GE在收购两家数据智能创业公司后,最近又签署了一项协议,在Invenergy LLC上测试其仪器仪表软件,GE周一表示,正在扩大其电力和公用事业产品组合,将能源交易与发电设备中的数据实时连接。
平衡价格与生产的需求正在增长,因为可再生能源的使用正在迫使电力生产商和分销商更快地对短期交易机会做出反应,并平衡各种发电源的能力,包括天然气、柴油、核能、太阳能、风力和水力。
GE的Digital Utility软件分析发电、配电和传输资产的数据,以提高设备效率,并优化定价。 GE Power首席数字官Ganesh Bell表示:“现在,我们现在的交易依据的不仅仅是发电厂的能力,还依靠真实的信息,使客户能够从现有的设施中获得更多的能力。”
1.3万亿美元的机会
World Economic Forum(世界经济论坛)估计,通过提高设备利用率和优化价格,电力行业在未来十年可实现高达1.3万亿美元的成本降低和收入。Bell估计,单靠资产优化可以节省380亿美元的成本并增加收入。他预计,四分之三的设备故障可以避免,而高达8%的发电因为电网的损失从来没有被消费者使用。
然而,绝大多数能源公司运作情况仍然与上个世纪七十年代时候一样。Bell表示:“今天的数据并不是实时的,整个流程是通过电话进行的。”他认为,“对于数字化来说,能源是成熟度最低的一个市场,而又有着最大的机会。”
GE旨在通过去年与New York Power Authority签署的交易以及收购像NeuCo Inc.这样的公司实现电力行业的数字化转型,NeuCo Inc.制造了用于改善化石燃料发电厂的数据分析软件。NYPA将投资11亿美元,以提高效率并纳入可再生能源,预计在未来十年内将实现22.5亿美元的效益。
本周发布的新服务和功能包括以下内容:
Business Optimization提供交易和发电厂之间的实时通信,使其了解整个消费过程。该应用程序会提醒发电商有利可图的交易机会——通常是短期的——以及关于机构可以如何适应市场的建议。因此,这些机构可以挖掘新的利润池,例如辅助服务市场,以帮助管理电网稳定,并把握跨境交易等新的市场机会。
更新的GE Operations Optimization应用程序可帮助这些机构了解应该在哪里投资资源以提高灵活性、效率、容量、可用性和排放。更新包括根据性能目标衡量交付的能力,关于如何更好地满足目标的建议以及提高性能的闭环反馈技术。
公司还在其Electricity Value Network(电力价值网络)中引入了资产健康的单一面板视图,该网络根据通用电气的“数字双胞胎”概念,整合了发电和交付流程。数字双胞胎是物理资产的虚拟版本,可用于测试和发现。Asset Performance Management(资产绩效管理)面板可以访问基于超过1.25亿小时的机器操作数据的分析目录,这些数据涵盖了联合循环工厂可能遇到的所有故障模式的70%。该面板还提供一个闭环系统,用于调度现场维修技术人员并完成操作和维护任务。
GE的新服务是基于云端的,独立于该公司的工业机械。由基于X86的Linux设备组成的本地控制器可以使用云平台的指令对设备进行调适。 GE没有公布定价,定价可能会按每个客户订阅的情况计算。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。