电力负荷预测解决方案

采用时间序列、机器学习与深度学习技术相结合的方式，综合各类特征，预测某行政区域、变电站供电区域、工厂等对象的电力负荷。

ET工业大脑

变压器健康状态评价

基于大数据算法、算法模型及数据特征分析的研究成果，建立一种融合传统专家系统和机器学习技术的电力设备状态评价系统。

ET工业大脑

用电异常检测解决方案

通过多种算法，监测非正常用电情况，协助电力公司进行用电管理、偷电检测和异常用户识别。可用于总用电量与实际用量不符，可能有能源异常损耗的客户。

ET工业大脑

蓄电池优化充放策略

基于对用户的负荷预测，优化蓄电池的充放，通过精准的削峰填谷减少客户用电成本。可用于工业园区或能源站，或其他自建储能的客户。

ET工业大脑

电力拆解解决方案

对客户进行能耗分析，及用电设备能耗统计，采用非侵入式算法，在不增加传感器的前提下，对总表数据进行拆解，从而获取单个设备的用能信息。

ET工业大脑

发电机运行温度残差分析

针对风力发电机所处的复杂多变的环境，算法基于机器学习模型，建立了稳健的分析模型，进行风力发电机状态的评估，发现风机异常情况。

ET工业大脑