Интегратор GPU-серверов и рабочих станций · Россия и СНГ
8 (800) 350-70-73 · бесплатно по России | Условия поставки
Энергетика и ЖКХ · Обнаружение аномалий · ML на табличных данных

Интеллектуальный учёт ресурсов и выявление коммерческих потерь

Модели на данных приборов учёта находят безучётное потребление, неисправные счётчики и небалансы по фидерам и домам.

Результативность проверокрост доли проверок с актом в 2–4 раза
Коммерческие потериснижение на 1–3 п. п. от отпуска
Выявление неисправных приборовдо 80–90 % без выезда

Диапазоны по отраслевым публикациям и типовым внедрениям; результат зависит от данных и процессов заказчика.

Задача

Что решаем

Коммерческие потери — безучётное потребление, вмешательство в приборы, ошибки в договорах и базах — для сетевых и ресурсоснабжающих организаций составляют проценты отпуска и напрямую уменьшают выручку. Рейды проверяют потребителей выборочно, по наводкам, и большая часть проверок оказывается пустой.

Интеллектуальные приборы учёта передают почасовые данные с миллионов точек, но аналитика ограничена сводками по небалансам, а выявление конкретных адресов остаётся ручной работой.

В ЖКХ добавляются потери воды и тепла: утечки, несанкционированные подключения, некорректные нормативы — при том, что данные общедомовых и квартирных приборов уже собираются.

Как работает

Что делает ИИ

PythonLightGBMPyTorchClickHouseApache AirflowPostGIS

Решение анализирует данные приборов учёта, топологию сети и договоры и формирует ранжированный список точек для проверки с обоснованием.

  • Балансы по фидерам, ТП, домам и стоякам с локализацией участков с аномальными потерями.
  • Обнаружение аномалий в профилях потребления: резкие изменения, несоответствие типу потребителя, признаки вмешательства в прибор, «нулевые» точки при активном подключении.
  • Скоринг вероятности безучётного потребления на подтверждённых актах прошлых проверок.
  • Выявление неисправных приборов и ошибок в базе договоров; планирование маршрутов проверок.

Эффект оценивается по результативности рейдов: доле проверок с актом и объёму доначислений по сравнению с выборкой «как раньше».

Система работает поверх существующих АСКУЭ и биллинга и не требует замены приборов; для точек без интеллектуального учёта используются помесячные данные и балансы по ТП.

Какие данные нужны

  • Почасовые данные приборов учёта
  • Топология сети и привязка точек к фидерам
  • Акты проверок и договоры с потребителями
Железо · Данные и табличный ML · Один узел в стойке

Какая инфраструктура нужна

Профиль «данные»: миллионы точек учёта с почасовыми рядами — это десятки миллиардов записей в год, и определяющие параметры — колоночное хранилище на быстрых NVMe, многоядерный CPU и 512 ГБ и более оперативной памяти для расчёта балансов и обучения моделей. GPU одна-две, для нейросетевых детекторов аномалий.

Для сетевой или ресурсоснабжающей организации регионального масштаба подходит сервер R7 PRO или RX PLUS из раздела GPU-серверы. Для муниципального предприятия ЖКХ — рабочая станция W7 ULTRA из рабочие станции. Данные потребителей остаются в контуре организации.

Сравнить конфигурации →  ·  Подобрать по ускорителю →

Внедрение

Как идёт проект

  1. 01

    Данные и цель

    Фиксируем метрику успеха, источники данных и ограничения: on-premise, персональные данные, сроки.

  2. 02

    Пилот на нашей конфигурации

    Стартовая машина под задачу и подтверждённый профиль нагрузки перед закупкой кластера.

  3. 03

    Инфраструктура

    Поставка серверов, станций и охлаждения, монтаж, ввод в эксплуатацию, ПО и мониторинг.

  4. 04

    Сопровождение

    Масштабирование, обновление ускорителей в том же шасси, сервис и запчасти.

Смежные решения

Что ещё автоматизируют в отрасли «Энергетика и ЖКХ»

Прогнозирование энергопотребления и нагрузки для сбытовых и сетевых компанийЭнергетика и ЖКХML-прогноз почасового потребления по точкам, узлам сети и портфелю потребителей для закупок на рынке и планирования режимов.Оптимизация режимов электрических и тепловых сетейЭнергетика и ЖКХРасчётная модель сети с ML-прогнозами нагрузок подбирает режимы, снижает потери и оценивает последствия переключений до их выполнения.Антифрод и противодействие отмыванию средств (AML) на машинном обученииФинансы и страхованиеСкоринг транзакций в реальном времени, графовый анализ связей и приоритизация алертов для комплаенса вместо тысяч ложных срабатываний.ИИ-ассистент для обращений абонентов ресурсоснабжающих организаций и ЖКХЭнергетика и ЖКХLLM в контуре организации отвечает о начислениях, показаниях и отключениях в чате и по телефону, разгружая контакт-центр.

Все решения для отрасли →

Запрос КП · ответ в течение рабочего дня

Опишите задачу и данные.

Вернёмся с профилем нагрузки, конфигурацией и коммерческим предложением на поставку в вашу страну.

Обсудить внедрение