利用人工智能解决电网故障
2022-03-05 10:47:16爱云资讯
下次在恶劣天气中,你的电源还能正常工作时,你可能要感谢机器学习(ML)模型了。
麻省理工学院-IBM沃森人工智能实验室(Watson AI Lab)的研究人员正在使用人工智能解决电网故障。他们开发了一种机器学习模型,可以分析从美国电网中数十万个传感器收集到的数据。
这些传感器,即所谓的同步相量技术的组成部分,可以汇聚大量与电流和电压相关的实时数据,以监测电网的健康状况,并定位可能导致停电的异常情况。
由于传感器产生的数据流的大小和实时性,同步相量分析需要密集的计算资源。如研究人员的论文中所定义的那样,快速提取数据以进行异常检测,或者“识别明显偏离大多数数据实例的异常样本的任务”可能存在困难。
由于传感器收集的数据大多是非结构化的,因此ML模型可以在没有标注数据的情况下进行训练。
“在电网的例子中,人们试图使用统计数据来捕获数据,然后用领域知识定义检测规则。例如,如果电压激增一定百分比,那么电网运营商应该收到警报。这种基于规则的系统,即使有统计数据分析的授权,也需要大量的劳动力和专业知识。如今证明,可以实现这一过程的自动化,也可以使用先进的机器学习技术从数据中学习模式。”
为了开发这种ML模型,研究人员首先将异常定义为低概率事件,并通过将电网数据集定义为概率分布来估计概率密度。这允许检测与异常相关的低密度值或低概率事件。
对于这样复杂的数据,概率分布是很棘手的,研究人员使用了一种称为归一化流的深度学习模型来评估概率密度。归一化流模型使用贝叶斯网络进行缩放,贝叶斯网络是一个能够学习传感器如何工作和它们如何交互的图形。图结构允许在数据中进行模式识别,从而更准确地检测异常。
据《麻省理工新闻》报道,“贝叶斯网络将多个时间序列数据的联合概率分解成更简单的条件概率,更容易参数化、学习和评估。”结果表明,由于图的概率化简,ML模型能够独立地学习图。
研究人员感兴趣的是,在实现异常检测之外的其他方法时,如何将这些模型扩展到越来越大的图形中使用。由于其可适应的方法,该技术可以应用于其他具有复杂数据收集和分析的领域,包括与交通模式和监测相关的领域。
“一旦该模型投入使用,它将继续从稳定的传感器数据流中学习,适应可能的数据分布漂移,并随着时间的推移保持准确性。”在《麻省理工学院新闻》的文章中描述到。
- 卓翼智能无人机+人工智能助力森林防灭火,科技赋能守护绿色林海
- 上海人工智能实验室发布自动驾驶视频生成模型GenAD
- Supermicro 采用新一代系统和机架架构以扩大人工智能优化产品组合
- “人工智能+教育” 木愚科技AIGC满足教育新要求
- 推进“人工智能+”行动:全应科技在热电能源领域的创新实践
- 哈尔滨工业大学(深圳)成功举办InsunICC人工智能学术研讨会
- 大咖畅谈AI发展前景:在可见未来,人类都可掌控人工智能
- 喜报!神州医疗获评“医疗大数据与人工智能行业2023年度企业”
- 腾讯钟学丹:人工智能成为汽车行业新质生产力 推动数智化升级
- 助推智慧医疗产业健康发展,云知声加入医学人工智能委员会
- 点燃发展新引擎 天翼数字生活公司以“人工智能+”推动数字经济变革创新
- 飞天云动积极探索“人工智能+”,推动元宇宙数字文旅、VR视频直播应用场景落地
- 人工智能走进产业,CeMeta森宇宙AI营销产品登陆AWE2024
- 易联众“智鼎云帆”行业大模型发布,打造民生领域人工智能得力助手
- AIport报告:全球生成式人工智能发展格局揭晓,中国亚洲领先地位凸显
- 科大讯飞人工智能赋能司法事业,讯飞智能录音笔全程助力