为什么我们仍然忍受停电停机？

停机和数据丢失的最大原因之一不是来自黑客或其他恶意活动，而是由故障设备或机器“停机”引起的大规模停电。事实上，断电是大多数组织面临的最大 IT 相关灾难。例如，旧金山 4 月份的大规模停电导致全市的高科技公司以及该市的交通信号灯、公交车和 BART 系统都停了下来。

大多数企业尚未透露确切的损失，因为许多企业仍在与负责的公用事业公司 PG&E Corp. 进行谈判，但有些企业声称损失在 100,000 至 300,000 美元之间，这意味着该市繁忙的 IT 部门的总体损失达数百万美元.

另见： 11-x 在加拿大推广其低功耗物联网网络

电力和基础设施

旧金山也不是去年 4 月遭受大停电的唯一城市。纽约今年也出现大面积停电，导致乘客在早上通勤高峰期被困在地铁隧道中。这是在纽约每年基础设施报告卡上都获得低分之后。尽管如此，纽约一直从该组织获得比整个国家更高的评分，这令人担忧。

许多人都在问，随着美国大城市本已紧张的电力基础设施系统变得越来越老，并且由于人口增长而负担过重，这种事情是否会变得更加普遍。停电会是公司必须接受和处理的事情吗？我不相信。虽然这些挑战是真实存在的，并且给电力系统带来了严峻挑战，但采用新技术将使公用事业公司及其客户能够做好更好的准备，甚至可能完全避免停电。

有一个水晶球

尽管存在这些挑战，停电可能不仅变得越来越少，而且可能完全避免。使用预测分析，技术的水晶球，公用事业公司和依赖它们的组织将更好地准备处理这些问题。预测分析将使工作人员能够在问题迫在眉睫时收到预警通知，从而在停电事件发生之前解决问题。

有些问题可能会在停电前几天或几周被发现。在使用预测分析来识别这些问题时，负载可能会移动，并且可能会发生计划内的停电以最大程度地减少损坏。组织将能够收到有关这些问题的预先警告，并在该时间范围内采取适当的措施来减轻损失。此外，电力公司将能够通过预测分析提前确定必要的维护成本。例如，在系统需要维护之前，零件可能已经在途中。

维护窗口也将延长，因为预测系统可以监控设备状况，以便更准确地了解何时需要更换某些系统。现在服务行业正在发生这种情况。 “使用人工智能和机器学习，我们现在能够优化维护计划，指定高风险零件进行更换，并确保技术人员拥有正确的工具和更换零件，这样他们就无需进行不必要的重复旅行”，Shahar Chen 说，总部位于纽约的 Aquant 的联合创始人。

这种系统在现实世界中的好处很难量化，但却是巨大的。设备寿命的延长、效率的提高和生产力的提高不仅对电力公司来说，而且对公司的所有客户来说都是如此。

预测分析和上帝的作为

借助 AI 机器学习，我们甚至可以预测自然灾害对电力系统的影响。德克萨斯 A&M 大学的研究人员最近开发了一种智能模型，可以预测恶劣天气期间高速风的影响，以便首先修剪可能在关键区域的电线上倒下的树木。目前，这种工作是在任意基础上完成的。预测最佳树木修剪计划只是该模型的应用之一。 “与电力系统相关的任何类型的环境数据都可以输入到这个预测框架中，”Mladen Kezunovic 博士说，他与几名研究生一起开发了该系统。

在经常出现恶劣天气是一个因素的地区，处理电气系统的物联网公司 Exacter 表示，其算法可以在大风暴来袭之前识别出性能下降或出现故障迹象的设备。然后，公用事业公司优先对人口最稠密和受影响最严重的地点进行预防性维护。风暴过后，他们会提供健康评估，以尽快启动和运行电力系统。

另见 :诺基亚助力成都地区成为智能强国

双赢的场景

预测分析为公用事业公司和依赖它们的组织提供了一个双赢的方案。通过通知团队即将发生的风险（可能停电），他们可以采取必要的行动来减轻损害并完成维修。此外，公司将收到即将到来的停机时间的提前警告，并能够采取自己的措施。生产力和效率将全面提高。

真正令人兴奋的是人工智能和机器学习如何能够提供如此直接的可操作见解。公用事业公司已经开始接受预测分析，并将在未来几年增加在该领域的支出。据 Navigant Research 称，到 2023 年，公用事业公司将在电网监控设备上花费 500 亿美元。因此，虽然基础设施和系统确实需要升级，但我们的技术进步可能会在另一次代价高昂、不方便的停电发生之前解决这些大部分问题。无论如何，这是我的预测。