于信息的，數(shù)據(jù)驅動的戰(zhàn)略以取得未來的成功。”“隨著公用事業(yè)和能源零售商看到一生中商業(yè)能耗的下降幅度超過30%，準確的預測變得前所未有的重要。如果沒有AI工具，公用事業(yè)公司的預測將大幅度波動，導致不準確率達到20%或更多，給他們的運營造成巨大壓力，并最終提高企業(yè)和消費者的成本。”