Adatok által vezérelve: Az energetika új korszaka

Az új generációs megújuló energiatermelés elterjedése és felhasználása a hagyományos eszközök mellett elindított az energetikai szektoron belül egy jelentős átalakulási folyamatot, amelyben a technológia mellett az eddigi üzleti szempontrendszer is változáson megy át.

A hagyományos megközelítés jellemzően reaktív karbantartást, hibakezelést tesz lehetővé. A rendszerek terhelhetőségének, egészségi állapotának tökéletes ismerete nélkül a kritikus infrastruktúra üzemeltetés túlméretezett tartalékot, pótalkatrészeket, jól képzett, mobilis hibaelhárító és szolgáltató csapatot igényel a folyamatos működésbiztosításhoz. A nem tervezett leállások, zavarok termeléskieséshez vezetnek, amelyek felborítják a menetrendeket, amelyek különösen kritikusak a nyári időszakban, amikor extrém időjárási körülmények között üzemel a hálózat magas teljesítmény értékek mellett.

A zöld-, és diverzifikált energia termelő és tároló eszközök nagyobb mozgásteret engednek a fogyasztási csúcsok gyors kezelésében és az esetleges zavarok hatékony korrigálásában és ezeket az eszközöket támogató rendszerek már szinte kivétel nélkül modern IoT és IT eszközparkot alkalmaznak a termelési adatok, események gyűjtésére, illetve a termelés felügyeletére, irányítására.

Az energetikai hálózatokban a hagyományos és új eszközök, szemléletek egyidejű használata azonban továbbra is konzerválta a nem tervezett leállások, zavarok, extrém körülmények által okozott anomáliák előfordulását, és nem segítették elő a tartalékok költséghatékony felhasználását.

A műszaki adattárházak fejlett predektív analitikai rendszerekkel együtt megoldást kínálnak ezeknek a váratlan és költséges eseményeknek a kezelésére, továbbá lehetőséget adnak a drága túlméretezett tartalékok csökkentésére és ezek aktív termelésbe illesztésére.

Emiatt a műszaki adattárházak és a ráépülő szolgáltatások használata egyre inkább a piac által kikényszerített fejlesztésnek tűnik a szektor szereplői számára.

Erről a vonatról le is lehet maradni, viszont ez garantált üzleti hátrányokat fog jelenteni már rövid, és középtávon is. Ami viszont jó hír, hogy erre a vonatra fel is lehet ülni, hogy elvigyen bennünket egy modernebb, újabb generációs működési modellbe, annak minden előnyével együtt.

Melyek ezek az előnyök és mit is kell tudnia egy műszaki adattárháznak, és hogyan kapcsolhatjuk össze a vállalati rendszerekkel?

A műszaki adattárházon alapuló modern analitikai-preventív rendszerek használata és funkcionalitása adja azt az előnyt, amire szükség van ebben a kritikus szektorban.

Az energetikai műszaki adattárházak különböző forrásokból származó adatokat gyűjtenek, mint például:

• Villamosenergia-termelés és -fogyasztás és a kapcsolódó minőségi paraméterek

• Gáz- és olajfelhasználás

• Megújuló energiaforrások (napenergia, szélenergia, vízenergia)

• Energiahálózatok és elosztórendszerek teljesítménymutatói

• Környezeti adatok, mint például időjárási információk

Az adatok gyűjtése történhet valós idejű szenzorok, intelligens mérők és egyéb monitoring rendszerek segítségével. Az adattárházak képesek nagy mennyiségű strukturált és strukturálatlan adatot kezelni, melyeket hosszú távon tárolnak és rendszereznek.

A begyűjtött adatokat felhasználva kiépíthetőek olyan támogató funkcionalitások, mint a mintázatok felismerését holisztikus modelleken megvalósító fejlett riasztás- és ügykezelés eseményrögzítés, az adatalapú esemény visszajátszási, elemzési képesség, amit predikcióra és prevencióra is felhasználva az energetikai szolgáltatók, energiaközösségek, optimalizálni tudják a szolgáltatásaikat.

Milyen elemekből állhat a műszaki adattárházon alapuló analitikai rendszer (Asset Performance Management – APM) túl a megszokott adattárház funkcionalitáson?

Adatmodellen alapuló prediktív monitoring:

• Modell alapú validált template-ek – (pl. Motorindítás, szelepvezérlés indító karakterisztikája, teljesítmény felfutási karakterisztikák stb.)

• Eseményrögzítés, bizonyíték és jelentéskészítés

• Teljesítmény monitoring

• Átfogó ügykezelés és tudástár építés folyamatos fejlesztés (Continous Improvement) alapelvek szerint

• Hibák, riasztások, előriasztások kezelése, diagnosztikája

• TUFF – Time Until Failure Foreceast – előre jelzési képesség

• Tranziens analízis és visszajátszás (nagy sűrűségű adatok rögzítése és kiértékelése)

• Eszközök összehasonlítása, egymáshoz viszonyítása, elemzése

Probléma analízis:

• Digital Twins – Adat-, és viselkedés alapú virtuális másolata a fizikai objektumoknak ( PL.: épület, alhálózat, HMKE csoport ) ahol szimulálni lehet az eseményeket és tesztelni a beavatkozásokat.

• Jelek, értékek összefüggésének értelmezése összhangban a hibajelzéssel

• Szenzorjelek előre jelzett állapotai vs. az aktuális értékek

• Kapott adatok vizualizálása és kontextusba helyezése

• Gyökérok keresés és hibaláncok állítása

• Hiba-valószínűségi modellek építése

• Javító intézkedések visszamérése

• Kockázati szint meghatározás (Time to Failure Forecast)

• Hibakezelési és elhárítási utasítások összeállítása

• Tapasztalatok és több szintről jövő kommentek, meglátások beépítése az adatmodellbe

AI:

A műszaki adattárház adataira épülő AI/Machine Learning alkalmazása jelentősen megnöveli a hatékonyságot, és számottevő hatása van:

• Trendek felismerése - prediktív hibakezelés

• Adatalapú döntések meghozatala

• Anomália keresés és feltárás

Többször felmerül a kérdés, hogy vajon a meglévő gazdasági adatokkal teli adattárházakat fel lehet-e használni a termelésből beérkező adatok feldolgozására, tárolására. A kérdés jogos és a válasz elsőre nem tűnik egyszerűnek, azonban az ágazat kritikusságából mégis adódik, hogy biztonsági okokból javasolt a termelési adatokat teljesen elszeparáltan kezelni.

Végezetül összefoglalva az alábbi előnyöket biztosítja egy jól kialakított funkcionalitással rendelkező műszaki adattárház a szektor különböző szereplői számára:

Energiakereskedők

• Pontosabb előrejelzések, menetrendek

• Optimálisabb fogyasztási minták, terhelések

• Tervezési, üzemeltetési hatékonyság növekedése

• Naprakész hálózati kapcsolódási pont és terhelési profil információk

• Feltérképezett hálózati műszaki paraméterek és korlátok

• Meglévő szabályozási és tartalékkapacitások rugalmasabb kezelése

• Széleskörű döntéstámogató funkciók kialakítása működés optimalizáláshoz, piaci pozíció javításhoz

  • Közcélú HMKE adatbázis

  • Ár-előrejelzés és kockázatkezelés

  • Portfólió-optimalizálás

  • Aggregátorok tevékenységéhez kapcsolódó kompenzáció kiszámítása

TSO

• Pontos hálózat terhelési minták átadása regionális tervezéshez

• Üzemeltetési döntések támogatása

• Anomáliák historikus visszajátszása

DSO

• Döntéstámogató funkciók – működés optimalizáláshoz, piaci pozíció javításhoz

• Termelés előrejelzés pontosítása

• Elosztói okostarifa meghatározása

• Elosztói hálózati rugalmassági szolgáltatások biztosítása

• Megalapozottabb vészhelyzeti reakciótervezés

• Karbantartás és hálózati fejlesztés optimalizálása

• Anomáliák historikus visszajátszása

Aggregátorok

• Pontosabb kompenzációs elszámolási szolgáltatás

• HMKE előrejelzés és menetrendezés kialakítása

Energiaközösségek

• Energiamegosztás - elszámolás: Statikus és dinamikus elszámolások biztosítása

• Menetrend készítés optimalizálása

• Energiamegosztási stratégiák kialakítása

Ügyfelek – fogyasztók, termelők

• Energiafogyasztási és termelési adatok rendelkezésre állása

• Igényekhez alakítható információ csomag

Végül, de nem utolsósorban kijelenthető, hogy a beruházások adatalapú tervezése az OPEX költségek csökkenése gazdálkodói oldalon, a teljesítmény, termelési egyensúly, OEE mutató javulása a termelési területen, a rendszerszintű rendelkezésre állás növelése, eszközök, rendszerek élettartam növekedése, korai szakaszban felismert és elhárított hibák a fenntartói területen mind olyan érték, ami kimutatható megtakarításokat hoz a műszaki adattárház építtetőjének.