Use of neuronal networks for prediction and detection of anomalies

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.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 aging 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