Wattwise მანქანური სწავლება თითოეული ობიექტისთვის სწავლობს, რა არის მოხმარების ნორმა, AI კი ხსნის, სად და რატომ იკარგება ენერგია და რა ღირს ეს ლარებში.
პილოტი ერთ ობიექტზე, დაახლოებით 4 კვირაში.
როდის და სად იკარგება ენერგია უმეტესობამ არ იცის.
ასე მუშაობს Wattwise ერთ საწარმოზე ორ შემთხვევაში: ჯერ გაზომვის შეცდომა, რომელიც თვის ბალანსს გააფუჭებდა, შემდეგ კი ნამდვილი დანაკარგი, რომელიც ბალანსმა აჩვენა. ორივე შემთხვევა მაგალითია.
ბოლო 15 წუთის დანაკარგი ნორმას 5-10%-ით აჭარბებს. გაფრთხილება წუთში მოდის პლატფორმაში და Telegram-ში, ზარალი კი უკვე ლარშია დათვლილი.
ლილოს საწარმო · მაღალი
დანაკარგი ნორმას 5-10%-ით აღემატება · +10,9 ₾ საათში
როცა ეპიზოდი მთავრდება, AI წერს ანგარიშს: ცალკე ფაქტს, ცალკე მსგავს წარსულ შემთხვევას და ცალკე საკუთარ ინტერპრეტაციას. ვარაუდს ფაქტად არ წარმოადგენს.
ლილოს საწარმო · 07.10 · ±6 სთ
09:00–12:00 დანაკარგი საშუალოდ 85,8 kWh/სთ იყო, ნორმაზე 5-10%-ით მეტი.
მარტში: საამქრო A-ის მრიცხველს ძაბვის წრედის დამცველი გადაეწვა.
შემომავალი მრიცხველი ჩვეულ დატვირთვას აჩვენებს, ზრდა კი საამქრო C-ის მრიცხველის ჩვენების ვარდნას ემთხვევა. უფრო სავარაუდოა გაზომვის პრობლემა, ვიდრე რეალური დანაკარგი.
მიზეზი გაზომვა აღმოჩნდა და არა რეალური დანაკარგი. ინჟინერი ანგარიშს ადასტურებს და მიზეზს წერს. ეს სამი საათი ბალანსში მონიშნულია, ამიტომ თვის ბალანსი სწორი რჩება.
მიზეზი ინახება და მომდევნო ინციდენტების ანალიზში გამოიყენება.
14 ოქტომბერი, ლილოს საწარმო
შეცდომის გასწორების შემდეგაც ბალანსში დღეში 121 kWh ნორმაზე მეტი რჩებოდა. Wattwise-მა ზედმეტი დანაკარგი საამქრო B-ის ფიდერს მიაბა: კომპრესორის cosφ 0,78-მდე დაეცა, დენი გაიზარდა და კაბელი და ტრანსფორმატორი მეტს კარგავდნენ. ფიდერზე კონდენსატორების ბატარეის დაყენების შემდეგ დანაკარგი ნორმას დაუბრუნდა.
წელიწადში ეს ≈ 10 200 ₾-ია: ზუსტად ის, რასაც ბალანსი დაბრუნებადს უწოდებდა.
ორი ხელსაწყო, თითო თავის საქმეზე. მანქანური სწავლება თქვენს მონაცემზე სწავლობს, რა არის ნორმა და რა მოხდება. AI ამ რიცხვებს ქართულად ხსნის და არასდროს იგონებს მათ.
რიცხვები, თქვენსავე მონაცემზე
7 / 8
კვირა, როცა ფაქტი პროგნოზის დიაპაზონში მოხვდა
4,8 %
საშუალოდ ასცდა ფაქტს
რატომ არის ხვალინდელი პროგნოზი ჩვეულზე მაღალი
პილოტის მონაცემზე+3,1 %პროგნოზი ერთი კვირით ადრე კეთდება, ობიექტის საკუთარ ისტორიაზე. ფაქტი რომ დიაპაზონს გასცდება, მიზეზს ცალკე ხედავთ.
მაგალითი
ტექსტი, რომლის ყოველ მტკიცებას წყარო აქვს
ღამის საშუალო დატვირთვა 212-დან 250 kW-მდე გაიზარდა (+18 %). ზრდის უდიდესი ნაწილი კომპრესორ #2-ზე მოდის.
ღამის დატვირთვის ზრდა · kW · 14 დღე
წყარო: საათობრივი მონაცემი · 2 ინსტრუმენტი
სავარაუდოდ, ის ღამით უქმად მუშაობს. ადგილზე შემოწმებაა საჭირო.
საამქრო C-ის მრიცხველს ძაბვის წრედის დამცველი გადაეწვა.
მიზეზი ცოდნის ბაზაში შეინახა
INC-2026-041: იგივე მრიცხველი, იგივე სიმპტომი. პირველ რიგში შეამოწმეთ ძაბვის წრედის დამცველი.
მაგალითი
მიმდინარე სიმძლავრე, დღის მოხმარება და დანაკარგი ყველა ობიექტზე, რეალურ დროში.
Wattwise / მთელი კომპანია · 3 ობიექტი
07.10 · 14:32
მიმდინარე სიმძლავრე
1 748 kW
დღეს
20 973 kWh
დანაკარგი · ბოლო საათი
61,2 kWh
დღევანდელი აქტიური და რეაქტიული სიმძლავრე
kW kvar გუშინ
მაგალითი
15-წუთიანი პიკი, სახელშეკრულებო სიმძლავრე და მისი გადაჭარბების რისკი, სანამ მოხდება.
მაგალითი
თვის ბოლოს მოხმარება და ხარჯი სავარაუდო დიაპაზონით (P10–P90) და ალბათობა, რომ ბიუჯეტს გადააჭარბებთ.
69 %
ალბათობა, რომ ოქტომბერი ბიუჯეტს გადააჭარბებს
P50 ≈ 1 084 000 · P10–P90 ≈ 1 049 000–1 119 000 · ბიუჯეტი ≈ 1 070 000 kWh
მაგალითი
ასევე: ყოველთვიური ანგარიშები PDF და Excel ფორმატში, მონაცემთა ხარისხის კონტროლი, მომხმარებლების როლები და წვდომა.
დანაკარგი, ანომალია და გადახრა ბიუჯეტიდან ფინანსურ ეფექტადაა ნაჩვენები.
ბიუჯეტის პროექტი პროგნოზიდან მზადდება; გადახრა იყოფა მოცულობისა და ფასის ეფექტად.
ყოველთვიური ანგარიში AI-ის შეჯამებით, PDF და Excel ფორმატში.
რომელი ობიექტი, რომელი დანადგარი და რა ღირს ცვლილება.
მაგალითი
SCADA, მრიცხველები და ფაილები საერთო მონაცემთა მოდელში.
გაფრთხილება მაშინვე მოდის პლატფორმაში და Telegram-ში, არა თვის ბოლოს.
პერიოდები, სამუშაო და არასამუშაო საათები, kWh/m² და kWh/პროდუქციის ერთეული.
AI ასისტენტი ეძებს, ადარებს და ხსნის, წყაროების მითითებით.
| ობიექტი | kW | დღეს kWh | Δ |
|---|---|---|---|
| თბილისი, ლილოს საწარმო | 1 120 | 13 847 | ▲ 2,3 % |
| რუსთავი, საწარმო | 503 | 5 669 | ▲ 4,2 % |
| ბათუმი, საწყობი | 125 | 1 457 | ▼ 1,8 % |
ფილტრი: მთელი კომპანია · დღეს · ყველა წყარო
მაგალითი
მდგომარეობის ქულა: ეფექტურობის ვარდნა, საბაზისო დატვირთვის ზრდა, მუშაობის ციკლის ცვლილება.
რეაქტიული ბალანსი და მისი გავლენა ტექნიკურ დანაკარგებზე.
15-წუთიანი პიკი 1-წუთიანი მონაცემიდან, დატვირთვა kVA-ში და გადატვირთვის პროგნოზი.
„გაყინული“ მნიშვნელობა, ბალანსის ნარჩენი და გამოტოვებული მონაცემი ცალკე ჩანს, მონაცემთა ხარისხის სიგნალად.
საამქრო B · კომპრესორი
61 / 100
მაგალითი
დასაყენებელი არაფერია. თქვენი სისტემა მონაცემს თავად აგზავნის, თქვენს ქსელში არაფერი იხსნება და SCADA-ში არაფერი იწერება.
შეთანხმებით: OPC UA, Modbus
მხოლოდ გამავალი, დაშიფრული HTTPS
SCADA-ში არასდროს წერს და დანადგარებს არ მართავს
ბრაუზერი და Telegram
გაფრთხილებები პლატფორმაში და Telegram-ში
თუ SCADA იზოლირებულ ქსელშია, მონაცემს Historian ან DMZ-ში მდგარი სერვერი აგზავნის. თუ ესეც შეუძლებელია, ვიწყებთ ფაილებით.
ჯერ ერთ ობიექტზე ვაჩვენებთ შედეგს, შემდეგ კი თქვენ წყვეტთ, გავაფართოვოთ თუ არა.
კვირა 1
ვეცნობით თქვენს ობიექტს, მრიცხველებს და მონაცემთა წყაროებს.
კვირა 2
SCADA ან ფაილი უკავშირდება Wattwise-ს; ტეგებს ვუკავშირებთ მოწყობილობებს.
კვირა 3
ჩვენი ენერგეტიკოსი თქვენთან ერთად აწყობს ბალანსს და ნორმალურ დანაკარგს.
კვირა 4
იღებთ პირველ ანგარიშს: დანაკარგი, ანომალიები და რეკომენდაციები.
პირველი ანგარიში · ლილოს საწარმო
ვადები სავარაუდოა და მონაცემთა წყაროზეა დამოკიდებული.
ჩვეულებრივ, არაფერი. თქვენი SCADA, Historian ან მრიცხველების სისტემა მონაცემს HTTPS-ით აგზავნის. თუ ეს შეუძლებელია, ვიწყებთ CSV ან XLSX ფაილებით.
Wattwise არ არის მიბმული კონკრეტულ მწარმოებელზე. მონაცემს ვიღებთ სტანდარტული ფორმატით (JSON ან CSV), ამიტომ შეიძლება დაუკავშირდეს ნებისმიერი სისტემა, რომელსაც მონაცემის ექსპორტი შეუძლია. OPC UA-ს და Modbus-ს შეთანხმებით ვამატებთ.
მთავარი და საამქროების მრიცხველების ჩვენებები, სასურველია საათობრივი ან უფრო ხშირი, და ბოლო თვეების ისტორია, თუ გაქვთ. ბალანსის დათვლა პირველივე დღიდან შეიძლება; პროგნოზი რაც მეტი ისტორიაა, მით უფრო ზუსტია. ტარიფს და ობიექტის სქემას პილოტის პირველ კვირაში ერთად ვაზუსტებთ.
პილოტი ერთ ობიექტზე დაახლოებით 4 კვირაა. მე-4 კვირას იღებთ პირველ ანგარიშს: დანაკარგი, ანომალიები და რეკომენდაციები. ვადა მონაცემთა წყაროზეა დამოკიდებული.
ფასი დამოკიდებულია ობიექტებისა და მონაცემთა არხების რაოდენობაზე. პილოტის პირობებს ინდივიდუალურად ვათანხმებთ. მოგვწერეთ და შეფასებას გამოგიგზავნით.
იმდენად, რამდენადაც ზუსტია მრიცხველები. ბალანსი ითვლება ენერგეტიკოსის მიერ შემოწმებული ფორმულებით. თუ რიცხვები ერთმანეთს არ ემთხვევა, სისტემა ამას მრიცხველის ან კოეფიციენტის პრობლემად მონიშნავს და არა დანაკარგად.
Wattwise ამას მონაცემთა ხარისხის პრობლემად მონიშნავს: გამოტოვებული პერიოდი, „გაყინული“ მნიშვნელობა ან ბალანსის უცნაური ნარჩენი ცალკე ჩანს და გაფრთხილებაც მოდის. ასეთი პერიოდი დანაკარგად არ ითვლება.
დაცულ სერვერზე, რომელიც მხოლოდ Wattwise-ს ეკუთვნის. მონაცემი გადაიცემა დაშიფრული არხით, თითოეული კომპანიის მონაცემი სხვებისგან იზოლირებულია და რეგულარულად ინახება სარეზერვო ასლად.
პილოტის პირველ 4 კვირაში ჩვენი ენერგეტიკოსი თქვენთან ერთად აწყობს ბალანსს და ნორმალურ დანაკარგს, ამიტომ პირველი შედეგი ამ ვადაში ჩანს. პროგნოზი ისტორიასთან ერთად ზუსტდება: სეზონური ცვლილებების დასანახად რამდენიმე თვის მონაცემია საჭირო.
არა. AI მხოლოდ კითხულობს თქვენს მონაცემებს და გთავაზობთ ახსნას ან რეკომენდაციას. პარამეტრებს, მონაცემებს ან დანადგარებს ის ვერ ცვლის, ხოლო ინციდენტის ანგარიში ოფიციალური მხოლოდ ადამიანის დადასტურების შემდეგ ხდება.
არა. მანქანური სწავლების მოდელები თითოეული კომპანიისთვის ცალკე, მხოლოდ მის მონაცემზე სწავლობს. AI ასისტენტს თქვენი მონაცემი მხოლოდ კონკრეტულ კითხვაზე პასუხის მოსამზადებლად მიეწოდება და ზოგადი AI მოდელების საწვრთნელად არ გამოიყენება.
მოგვწერეთ. 30-წუთიან შეხვედრაზე გაჩვენებთ პლატფორმას და შევაფასებთ, რა მონაცემებით შეიძლება პილოტის დაწყება. შეხვედრისთვის საწარმოს მონაცემი არ გჭირდებათ.