PAO Severstal 是一家钢铁和矿业公司，拥有我国第二大冶金厂 Cherepovets 冶金厂。 2019年公司产钢11,9万吨，营收8,2亿美元
PAO Severstal 的商业案例
任务
Severstal 决定尽量减少公司因电力消耗预测错误而造成的损失，并消除未经授权的电网连接和窃电行为。
背景和动机
冶金和矿业公司是工业中最大的电力消费者之一。 即使自发比例很高，企业每年的用电成本也高达数千万甚至数亿美元。
谢韦尔的许多子公司没有自己的发电能力，而是在批发市场上购买。 这些公司提交标书，说明他们愿意在某一天以什么价格购买多少电力。 如果实际消耗量与声明的预测值不同，则消费者需支付额外的关税。 因此，由于预测不完善，整个公司每年的额外电力成本可能高达数百万美元。
解决方案
Severstal 求助于 SAP，SAP 提出使用物联网和机器学习技术来准确预测能源消耗。
该解决方案已由 Severstal 的 Vorkutaugol 矿山技术开发中心部署，这些矿山没有自己的发电设施，是批发电力市场上唯一的消费者。 开发的系统定期从 Severstal 所有部门的 2,5 台计量设备收集有关所有地下区域和活跃煤矿的渗透和生产计划和实际值以及当前能源消耗水平的数据. 值的收集和模型的重新计算是根据每小时收到的数据进行的。
履行
使用机器学习技术进行预测分析，不仅可以更准确地预测未来的用电量，还可以突出用电量的异常情况。 还可以确定该领域滥用行为的几种特征模式：例如，众所周知，未经授权的连接和加密采矿场的操作“看起来像”。
结果
拟议的解决方案可以显着提高能源消耗预测的质量（每月提高 20-25%），并通过减少罚款、优化采购和打击窃电，每年节省 10 万美元。
对未来的计划
未来，该系统可以扩展到分析生产中使用的其他资源的消耗：惰性气体、氧气和天然气、各种液体燃料。
在 Yandex.Zen 上订阅并关注我们 - 技术、创新、经济、教育和共享在一个渠道。