Využití neuronových sítí k predikci a nalezení anomálií

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F47718684%3A_____%2F21%3AN0000002" target="_blank" >RIV/47718684:_____/21:N0000002 - isvavai.cz</a>

Výsledek na webu

<a href="https://allforpower.cz/zajimavosti/vyuziti-neuronovych-siti-k-predikci-a-nalezeni-anomalii-300" target="_blank" >https://allforpower.cz/zajimavosti/vyuziti-neuronovych-siti-k-predikci-a-nalezeni-anomalii-300</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Využití neuronových sítí k predikci a nalezení anomálií

Popis výsledku v původním jazyce

Využití umělé inteligence je v současné době na vzestupu v mnoha oborech, její využití v energetice se jeví neméně perspektivně. V energetice se algoritmy umělé inteligence využívají zejména k včasné detekci anomálií a k tzv. outliers, tedy k vytvoření modelů stárnutí komponent a zařízení pro využitím v prediktivní údržbě, ale rovněž k predikci budoucích jevů, která pomáhá efektivně regulovat systémy s velkým dopravním zpožděním, jako jsou například kotle. V tomto článku ukážeme dvě případové studie. První studie popisuje, jak lze využít modely pro detekci outliers, druhá studie se zabývá predikcí potřebného tepelného výkonu pro efektivní regulaci stroje.

Název v anglickém jazyce

Use of Neuronal Networks for Prediction and Detection of Anomalies

Popis výsledku anglicky

The use of artificial intelligence is currently on the rise in many fields, including energy market. In power engineering, artificial intelligence algorithms are used mainly for the early detection of anomalies called outliers, to create ageing models for use in predictive maintenance, but also to predict the following states that help effectively control systems with long traffic delays such as boilers. In this article, we will show two case studies. The first is how models can be used to detect outliers and the second is how to predict the required performance for effective control.

Druh

J_ost - Ostatní články v recenzovaných periodicích

CEP obor

—

OECD FORD obor

20302 - Applied mechanics

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2021

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

All for power

ISSN

1802-8535

e-ISSN

1802-8535

Svazek periodika

14

Číslo periodika v rámci svazku

3

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

2

Strana od-do

75-76

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—