BIG DATA в Энергетике KZ
По статистике различных консалтинговых агентств еще в 2012-2013 годах в Энергетике почти 60% респондентов не рассматривали аналитику данных в качестве приоритетных задач. В 2014 году по оценке Capgemini 80% компаний в энергетической отрасли считали, что Большие Данные предоставляют новые возможности для бизнеса, а 75% считают критическим фактором для выживания в будущем, то есть уже сейчас.
Анализ данных Системного оператора показывает эффективность применения BIG DATA в технологических процессах - точность прогнозирования технологических потерь в сетях KEGOC может быть увеличена до 15%
Об этом говорилось на недавнем заседании Управляющего комитета по инициативе Программы трансформации бизнеса АО «KEGOC» «Повышение операционной эффективности за счет анализа данных». Участниками встречи была одобрена финансово-экономическая модель, сформированная по результатам анализа информации о технологическом расходе электроэнергии в электрических сетях.
Анализ проводился с целью выявления возможностей более эффективного прогнозирования технологических потерь компании при передаче электроэнергии по сетям. Исследовательская работа необходима и важна для подготовки к предстоящему вводу Балансирующего рынка электроэнергии в 2022 году. С вводом новой модели работы рынка электроэнергии, компании необходимо будет проводить точное почасовое планирование потерь на сутки вперед по каждому часу предстоящих суток. Это позволит минимизировать затраты компании на балансирование отклонения фактических потерь от плановых на балансирующем рынке.
В качестве пилотного проекта был выбран один участок сетей транзита «Север-Юг Казахстана», по которому были изучены данные по потерям на корону, накопившиеся в производственных системах. Эта работа является достаточно объемной, так как данный фактор зависит от множества условий, таких как протяженность сетей, погодные условия, техническое состояние воздушных линий и пр.
Проектной командой совместно с компанией вендором, предлагающим на рынке современные решения по разработке математических моделей прогнозирования, в течение 6 месяцев были изучены накопленные данные по технологическим потерям за 2018-2020 годы. В ходе обсуждения экспертами технического блока компании были даны предложения по дальнейшему и более глубокому изучению вопроса, в частности учета данных по нагрузочным потерям, так как они составляют большую часть среди всех прочих технологических потерь в сетях, а также рассмотреть в качестве решения задач элементы искусственного интеллекта, которые в отличие от математических моделей расчетов могут распознавать и учитывать множество сложных постоянно меняющихся факторов влияния.
Вместе с тем, итоги эксперимента лишь по потерям на корону уже показали возможность увеличения точности почасового прогнозирования для KEGOC до 15%, а значит сокращение затрат компании на компенсацию потерь в электросетях.
В ближайшее время проект расчетов будет представлен на рассмотрение Архитектурного комитета, на котором будет решаться вопрос о дальнейшей реализации инициативы в рамках Программы трансформации бизнеса.
Анализ данных компании является одним из основных направлений трансформации бизнеса, нацеленных на выявление путей оптимизации бизнес-процессов, повышения их эффективности и, как следствие, принятие более качественных решений. В текущем году по данному направлению планируется также провести анализ информации по аварийным отключениям, технологическим нарушениям и техническому состоянию электрических сетей.
Пример зарубежного опыта: Оптимизация процессов эксплуатации и обслуживания
Обслуживание электростанций, занимающих большую территорию, отнимает значительные ресурсы компаний. К примеру, солнечная электростанция состоит из сотен или даже тысяч солнечных панелей, различного оборудования, датчиков, инверторов и сложной сети проводов. В результате эксплуатация и техническое обслуживание наземного уровня становятся все более трудоемкими, что влияет на ежедневную выработку энергии на предприятии.
Аналитика с помощью больших данных помогает компаниям оптимизировать свои операции и управление. Например, американская компания Extra Space Storage использует большие данные для эксплуатации различных солнечных установок. В частности, компания использует платформу Virtual Irradiance для управления солнечной энергией, которая собирает и анализирует данные об интенсивности солнечного света. Программа устраняет необходимость использования дорогостоящих датчиков на месте. Инструмент аналитики позволил компании выяснить, насколько хорошо солнечные панели работают в различных погодных условиях. Инженеры компании в автоматическом режиме получают сообщения о перегрузке сети или снижении их мощности. Таким образом, специалисты могут быстро найти проблему и предпринять соответствующие действия.