# AI 在能源領域如何落地應用
###### tags: `20200822`
Freddie Huang,
thingnario 資料科學家

## 市場定位
軟體設計

## 2017-now
Breakeven
rise 20%
moniter 900's area
oversea
power platom
AIT promote

## 如何落地 (Gain > Cost)
AI厲害在哪裡
問題在哪裡
AI可以解決這個問題嗎？
可以產生價值嗎？(Cost < benefit )

1. 定義要解決的問題
2. 提供的AI解法，是否原來的解法來的便宜
3. 產生的時間成本，開發成本

### Accuracy vs Gain
最低需求的準確度是多少
達成最低需求，才能真正的應用到場域
導入成本是否比既有的好?
Market size (如果market size吃得下來，也是很不錯)

AI開發Cost來自
> AI/Software knowhow
> Pattern diversity
> Model complexity
> Model size (model跑的時候，是要放在哪裡、要耗多少電)

費用是否真的可以攤提？很大的問題

### Gain > Cost

## 太陽能監控系統

1. 太陽能模組DC
2. 日照計 (評估太陽能廠發電的效率好不好)
3. 逆變器DC-AC
4. 台電電網AC

### 智慧診斷與維運管理系統

每分鐘一筆資料，然後用統計的方法偵測異常
開工單解決問題

可以看到異常的顏色
人都看的到，有沒有辦法用電腦來看

模組甚麼時候清洗

### 清洗效益 > 清洗成本

利用回歸趨勢可以算出

### 遮蔭
南部電廠常發生

夏天太陽直射，沒有遮蔭問題
入秋太陽入射角變大，效率就看得出差異
冬天太陽入射角最大，第一台逆變器已經效率很差了

樹很可憐，被砍掉了

### 即時行動
因為樹蔭，季節性損失了$20,104

### 標記遮蔭資料
標記14000多筆資料

### LSTM 每日一次

## 虛擬日照
case 很少

日照與雲層是絕對相關的

## 結論
Gain > Cost 才是成功的第一步