Почему большие данные — будущее энергетики

Андрей Григорьев, директор по развитию бизнеса компании КРОК в энергетике, — о том, как энергетики могут использовать big data для повышения своей операционной эффективности и какие барьеры для этого надо преодолеть

Фото: Carsten Koall / Getty Images

Выступая в 2006 году на конференции, математик Клайв Хамби высказал, пожалуй, один из ключевых тезисов XXI века: «Данные — это новая нефть. Как и нефть, они ценны, но не сами по себе, а благодаря продуктам на их основе. Данные должны быть обработаны, проанализированы для того, чтобы извлечь из них ценность, повысить рентабельность бизнеса».

В России основную прибыль из бизнес-аналитики и обработки больших данных (big data) традиционно извлекали телекоммуникационные компании, банки, ретейл. Вместе с тем мир промышленных решений и производства технического оборудования существовал независимо от мира аналитики.

Однако большие данные называют одной из сквозных технологий: эффект от их применения пронизывает экономику насквозь. Промышленные компании генерируют колоссальное количество информации, которую при грамотной обработке и аналитике можно использовать для развития бизнеса и повышения его эффективности. Энергетический сектор не исключение.

Согласно прогнозам IDC, общий объем мирового рынка технологий обработки больших данных и бизнес-аналитики будет ежегодно расти на 13,2% и к 2022 году составит $274,3 млрд (20,3 трлн руб.). Объем российского рынка, по разным оценкам, составляет от 10 млрд до 30 млрд руб. Однако Ассоциация больших данных прогнозирует его рост до 300 млрд руб. к 2024 году. Общеэкономический эффект от обработки и анализа больших данных может составить 1,5% ВВП России.

Что важно знать

Большие данные — это такие типы данных, которые слишком велики или слишком сложны для традиционных аналитических приложений и инструментов. Их можно определить по характеристикам: большой объем, высокая скорость изменения или большое разнообразие типов. Технологический стек программных инструментов позволяет анализировать такие данные и извлекать из них прибыль. В основе этих инструментов лежат нейросетевые алгоритмы, способные обрабатывать информацию вне зависимости от ее объема, количества, источников трафика (IoT, ИИ, мобильные сети) и структуры. Алгоритмы включают в себя целый набор техник, направленных на:

извлечение информации из разных источников;
обеспечение ее качества;
преобразование ее в единый формат;
загрузку в хранилище — «аналитическую песочницу» (Analytic Sandbox) или «озеро данных» (Data Lake).

Результатом аналитики могут быть отчеты, дашборды, математические модели и другие визуально оформленные форматы. Подобная аналитика позволяет принимать верные управленческие решения, а в перспективе — выбирать оптимальный путь для развития предприятия.

Способы использования big data в энергетике

В энергетике на основе big data можно строить прогнозы и предиктивные модели. Качество и точность таких прогнозов будут высоки, так как поле анализируемых данных будет шире и позволит принимать во внимание факторы, которые ранее не учитывались, но на самом деле косвенно влияют на результат.

На предприятиях энергетического сектора очень многие аспекты деятельности подпадают под нормы и регламенты. Плановое обслуживание оборудования в соответствии с ними, как правило, приносит свои плоды в виде высокой степени надежности его работы, но одновременно ведет к значительным затратам. Согласно регламенту, необходимо в определенные интервалы времени заменять детали или даже целые рабочие узлы механизмов, которые по факту еще не выработали свой ресурс.

При применении больших данных появляется возможность в моменте отслеживать параметры «жизнеспособности» оборудования, прогнозировать риски и обслуживать его, основываясь на реальном состоянии. Такой подход позволяет снизить количество и продолжительность аварийных остановок производства, увеличить межремонтные интервалы и закономерно сэкономить бюджет. И это только малая часть возможностей big data для энергетики.

В перспективе использование технологии способно:

создавать эффективные прогнозы динамики потребления электроэнергии производствами и лучше справляться с пиковыми нагрузками на сети;
предоставлять аналитику по должникам на основе релевантных факторов и в результате повышать эффективность производств через персонализированные подходы к работе с дебиторской задолженностью;
помогать своевременно выявлять потери электроэнергии как в сетях, так и у розничных потребителей;
проводить мониторинг высоковольтных линий и принимать соответствующие меры;
повышать экономическую эффективность работы на оптовом рынке электроэнергии, качественнее управляя стоимостью контрактов;
прогнозировать востребованность в дополнительных сервисах для клиентов энергосбытовых компаний;
эффективно планировать затраты на техническое обслуживание и ремонт оборудования.

Какие барьеры мешают энергетикам использовать большие данные

Для успешного внедрения технологий анализа big data в энергетические системы необходимо, чтобы сбор, передача и управление данными также претерпели изменения. Для этого необходимо преодолеть ряд барьеров в энергоотрасли.

1. Барьер «выбрасываемых» данных

Традиционный подход к управлению данными электроэнергетических систем охватывает только самую важную информацию, которая необходима в краткосрочной перспективе для контроля и наблюдения за узким стеком операций. Однако аналитика больших данных (Big Data Analytics) предполагает «обогащение» даже тех данных, которые собираются не ради определенных целей. Например, сейчас разрабатываются алгоритмы для диагностики неисправностей высоковольтных электрических сетей и коммутационных аппаратов. Соответственно, несмотря на то что эти показатели не собирались изначально для подобных задач, использование big data позволяет найти им применение при решении конкретных проблем, в том числе при устранении «зарождающейся» неисправности — задолго до того, как она приведет к выходу оборудования из строя.

2. Барьер сосуществования централизованного и распределенного управления данными

Общий подход к аналитике больших данных во многих сегментах заключается в переходе от централизованного управления данными к распределенному. Цель такого перехода — снижение затрат и накладных расходов на интеграцию данных и систем. На первый взгляд может показаться, что это хорошо вписывается в контекст энергосистем, так как данные в энергосистемах естественным образом распределены географически. Однако как минимум в перспективе 10–15 лет уход от централизованного управления данными в российской энергетике не представляется ни возможным, ни эффективным. Таким образом, важны баланс и координация между существующими централизованными и будущими распределенными архитектурами управления данными.

3. Барьер разрозненности и доступа к данным

Доступ к информации — это по-прежнему одна из самых больших проблем для аналитиков в энергетическом секторе. Разрозненные и фрагментированные данные, к которым излишне ограничен доступ, служат барьерами для развития аналитики больших данных. Разные подразделения могут не иметь доступа к данным друг друга. Отчасти это связано со структурными недостатками и отсутствием мотивации делиться информацией. В то же время энергосистемы — это критическая инфраструктура. Их бесперебойная работа важна в целях обеспечения стратегической безопасности, поэтому вопрос доступа к данным неизбежно сталкивается с приоритетами кибербезопасности. Например, вредоносная программа BlackEnergy вызвала масштабное отключение электроэнергии на Украине в 2016 году. До тех пор пока отрасль энергетики не сможет преодолеть барьер изолированности различных систем хранения данных и доступа к ним, внедрение big data будет точечным.

4. Инфраструктурный барьер

Объем и сложность обрабатываемых данных будут расти, для их накопления и сохранения потребуется соответствующий плацдарм, который обеспечивают ЦОДы. Однако пока строительство дата-центров в энергетике протекает не очень активно. Несколько лет назад о своем намерении участвовать в строительстве ЦОДов заявили «РусГидро» и En+ Group. Также, согласно плану закупок ПАО «МРСК Сибири», на 2020 год планируются работы по созданию инженерной инфраструктуры ЦОДов. Однако в повсеместную практику подобные инициативы пока не вошли. Это может затруднить внедрение и использование big data.

Перспективы технологии

Применение big data способно дать толчок для совершения технологических прорывов в отрасли. В дальнейшем благодаря ему и искусственному интеллекту возможно будет реализовать автоматизированную разработку и проектирование оборудования при помощи математических моделей, задать потокам данных логику построения и собрать цифровой двойник предприятия. На таком двойнике будет возможно проводить виртуальные испытания и тестировать нововведения без риска остановки «физической» версии бизнеса.

Антон Балагаев, директор по консалтингу компании Arenadata

«Энергетика — это прежде всего надежность, так как от обеспечения энергией зависят как экономика страны, так и базовые потребности граждан. В связи с этим технологии больших данных, корни которых уходят в open-source (программное обеспечение с открытым исходным кодом), долгое время закономерно не вызывали доверия у ответственных за ИТ в этой отрасли. Решения с открытым кодом лишь недавно обросли корпоративным культурным пластом, включающим в себя критически важные для энергетиков услуги: вендорское сопровождение с соглашением об уровне предоставления услуги (SLA), обучение специалистов и возможность трансфера экспертизы от вендора к заказчику.

Есть ограниченный круг компаний, ПО которых пользуется доверием в отрасли. Они стараются идти в ногу со временем, предлагая актуальные продукты, но их динамики в части аналитики в реальном времени и в больших данных не хватило для того, чтобы обеспечить адекватный ответ миллионам разработчиков свободного ПО и компаниям, обеспечивающим сопровождение open-source-решений или сборок на их основе. Поэтому я уверен, что необходимость хранения и обработки петабайтов информации будет ключевым драйвером к скорому развороту отрасли в сторону новых решений, доказавших свою надежность.

Возможности, которые открывают искусственный интеллект и роботизация для предотвращения аварий, обследования инфраструктуры и предиктивных ремонтов, настолько велики, что даже параллельное традиционным ИТ-системам развертывание серверов и ПО для накопления данных и их аналитики окупит себя кратно. Потенциал же стриминговой аналитики для распознавания событий, автоматического и полуавтоматического принятия решений в непростых ситуациях даст возможность дополнительно увеличить стабильность предоставляемых населению и предприятиям услуг. С точки зрения клиентского опыта это основной показатель эффективности».

А что дальше?

Отрасль энергетики пока настроена по отношению к big data осторожно. Это объяснимо, так как это новые для рынка технологии и производства функционируют по годами проверенным и утвержденным нормам и регламентам.

Однако, по моему мнению, в течение трех лет будут запущены проекты с применением больших данных, которые послужат залогом дальнейшего развития и конкурентоспособности. Это технология будущего и один из ключевых элементов четвертой промышленной революции и цифровой экономики. Технологии big data уже обладают высокой степенью зрелости и широким спектром примеров внедрений в энергетике и смежных отраслях, поэтому не стоит их опасаться. И чем раньше энергетики начнут накапливать данные, тем больше конкурентных преимуществ они получат в будущем.