В этом выпуске Дэвид Гопп, специалист по анализу данных и эксперт по цифровой трансформации в компании OMICRON, рассказывает о том, как распознавание образов обеспечивает оптимальное качество и достоверность данных измерений в Энергосистемах.

Высококачественные данные измерений в Энергосистемах необходимы для проведения надежной оценки состояния электрооборудования и прогнозирования срока службы оборудования. Дэвид объясняет, как искусственный интеллект эффективно используется для распознавания образов в данных измерений с целью выявления отклонений и помощи пользователям в проверке точности их измерений для получения более надежных оценок.

Дэвид также рассказывает, как в настоящее время распознавание образов применяется для анализа данных измерений, полученных в ходе испытаний Энергосистем на таком электрооборудовании, как силовые трансформаторы, трансформаторы тока, вращающиеся машины и воздушные линии электропередачи. Он проверяет знания слушателей с помощью небольшой викторины, предлагая угадать, какое оборудование наиболее подходит для распознавания образов, и раскрывает ответ ближе к концу эпизода, приводя конкретные примеры.

В заключение Дэвид рассказывает, в каких решениях OMICRON для испытаний Энергосистем уже используется распознавание образов, чтобы помочь пользователям максимально эффективно работать с большими объемами данных измерений.

Также может быть интересно: обязательно послушайте 33-й выпуск подкаста «Energy Talks», в котором эксперты по цифровой трансформации Дэвид Гопп и Лукас Клингеншмид обсуждают концепции готовности данных и их валидации, а также то, как они играют ключевую роль в цифровой трансформации энергетической отрасли. 

«Распознавание закономерностей в данных измерений позволяет получить много информации о качестве и достоверности измерений».

David Gopp

Специалист по анализу данных, OMICRON

«Тестирование PD – обязательно попробуйте! Это мой совет всем клиентам»

Прослушайте все наши эпизоды.

Слушайте беседы, истории и мнения экспертов, где бы вы ни находились.

Просмотреть всё