/ 方案描述

隨著近年來能源交易市場改革、節(jié)能優(yōu)化和綜合能源能源經(jīng)濟調度等逐步 深化，對能源精細化控制訴求越來越高，隨之而來的是對用能負荷預測的 精準度要求提升。而傳統(tǒng)預測采用手工、規(guī)則加調參，以及簡易算法等方 式，面對多維度、復雜變化、多預測實體和時間粒度的多樣性、用能特征 差異大和突變因素多等情況時，導致預測工作復雜、人工介入多和預測準 確率不高等問題，影響能源控制優(yōu)化。

基于工業(yè)大腦中預置的人工智能算法引擎庫中，面向企業(yè)用能預測場景做 了針對性數(shù)據(jù)處理和模型編排，內置多種模式，提供自主特征工程、模型 業(yè)務維度和時間粒度的自定義和模型評價尋優(yōu)的能力，封裝標準化數(shù)據(jù)接 口和模型輸出服務，以公有云SAAS服務形式提供服務，讓企業(yè)可以簡易 地完成數(shù)據(jù)集成和模型實例化等配置工作，即可獲得高精準度的用能負荷 預測。

/ 架構特點

基于阿里云公有云部署的工業(yè)大腦，提供的數(shù)據(jù)工廠、算法工廠和AI創(chuàng)作 間，分別為用能負荷預測提供數(shù)據(jù)標準化接入和預處理、模型預訓練及尋 優(yōu)評價等、模型的實例化業(yè)務編排，從而提供標準化的用能負荷預測的實 時過程，開發(fā)人員基于工業(yè)大腦提供的可視化實施界面，快速完成數(shù)據(jù)接 入、個性化模型定義、模型驗證和服務發(fā)布等配置實施，然后基于發(fā)布的 API將 預測數(shù)據(jù)與能源分析控制系統(tǒng)集成，快速完成整體系統(tǒng)的實施開發(fā)。

用能負荷預測功能架構圖

/ 核心價值

輕量化交付。主要以工業(yè)大腦PAAS工具為底座，基于內置算法的預訓練 模型，以公有云部署交付為主，客戶只需要將訓練數(shù)據(jù)上云和預測數(shù)據(jù)接 口開發(fā)，通過2周左右（在數(shù)據(jù)準備Ready情況下）模型優(yōu)化后即可獲得 多維度、多時間粒度的負荷預測API服務，快速讓企業(yè)獲得基于算法的精 準預測；

預測效果好。工業(yè)大腦基于內置的底層算法優(yōu)化，并與多個能源行業(yè)的負 荷、用能預測場景實踐結合，一方面提供模型的準確率，以及在跨場景的 一定層度的自適應模型尋優(yōu)能力，在多個項目中，在預測數(shù)據(jù)有保障的情 況下，預測準確率90%+（傳統(tǒng)一般85%左右。具體指標需要結合不同 的項目數(shù)據(jù)情況、業(yè)務的突變因素和時間顆粒度等評估）；

建設成本低。公有云SaaS化服務的預測服務，減少企業(yè)部署等相關成 本，同時快速建議的建設方式，實施成本低；而模型中內置的多種自適應 和參數(shù)化能力，在后續(xù)業(yè)務變化和調整中都可以快速適應，運維要求和工 作量降低，項目費用預估與傳統(tǒng)做負荷預測的相比，減少50%。

/ 相關案例

項目聚焦市公司，縣區(qū)公司的日/周/月電量預測，不同產(chǎn)業(yè)類型、大工業(yè) 用戶的日/周/月電量預測。提供完整自動化預測處理，釋放原來人工預測 的大量工作量，解決項目中遇到的原始異常數(shù)據(jù)、專家知識借鑒、特征的 組合、模型多樣性選擇等因素，實現(xiàn)了 縣區(qū)按月預測平均準確率 97%、按日預測平均準確率90%；大用戶按月預測平均準確率 92%，按日預測平均準確率88%；主站按15min預測平均準 確率97%。

如需了解更多關于阿里云工業(yè)相關的技術干貨內容或者有技術研發(fā)需求，歡迎加入阿里云工業(yè)大腦釘釘群，跟著專家一起學習、分享、交流，推進工業(yè)智能化發(fā)展！

加入阿里云工業(yè)大腦智能制造學習交流釘釘群 （點擊） 加入釘釘學習交流群

加入釘釘群可享有以下權益