All Products
Search

This Product

    Platform For AI:Memprediksi output pembangkit listrik

    Document Center

    Platform For AI:Memprediksi output pembangkit listrik

    Last Updated:Apr 24, 2026

    Topik ini menjelaskan cara menggunakan templat preset Designer untuk membangun model prediksi output pembangkit listrik secara cepat.

    Latar Belakang

    Alur kerja ini menggunakan data dari pembangkit listrik combined-cycle untuk menunjukkan penerapan pembelajaran mesin dalam lingkungan industri. Prediksi output daya yang akurat memungkinkan operator merencanakan dan menjadwalkan pembangkitan listrik dengan lebih baik, sehingga mengoptimalkan alokasi sumber daya dan mencegah pemborosan.

    Prasyarat

    Set Data

    Alur kerja ini menggunakan set data Combined Cycle Power Plant dari UCI Machine Learning Repository. Untuk informasi selengkapnya, lihat Combined Cycle Power Plant Data Set. Set data ini berisi 9.568 sampel data. Setiap sampel mencakup lima fitur: Ambient Temperature (AT), Exhaust Vacuum (V), Ambient Pressure (AP), Relative Humidity (RH), dan Net Hourly Electrical Energy Output (PE). Gambar berikut menunjukkan contoh data alur kerja.数据集

    Memprediksi output pembangkit listrik

    1. Buka halaman Machine Learning Designer.

      1. Masuk ke Konsol PAI.

      2. Di panel navigasi sebelah kiri, klik Workspaces. Pada halaman Workspaces, klik nama ruang kerja yang ingin Anda kelola.

      3. Di panel navigasi sebelah kiri, pilih Model Training > Visualized Modeling (Designer).

    2. Bangun alur kerja.

      1. Pada halaman Designer, klik tab Preset Templates.

      2. Klik Create pada kartu templat preset Power Plant Output Power Prediction.

      3. Pada kotak dialog Create Pipeline, konfigurasikan parameter (Anda dapat menggunakan nilai default untuk semua parameter).

        Parameter Data Storage menentukan path Bucket OSS yang digunakan untuk menyimpan data temporary dan model yang dihasilkan oleh alur kerja.

      4. Klik Confirm.

        Alur kerja dibuat dalam waktu sekitar 10 detik.

      5. Pada daftar alur kerja, klik ganda alur kerja Power Plant Output Power Prediction untuk membukanya.

      6. Sistem secara otomatis membangun alur kerja berdasarkan templat preset, seperti yang ditunjukkan pada gambar berikut.

        发电厂工作流

        Area

        Deskripsi

        ①

        Komponen Correlation Matrix memungkinkan Anda mengamati dampak setiap fitur terhadap output daya (PE). Setelah alur kerja selesai dijalankan, Anda dapat mengklik kanan komponen Correlation Matrix pada Kanvas dan klik Visual Analysis untuk melihat hasilnya.

        ②

        Set data dipisah menjadi set data pelatihan dan set data prediksi dengan rasio 8:2.

        ③

        Komponen Linear Regression membangun model regresi.

        ④

        Komponen Predicted menguji performa model pada set data prediksi. Komponen Regression Evaluation kemudian mengevaluasi akurasi prediksi model tersebut.

    3. Jalankan alur kerja dan lihat output-nya.

      1. Klik image di pojok kiri atas Kanvas.

      2. Setelah alur kerja selesai dijalankan, klik kanan Correlation Matrix pada Kanvas, lalu pada menu pintasan, klik Visual Analysis.

      3. Pada kotak dialog Correlation Matrix, lihat pengaruh setiap fitur terhadap output daya PE.

        系数矩阵结果Fitur-fitur tersebut diurutkan berdasarkan dampaknya terhadap output daya (PE) dari yang paling signifikan hingga paling tidak signifikan: Ambient Temperature (AT), Exhaust Vacuum (V), Ambient Pressure (AP), dan Relative Humidity (RH).

      4. Klik kanan Linear Regression pada Kanvas, lalu pada menu pintasan, klik View Data > Output Model Evaluation Table untuk melihat hasil evaluasi model.

      5. Klik kanan Regression Evaluation pada Kanvas, lalu pada menu pintasan, klik View Data > Output untuk mengevaluasi performa model algoritma regresi berdasarkan output tersebut.