יום ראשון, 4 באוקטובר 2026 LIVE
AI־INFO

כתבה arXiv cs.AI ·

מבחנים לייצור: תרגום שיטות זיהוי תקלות בזמני תצפית קצרי-טווח לניטור ייצור חשמל

From Benchmarks to Production: Transferring Time Series Anomaly Detection Methods for Electricity Production Monitoring
במאמר זה, נציגים שיטה חדשה לזיהוי תקלות בזמני תצפית קצרי-טווח לניטור ייצור חשמל. השיטה, TAMIS, נועדה לזהות יומיות תקלות בזמני תצפית קצרי-טווח. המאמר כולל ניתוח נרחב של נתוני ייצור תעשייתיים אמיתיים.
תקציר מקורי באנגליתarXiv:2609.39257v1 Announce Type: cross Abstract: Accurate forecasting of electricity production is essential for maintaining the operational efficiency and strategic planning of energy utilities. In industrial settings, such forecasts are generated daily to ensure supply-demand balance and optimal management of production assets. However, the increasing complexity of modern power systems and data flows poses significant challenges for ensuring the reliability and consistency of these forecasts. This paper addresses the problem of anomaly detection in short-term production forecasts at EDF, formulated as identifying atypical intra-day patterns that may signal data quality issues or operational irregularities. We introduce TAMIS, a scalable and interpretable system that analyzes daily produ
קרא במקור המקורי