הדיגיטליזציה היא עיצוב יסודי של האופן שבו חברות שימושיות ניגשות לתחזוקה של רשת חשמל.המעבר מתיקוןים מבוססי-תוכנית לפרדיגמה ממוקדת-עצמית, המונעת על-ידי נתונים מאפשר רמות חסרות תקדים של אמינות ויעילות.על-ידי הטמעת טכנולוגיות דיגיטליות ברשת השידור והתפוצה, השימושים יכולים לאסוף ולנתח זרמים עצומים של נתונים תפעוליים, מודלים אנליטיים חזופים לפני שהם מובילים לשינוי זה, לחסוך כסף, להפחית את האבטחה, ולצמצם את האפליקציות.

The Digitalization Foundation for Grid Data Collection

ניתוח חיזוי הוא רק טוב כמו הנתונים שמדלקים אותו.דיגיטליזציה מספקת את התשתית ללכוד, לשדר ולאחסן מדידות ברזולוציה גבוהה מכל רחבי הרשת.סעיף זה מפרט את רכיבי המפתח של רשת דיגיטלית וכיצד הם תומכים תחזוקה חיזוי.

חיישנים של IoT ומכשירים חכמים

בקצה הרשת המודרנית, מערכת אקולוגית הולכת וגוברת של האינטרנט של הדברים (IoT) עוקב אחר פרמטרים פיזיים על ציוד כגון הטרנספורמציה, פורצי מעגלים, מתגאגאר וקווי שידור.חיישנים אלה מודדים טמפרטורה, לחות, רטט, פריקה חלקית, רמות גז שמן, ועומס זרמים. בניגוד מערכות בקרה מסורתית ורכישה (SCADA) אשר מדגימות תוך שניות או, חיישנים מודרניים יכולים להפיל אותם חיישנים נמוכים, כלומר, כלומר, כלומר, חיישנים בינוניים, אשר לא ניתן ללכידת נכסים בינוניים, אשר היו בעבר, אשר היו יכולים להפחית אותם, כלומר, חומרים לאיים, חומרים לא פחות או ירידה דרמטית, חומרים אלה, חומרים אלה, כלומר, על פני השטחיים, כלומר, חומרים אלה, ירידה במקרים של חומרים קבועים של חומרים אלה, ירידה של חומרים קבועים של חומרים לאיים, ירידה של חומרים לאיים, ירידה של חומרים לא פחות או ירידה במקרים של חומרים לאפסים, ירידה במקרים של חומרים לא סדירים, ירידה במקרים של חומרים לא פחות.

לדוגמה, מהפך ההפצה המודרני עשוי להיות סורק שעוקב אחר ניתוח גז מבוזר (DGA) בנפט המבודד, מזג אוויר מתפתל, ותנאים נוחים.הנתונים האלה נשלחים אלחוטיים לפלטפורמה מרכזית, המאפשרים הערכה רפואית רציפה.

SCADA ו- Advanced Metering Infrastructure

מערכות SCADA נשאר עמוד השדרה של ניטור רשת בזמן אמת, אבל הדיגיטליזציה הרחיבה את היקף שלהם. פלטפורמות SCADA מודרנית לאסוף נתונים מאלפי יחידות מסוף מרוחקות (RTUs) ומכשירים אלקטרוניים אינטליגנטיים (IEDs), מסונכרנים עם חותמות זמן מ- GPS כדי לספק תמונה מדויקת של מצב רשת.בינתיים, תשתיות מתקדמות של מטר (AMI) - ממות חכמות במקום הלקוחות - מספק, זרם, הנוכחי, כוח נוכחי, ומשתנה מזהה נתונים ברמה זו.

השילוב של נתוני SCADA ו- AMI נותן שירותים תצוגה בקנה מידה רב של בריאות הרשת, מן המצע למטה ללקוח הבודד. כאשר התמזג עם מזג אוויר, עומס ונתונים צמחייה, זה יוצר התחלה עשירה של נתונים לניתוחים חיזוי.

צוק ו-Time Data Transmission

הדיגיטליזציה גם מביאה את המחשוב קרוב יותר למקור הנתונים. Edge מכשירים preprocessing חיישנים קורא באופן מקומי, סינון רעש, העלאה של הרטוגרמה, והפעלה של מודלים קלים לפני שליחת סיכומים למרכז הענן או הנתונים.זה מקטין את דרישות רוחב הפס ומאפשר התראות בזמן אמת.לדוגמה, שער על מהפך יכול להפעיל אלגוריתם ניתוח רטט גדול ולהעביר רק בריאות ציון ודגל, ולא ימים גליים, במקום לצפות נתונים קריטיים.

כיצד Analytics חיזוי ממיר נתונים לתובנות

עם צינור נתונים דיגיטלי במקום, הצעד הבא הוא יישום טכניקות אנליטיות למצב ציוד חיזוי והסתברות לכישלון. ניתוח חיזוי משתמש בנתונים היסטוריים ומציאותיים כדי לזהות דפוסים כי לפני תקלות, המאפשרים התערבות בזמן.

מודלים לחיזוי כשל

גישות למידת מכונה נפוצות לבריאות נכסים ברשת כוללות סיווג מבוקר (למשל, "יכשל בתוך 30 ימים?"), רגרסיה (למשל, "לשמור על החיים שימושיים בחודשים") ותחזיות זמן.אלגונדריים כגון "פורמדומים", Gradient Boosting, ו-Long- Term Memory (LS) רשתות מאומנים על נתונים מתוייגים של כישלונות ופעולות רגילות של מחלות רוחיות, הן מרשימות להורדת סיכון להורדתיות.

שיטות לא מבוססות יכולות גם לזהות סטיות חדשות שלא נראו באימון נתונים. אלגוריתמים קבוצה של מצבי הפעלה דומים, וסטיות מן אותם אשכולות מעוררות התראות.גישה זו היא בעלת ערך לתפיסת מצבי כישלונ מתעוררים בציוד שיש לו היסטוריה של כשל מוגבל.

זיהוי וזיהוי אנומליות

מעבר למודלים ספציפיים של כשל, פלטפורמות ניתוח חיזוי משתמשות בהכרה דפוס כדי לזהות שינויים עדינים בהתנהגות ציוד.לדוגמה, מסלול של פורץ מעגל של גלימות נוכחית גלימות יש צורה אופיינית. ניטור דיגיטלי ללכוד כל פעולה; כאשר הגלפורציה (למשל, עלייה איטית יותר זמן), זה עשוי להצביע על ללבוש מכני או מגע השפלה.

גילוי אנומלי הוא חזק במיוחד בהקשר של ניטור צי-רחבי. תת-קבוצה עם עשרה משתנים דומים יכול להיות בהשוואה סטטיסטית; אם אחד מטמפרטורתו או רמות הגז של מהפך שונה מבניו, המערכת מדנמרק אותה לבדיקה. גישה יחסית זו לפצות על תנאים סביבתיים שונים עומסים.

תחזוקה חיזויית שדרלינג

התפוקה הסופית של ניתוח חיזוי היא המלצה תחזוקה.במקום לוח זמנים מבוסס לוח שנה (למשל, "לבדוק כל חמש שנים") המערכת מציעה התערבות כאשר ההסתברות הצפויה של כישלון עולה על סף.זה "תחזוקה מבוססת תנאי" מייעל את פריסת הצוות ומצמצם את המשאיות מיותרות.אינטגרציה עם מערכות ניהול עבודה מאפשרת יצירת אוטומטית, עם עדיפות על בסיס דחיפות ותוצאה של דוגמה, עשוי להיות מנקה של סיכון קריטי למזג אווירי נמוך יותר.

דרישות מפתח בתחזוקה גריידית

Digitalization-enabled Predictive Analytics אינו מושג תיאורטי; הוא מופרס כיום על פני כיתות נכסים מרובות של רשתות.למטה הם שלושה יישומים בעלי ביצועים גבוהים.

מעקב אחר בריאות

(הרובוטים הם בין הנכסים היקרים והקריביים ביותר של רשת דיגיטלית מצייד אותם עם חיישנים לטמפרטורת הנפט, טמפרטורה רוחית, גזים מתמוססים (hydrogen, methane, ethylenelenelenelenelenelenelene, acetylene), לטעון נוכחי, ולמצות את המצב של שינוי האנליטיקה, לעתים קרובות בהתבסס על משולש דונדוול או מכונה, לפרש מגמות DGA לגילוי תקלות כמו קשת, על פני כדור הארץ, או על ידי מחקר כזה של 30 שנה:

Overhead Line and Vegetation Management

(העברה וקווי ההפצה כפופים ללחץ סביבתי: רוח, קרח, חום וצמחייה.דיגיטליזציה משתמשת בחיישנים - כולל תחנות מזג אוויר מוכוונות קו, צגים רטט, ו צגים מלוחים - יחד עם תמונות לוויין ו- LiDAR. מודלים חיזוייים משלבים תחזיות מזג אוויר עם דירוגים סטנדרטיים לחיזוי גבולות דינמיים אנרגיה תרמית, המאפשרים להגדיל את יכולת כאשר תנאים (דירוג דינמי).

ציוד אבחון חומרים

בתת-התפיסות, ניטור מצב של השבירה, בריאות הסוללה, וביצועי הקש עובריים הם כל המטרות של ניתוח חיזוי.לדוגמה, סוללה של תחנת תת-התחנה עשויה להיות במעקב עבור אימפולס פנימי ומתח תחת עומס. מודל חיזוי יכול להזהיר את מפעילי כאשר הסוללה עומדת לאבד את היכולת שלה לשבירתם במהלך תקלה, מתג גזי-ממדן (GIS) יכול להיות במעקב אחר מגמות בלתי-מתאים; אם זה יכול להוביל להפחתה חלקית.

קביעת היתרונות

המקרה העסקי של ניתוח חיזוי מונע הדיגיטליזציה הוא משכנע.תוצאות אמפיריות של תוכניות שירותים מובילים:

  • (הופנה מהדף ההרחבה:0) ,4(FLT:103) חתכים של תחזוקה לא מתוכננת על ידי 30–50%, על פי ניתוח של NRELFLT 3 של טכנולוגיות רשת מתקדמות.
  • עלויות תחזוקה של FLT:0 (Cost Savingscio: FLT:1) יורדות כי הצוותים נשלחים רק כאשר הם נדרשים. אחד התועלת הגדולה דיווח על ירידה של 25% בהוצאות התחזוקה של ה- DGA לאחר פריסת ניתוח מבוסס תנאי גם נמנע הוצאות הון מוקדמות.
  • (FLT:0) בטיחות מובטחת:FLT:1המחשה חיזוי הקטנת הצורך בתיקון חירום בתנאים קשים (סופת, לילה, עומס גבוה) הפחתה של מספר אירועי תחזוקה בשידור חי מגן על עובדי שדה.
  • (ב) ⁇ :0) הוכחו כי אי-ציות אמינות: ⁇ 1:1 מtrics כגון SAIDI, SAIFI ו- CAIDI משתפרים ישירות משום שכישלונות מונעים.
  • (FLT:0) Extended Asset Life:FLT:1 ציוד הפעלה בתוך גבולות בטוחים ותפיסת בעיות מוקדם יכול להאריך את החיים של הטרנספורמציה על ידי 5-10 שנים, מה שמפחית את עלויות ההחלפה של מיליוני יחידות.

התמודדות עם אתגרים

למרות יתרונות ברורים, יישום ניתוח חיזוי בקנה מידה רשת מציג מכשולים משמעותיים. Utilities חייב לנווט אלה כדי לממש את הפוטנציאל המלא של הדיגיטליזציה.

תשתיות השקעות

חיישנים עומק, רשתות תקשורת, מכשירי מחשוב קצה ופלטפורמות נתונים דורשות הון משמעותי.עבור שירותים בבעלות משקיעים רבים, להצדיק את ההוצאות נגד גלי שיקום רגולטוריים היא אתגר. גישה שלבית - החל מהנכסים בסיכון הגבוה ביותר והרחבתו ככל ש-ROI הוא מומלצה.

איכות נתונים ואינטגרציה

מודלים חיזוייים הם רק טובים כמו הנתונים המזינים להם.בעיות כגון סחף חיישן, ערכים חסרים, שגיאות סינכרון זמן, ומוסכמות שמות עקביות ממגפות כלי רב.ללא ניהול נתונים קפדניים צינורות אימות, פלטים אנליטיים יכולים להיות מטעה. להשקיע באגם נתונים או אדריכלות ייצור נתונים המנרמל נתונים מ-SCADA, AMI, ו- GIS חיוני הוא 61.

אבטחת סייבר ופרטיות

(הדיגיטליזציה מרחיבה את פני השטח של ההתקפה.חיישנים ושערים יכולים להיות נקודות כניסה עבור שחקנים זדוניים המבקשים לתפעל פעילות רשת או לגנוב נתוני נכסים רגישים. Utilities חייב ליישם ארכיטקטורות אפס-אמון, להצפין נתונים הן במנוחה והן במעבר, ובאופן קבוע לפקח על אנטמונים חיזויים עצמם יכול להיות ממוקד - לדוגמה, קידוד עשוי להסתיר כשלון מתפתח.

פיתוח כוח העבודה

ניתוח חיזוי דורש מדענים, מהנדסי תוכנה ומומחים בתחום אשר מבינים הן מערכות חשמל והן למידת מכונה.כלי רכב רבים להתמודד עם פער מיומנויות.שותפות עם אוניברסיטאות ותוכניות הכשרה, יחד עם מיומנות פנימית של מהנדסים קיימים, הם הכרחיים יותר, שילוב של פלטים אנליטיים לתוך זרמי עבודה תחזוקה דרישות שינוי ניהול; צוותים ותוכניות הכשרה חייב אמון ולפעול על גבי הנחיות לוחיות ברורות, וחיזויים שמאחורי "שיטות תמיכה" אלה, מדוע דרישות גשר תמיכה ".

עתיד Analytics צפוי בתחזוקה גריידית

ככל שהדיגיטליזציה מעמיקה, ניתוח חיזוי יהפוך מדויק יותר, אוטונומי ומשולב. מגמות מפתח כוללות:

  • (FLT:0) תאומים: FLT:1 העתק דיגיטלי של הרשת הפיזית שמקבלת נתונים בזמן אמת ודמיית התנהגות עתידית.תאומים דיגיטליים מאפשרים אילו ניתוחים (למשל, "איך זה יהפוך את הדרגה אם העומס יעלה ב-10%?") ותאפשר תחזיות נוספות מדויקות יותר של חיים.
  • (FLT:0)AI-Driven תחזוקה אוטונומית: FLT:1 עם התקדמות בלמידה חיזוק, מערכות עתידיות עשויות לא רק לחזות כישלונות, אלא גם לשנות את הרשת לבודד ציוד בסיכון ולשמור על שירות.לדוגמה, AI יכול לשלוט על פורץ פתוח כדי להגן על מהפך ולאחר מכן לשחזר נתיבים חלופיים - ללא התערבות אנושית.
  • (FLT:0) אינטגרציה עם אנרגיה מתחדשת ו DERs:FLT:1 כמו מקורות אנרגיה מבוזרים (DERs) proLiferate, חיזוי אנליטיקה תרחיב למנועים, אחסון סוללות, ופאנלים סולאריים.
  • (FLT:0) Holistic Asset Dashboards: ההרחבה 1 (Utilities) מועברים מניתוחים משוליים לכיתת נכסים לפלטפורמות מאוחדת המתואמים נתונים על פני שידור, הפצה ו substations. Machine Learning יכול לגלות תלות בין-דו-קיום - כלומר, פגם של מפיצים חוזר עשוי להיגרם על ידי בעיה של העברת מתח השכן.

המסע לקראת תחזוקה דיגיטלית, דיגיטלית זמינה היטב.בעוד אתגרים נשארים בתשתיות, נתונים, אבטחת סייבר וכוח העבודה, היתרונות של הזכאות מופחתות, עלויות נמוכות יותר, ובטיחות מוגברת להפוך את ההשקעה לבלתי נמנעת. Utilities שמתחילה עכשיו יהיה יתרון תחרותי באמינות ויעילות תפעולית, ובכך לייעל את הדרך לרשת חשמל גמישה יותר בת קיימא.