迪拜，2022 年 8 月 8 日（WAM）- 迪拜水电局 (DEWA) 研发中心采用人工智能 (AI)、机器学习 (ML) 和深度学习 (DL) 来促进 DEWA 努力丰富客户体验，员工和利益相关者。除了提高能源效率、智能电网整合和提高光伏太阳能电池板的性能外，这还旨在降低成本和碳排放。 "在 DEWA，我们按照迪拜副总统、总理兼统治者谢赫·穆罕默德·本·拉希德·阿勒马克图姆殿下的指示开展工作，利用人工智能改善服务，实现阿联酋 2031 年人工智能战略，并增强阿联酋以及迪拜作为第四次工业革命技术和颠覆性技术的全球中心的地位。DEWA 于 2017 年开始其人工智能之旅，并制定了人工智能应用路线图。我们推出了几项使用人工智能为客户、员工和员工增值的服务和计划。利益相关者的经验。DEWA 是迪拜首批使用自我评估工具的政府组织之一，以确保其以合乎道德的方式使用最关键的 AI 应用程序，并根据需要采取纠正措施，"DEWA 医学博士兼首席执行官 Saeed Mohammed Al Tayer 说。 Al Tayer 指出，Mohammed bin Rashid Al Maktoum 太阳能园区的研发中心支持所有生产和运营领域的创新，成为增强 DEWA 部门运营和服务的全球平台。 能源效率 研发中心采用人工智能、机器学习和深度学习来分析负载消耗，并为 DEWA 制定扩展计划，以提高能源效率并改善需求侧管理。人工智能在建筑性能大数据分析中的应用产生了改进的基准测试工具，以验证能源项目模拟，并有助于更好地了解能源使用情况。它还可以量化迪拜建筑物的冷负荷，并确定这些对 DEWA 峰值电力需求的影响。 通过 ML 和 DL 模型在智能电表数据上使用人工智能有助于识别正在使用的各种电器、检测故障设备并预测峰值负载时段和曲线。这些技术可以改进能源存储和负载分配管理，同时为建筑物的能源改造提供机会。它还提高了能源发电储备的效率，减少了二氧化碳排放并节省了 20% 的成本。 智能电网集成 该中心使用带有机器学习的智能电表数据来提供对低压网络的洞察。它使用传感器测量和物联网 (IoT)、历史资产负载、检查和维护数据来诊断关键资产和预测故障，并估计剩余使用寿命 (RUL)。此外，它还能检测中压电缆的潜在中断；使用基于 AI 的中断数据记录来预测保护继电器的跳闸，以及高压网络上的设定点以消除拥塞。它部署了故障检测和预测性维护解决方案，以改进关键的 DEWA 指标，例如客户损失分钟数 (CML) 和系统平均中断持续时间指数 (SAIDI)。 太阳能资源和预测计划 该计划基于人工智能和机器学习以及循环神经网络（RNN）、长期短期等各种神经网络，开发了多种模型，用于评估太阳能资源、太阳辐射量和太阳能系统的预期生产能力。内存 (LSTM) 网络、XGBoost 和 UNET。 太阳预报研究组 深度学习和神经网络通过 multiResnet 网络从天空相机和卫星图像中检测云和雾，该网络改进了流行的计算机视觉 UNET 模型，并通过增加太阳能发电量来降低成本和碳排放。 太阳能电池计划 该中心将人工智能与材料科学（称为"材料信息学"）结合使用，开发用于高效新型经济太阳能电池的环保无铅材料。 提高光伏太阳能电池板的性能 该中心使用深度学习来检测光伏板上的污垢和灰尘点，并增强无人机 (UAV) 和实时动能系统捕获的热图像。该中心在国际科学会议上发表了多篇关于"使用无人机进行自主光伏面板检测"和"使用配备 RTK 的无人机进行增强型光伏面板检测"的研究论文。 翻译者：Esraa Badr http://wam.ae/en/details/1395303072816 . |
