利用機器學習的人工智能可以說是現(xiàn)代分析技術中最重要的技術，它們正在被用于從日益增長的現(xiàn)代公用事業(yè)數(shù)據(jù)中提取價值。

一個關鍵的用例是圍繞資產(chǎn)管理和維護，這在E.ON的德國北部地區(qū)電網(wǎng)運營商子公司，Schleswig-Holstein 電網(wǎng)公司的中壓電網(wǎng)已經(jīng)實現(xiàn)。

經(jīng)過9個月的使用后，作為停電警告指標，其結果甚至使公司感到震驚。

E.ON德國電網(wǎng)業(yè)務負責人ThomasKönig說：“我們預測電網(wǎng)缺陷的概率增加了兩到三倍。“我們的客戶也從中受益，因為我們提前發(fā)現(xiàn)的可能的錯誤來源可以減少故障數(shù)量并使我們的電網(wǎng)更加穩(wěn)定。”

E.ON的解決方案使用各種內(nèi)部和外部數(shù)據(jù)來檢測模式和不一致性，包括電力線路的年齡和類型，維護和天氣數(shù)據(jù)以及實時電網(wǎng)信息。

將全面的數(shù)據(jù)分析與自學習算法相結合，可以在故障發(fā)生之前預測故障。據(jù)該公司介紹，根據(jù)他們獲得的信息，近幾個月來，Schleswig-Holstein電網(wǎng)公司中有十幾個維護項目被提出。

該公司預計該技術的其他好處包括改進電網(wǎng)建設項目的規(guī)劃，同時改善投資規(guī)劃和預算分配。

E.ON聲明說，近年來，該公司一直在努力提高其網(wǎng)絡供應的安全性。例如，在Schleswig-Holstein電網(wǎng)，2016年的平均停機時間僅為8.85分鐘，比全國平均值12.8分鐘低約三分之一。

E.ON現(xiàn)在正在努力收購 RWE的Innogy，這一公司認為自己是人工智能領域的先鋒。其解決方案由其配電運營商子公司HanseWerk AG和E.ON DataLab的專家在內(nèi)部開發(fā)。

最初的目標是預測風電場的中壓電纜何時需要更換。輸入數(shù)據(jù)包括地理信息，資產(chǎn)和電網(wǎng)運營數(shù)據(jù)，以及有關天氣，閃電和鹽含量的外部數(shù)據(jù)。

除電力電纜用例外，該解決方案還應用于變電站，目的是擴展分析模型以覆蓋其他資產(chǎn)，如低壓電纜。

據(jù)該公司稱，研究表明，智能方法比傳統(tǒng)方法提高了30%。

今年早些時候，E.ON 與舊金山軟件初創(chuàng)公司Sight Machine合作開發(fā)基于人工智能的解決方案，以提高歐洲商業(yè)和工業(yè)行業(yè)的能效。

E.ON在一份聲明中表示：“我們相信創(chuàng)新技術和應用是未來，它們將給我們帶來比競爭對手更大的優(yōu)勢。”