42:53视频长度为42:53。
将想法转化为数据驱动的生产系统:能源负荷预测案例研究
我们在日常生活中解决各种各样的问题,不需要过多的思考,而是依靠过去经验的数据。在我们大脑的某个地方,我们使用数据驱动的模型来帮助我们在不同的情况下做出决定。这是我们自己的数据驱动生产系统。
同样,在业务层面,您可以使用数据分析将大量复杂的原始数据转换为可操作的信息,从而改进工程设计和决策过程。然而,开发这种有效的分析并将其集成到业务系统中可能是一个具有挑战性的过程。
今天收集数据的速度是我们多年前无法想象的。个人、公司、组织和政府都在从各个地方收集数据:从你自己做的气象站的传感器数据到市中心交通摄像头捕捉到的图像。
构建原型并使用可用数据验证想法可能是将问题扩展到完整生产系统之前的第一步。今天大量的可用数据使得建立高度准确的预测模型成为可能。挑战在于开发数据分析工作流,将这些原始数据转化为可操作的见解。一个典型的工作流程包括四个步骤,每个步骤都有自己的挑战:
- 从不同的来源导入数据,如网络档案,数据库,电子表格等。
- 清理数据,识别和删除异常值,并同步数据
- 利用机器学习技术,在聚合数据的基础上开发准确的预测模型
- 将模型部署为生产环境中的可伸缩应用程序
在本节课中,使用纽约州的能源负荷预测案例研究,您将看到MATLAB如何®可用于完成整个数据分析工作流程,将想法转化为使用精确机器学习模型的数据驱动生产系统。
能源生产商、电网运营商和交易员必须根据对电网未来负荷的估计不断做出决策。因此,对能源负荷的准确预测既是必要的,也是商业优势。交易员可以为某一天确定适当的交易策略,而能源生产商或电网运营商可以利用这些结果来了解天气对能源负荷的影响,并决定生产或购买多少电力。考虑到仅纽约州每年就消耗数十亿美元的电力,这一结果对发电公司来说意义重大。
记录时间:2016年11月18日
相关产品下载188bet金宝搏
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。