利用機器學習的人工智能可以說是現代分析技術中最重要的技術，它們正在被用于從日益增長的現代公用事業數據中提取價值。

一個關鍵的用例是圍繞資產管理和維護，這在E.ON的德國北部地區電網運營商子公司，Schleswig-Holstein 電網公司的中壓電網已經實現。

經過9個月的使用后，作為停電警告指標，其結果甚至使公司感到震驚。

E.ON德國電網業務負責人ThomasKönig說：“我們預測電網缺陷的概率增加了兩到三倍。“我們的客戶也從中受益，因為我們提前發現的可能的錯誤來源可以減少故障數量并使我們的電網更加穩定。”

E.ON的解決方案使用各種內部和外部數據來檢測模式和不一致性，包括電力線路的年齡和類型，維護和天氣數據以及實時電網信息。

將全面的數據分析與自學習算法相結合，可以在故障發生之前預測故障。據該公司介紹，根據他們獲得的信息，近幾個月來，Schleswig-Holstein電網公司中有十幾個維護項目被提出。

該公司預計該技術的其他好處包括改進電網建設項目的規劃，同時改善投資規劃和預算分配。

E.ON聲明說，近年來，該公司一直在努力提高其網絡供應的安全性。例如，在Schleswig-Holstein電網，2016年的平均停機時間僅為8.85分鐘，比全國平均值12.8分鐘低約三分之一。

E.ON現在正在努力收購 RWE的Innogy，這一公司認為自己是人工智能領域的先鋒。其解決方案由其配電運營商子公司HanseWerk AG和E.ON DataLab的專家在內部開發。

最初的目標是預測風電場的中壓電纜何時需要更換。輸入數據包括地理信息，資產和電網運營數據，以及有關天氣，閃電和鹽含量的外部數據。

除電力電纜用例外，該解決方案還應用于變電站，目的是擴展分析模型以覆蓋其他資產，如低壓電纜。

據該公司稱，研究表明，智能方法比傳統方法提高了30%。

今年早些時候，E.ON 與舊金山軟件初創公司Sight Machine合作開發基于人工智能的解決方案，以提高歐洲商業和工業行業的能效。

E.ON在一份聲明中表示：“我們相信創新技術和應用是未來，它們將給我們帶來比競爭對手更大的優勢。”