Beyazlaştırma, Beyaz Bakım Için Tahmin Edilebilirler

Dijitalizasyon temel olarak, şirketlerin elektrik şebeke bakımına nasıl yaklaştığını yeniden şekillendirmektedir. Reaktif, program bazlı onarımlar proaktif, veri odaklı paradigma, güvenilir ve verimlilikten yoksundur.Inding digital technologies across the Influence and distribution network, services can now gather and analyze large stream of operational, feed tahmin edici analitik modeller that tahmin cihazı başarısızlıkları kesintiye yol açarlar.Bu değişim para tasarrufu sağlar, düşük zaman, güvenlik sağlar ve varlık hayatını genişletir.

Beyazlaştırma Vakfı, Beyaz Veri Koleksiyonu için

Tahmin edici analitik sadece yakıtların kullandığı veriler kadar iyidir. Dijitalizasyon, şebekedeki yüksek çözünürlüklü ölçümler yakalamak, iletmek ve ağ üzerinden yüksek çözünürlüklü ölçümler depolamak için altyapı sağlar. Bu bölüm dijitalleştirilmiş bir ızgaranın temel bileşenleri ve nasıl tahmin edilebilir bakım destekler.

IoT Sensörleri ve Akıllı Cihazları

Modern ızgaranın kenarında, Nesnelerin İnterneti (IoT) sensörlerinin büyüyen bir ekosistemi, transformatörler, devre kesiciler, geçiş hatları ve iletim hatları gibi ekipman üzerinde fiziksel parametreleri izler.Bu sensörlerin sıcaklığı, nem, vibrasyon, kısmi deşarj, petrol seviyelerinin maliyeti ve mevcuttu. Geleneksel kontrol ve verilerin satın alınmasına izin verilen hizmetler saniyeler veya dakikalar içinde ölçülemezler, modern sensörler kilohertz oranlarında örnek alabilir, sinyal kesirleyici hataları ele alır.

Örneğin, modern bir dağıtım dönüştürücü, bu parametrelerin sabit modellere yönelik ham materyali çözmüş bir sensör paketine sahip olabilir.Bu veriler merkezi bir platforma kablosuz olarak gönderilir, sürekli sağlık değerlendirmelerine olanak sağlar.Bu parametreleri tahmin edici modeller için ham materyali yaratır.

SCADA ve Gelişmiş Yüzeyleme

SCADA sistemleri gerçek zamanlı ağ izlemenin arka kemiği olarak kalır, ancak dijitalizasyon kapsamını genişletmiştir. Modern SCADA platformları binlerce uzaktan terminal biriminden ( RTUs) ve akıllı elektronik cihazlar (IED), kanallarını tespit etmeye yardımcı olur, bu şekilde yük devre dışı bırakmak için GPS'den gelen hatalar veya harmonikler ile ilişkilendirir.

SCADA ve AMI verilerinin kombinasyonu, şebeke sağlığının çok ölçekli bir görünüm sağlar, alt istasyondan bireysel müşteriye aşağı indiğinde, hava, yük ve bitki örtüsü verileri ile bir araya geldiğinde, bu tahmin edici analiz için zengin bir veri kümesi oluşturur.

Edge Computing ve Real-Time Data Transmission

Dijitalizasyon ayrıca veri kaynağına daha yakın bir şekilde bilgi getiriyor. Edge bilgisayar cihazları preprocess sensörü yerel, filtreleme gürültüsü, histogramları takip etmek ve bulut veya veri merkezine göndermeden önce hafif modeller yürütmek. Bu, büyük bir ağ veya depolama kaynakları olmadan büyük bir akışa yol açıyor.

Tahmin edilebilir Analytics Data'ı Actionable Insights'a nasıl dönüştürür?

Bir dijitalleştirilmiş veri boru hattı yerinde, bir sonraki adım ekipman durumunu ve başarısızlık olasılığı tahmin etmek için analitik teknikler uyguluyor. Tahmin edici analiz, önceki hataları tespit etmek için tarihi ve gerçek zamanlı verileri kullanır.

Başarısızlık için Makine Öğrenme Modelleri

Ağ varlığı sağlığı için ortak makine öğrenme yaklaşımları denetimli sınıflandırma içerir (örneğin, “30 gün içinde başarısız olacak?”), regresyon (örneğin, “Aylarda yararlı yaşam”) ve zaman tahminleri.Algoritmik yükselteç içeriği gibi, Gradient Boosting, ve Long Short-Term Memory (LSTM) ağlar her bir başarısızlık ve normal işlem için zamanlayıcı bir risk altında eğitilmiştir.

Denetimsiz yöntemler, eğitim verilerinde görülmeyen yeni anomalileri de tespit edebilir. Kombinasyon algoritmaları grubu benzer işletim durumlarını ve bu kümelerden sapmaları uyarıları tetikler. Bu yaklaşım, sınırlı başarısızlık tarihi olan ekipmandaki yeni başarısızlık modlarını yakalamak için değerlidir.

Ölçeği Tanımlama ve Anomaly Tespit

Belirli başarısızlık modellerinin ötesinde, tahmin edici analitik platformlar ekipman davranışında ince değişimleri tanımlamak için örüntü tanımayı kullanır. Örneğin, bir devre kesicinin yolculuğu bandı mevcut dalgaformunun her işlemine sahip olması durumunda; dalgaformu her işlemi gerçekleştirirken; dalgaformu (örneğin, yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş yavaş) Bu kalıpları takip edebilir.

Anomaly algılama özellikle filo çapında izleme bağlamında güçlüdür. On benzer dönüştürücü ile alt istasyon istatistiksel olarak karşılaştırılabilir; eğer bir transformerin ısı veya gaz seviyeleri akranlarından farklıysa, sistem bayrakları bu farklı çevresel koşullar ve yükler için telafi eder.

Predictive Bakım Scheduling

Tahmin edici analitikin nihai çıkışı bir bakım önerisidir. Bir takvim tabanlı programdan ziyade (örneğin, her beş yıl boyunca) sistem, tahmin edilen bir başarısızlık olasılığının bir eşiği aştığını gösterir. Bu “önesel bakım”, mürettebat dağıtımını optimize etmek ve gereksiz bir kamyon ruloları ile entegrasyon otomatik çalışma düzenine izin verir.

Grid Bakımlarında Anahtar Uygulamaları

Dijitalleşme-ye uygun tahmin analizi teorik bir konsept değildir; bugün birden fazla ağ varlık sınıfları arasında dağıtılıyor. Aşağıda üç yüksek performanslı uygulama vardır.

Transformer Health Watch

Transformers en pahalı ve kritik ağ varlıkları arasındadır. Dijitalizasyon onları petrol sıcaklığı için sensörlerle donatır, rüzgarlı ısılar, çözünmüş gazlar (hidrojen, methane, jan, acetylene), mevcut yük ve musluk değiştirici pozisyonuna göre, Duval üçgen veya makine öğrenimine göre, DGA trendlerini ortalama olarak DGA frekanslarını, aşırı ısıtma veya koroidye gibi algılamayı sağlar.

Overhead Line ve Vegetation Management

Trans-tablok hava istasyonları, vibrasyon ve kanal hatları çevresel strese tabidir: rüzgar, buz, ısı ve bitki örtüsü. Dijitalizasyon, sensörler - hat destekli hava istasyonları, vibrasyon monitörleri ve bilge monitörler dahil - bir sonraki büyüme döngüsünden önce bir kesinti riski azaltır.

Substation Equipment Prognostics

Alt istasyonlarda, kontraseptif durum izleme, batarya sağlığı ve dönüştürücü musluk değiştirici performansı tahmin edilebilir bir analitik için tüm hedeflerdir. Örneğin, bir alt istasyon bataryası, yük altında içsel dürtü ve gerilim için izlenebilir; tahmin edilemez bir model, bataryanın bu ikincil varlıklara yol açma yeteneğini kaybetmesi konusunda uyarılabilir.

Faydaların Sayılanması

Dijitalleşmeye dayalı tahmin edici analitik için iş durumu zorlayıcı. Lider hizmetler şovundan ayrıntılı sonuçlar:

Uygulama Challenges

Açık faydalara rağmen, şebeke ölçeğindeki tahmin edici analizler önemli engeller sunar. Utilities, dijitalleşmenin tam potansiyelini anlamak için onları gezinmelidir.

Altyapı Yatırım Altyapısı

Sensörler, iletişim ağları, kenar bilişim cihazları ve veri platformları önemli bir sermaye gerektirir. Birçok yatırımcıya ait hizmetler için, bu harcamayı düzenleyici kurtarma gecikmelerine karşı haklı çıkarmak bir meydan okumadır. - ROI'nin gösterdiği gibi en yüksek riskli varlıklarla başlayın ve genişleyen bir yaklaşım - tavsiye edilir.

Data Quality and Integration

Tahmin edici modeller sadece onlara beslenen veriler kadar iyidir.Mankanlar gibi sorunlar, eksik değerler, zaman senkronizasyon hataları ve IEC 61850 ve CIM gibi sınırsız çağrılar yanıltıcıdır.

Siber güvenlik ve Gizlilik

Dijitalizasyon saldırı yüzeyi genişletiyor. Sensörler ve ağ geçidi, şebeke operasyonları manipüle etmek veya hassas bir varlık verileri çalmak isteyen kötü niyetli aktörler için giriş noktaları olabilir. Utilities, sıfır güven mimarisini uygulamalı, geri kalanı ve geçişte verileri şifreleyin ve sürekli olarak dinamikler için monitörler.[Döneticiler için) Örneğin, bir reklamveren, gelişmekte olan bir başarısızlık için yanlış verileri enjekte edebilir.Bu nedenle, sağlam modelleme ve veri bütünlüğü kontrolleri kritiktir.The USBT:0).

Skilled Workforce Development

Tahmin edici analitik, hem güç sistemlerini ve makine öğrenimini anlayan veri bilim insanları, yazılım mühendisleri ve alan uzmanları, birçok hizmet, mevcut mühendislerin yetkinliğini açıklayan bir yetenek boşluğuyla karşı karşıyadır.Ayrıca, bu boşluğun arkasındaki öngörüler için temel analitik çıktıların entegrasyonu gereklidir; alan ekibi ve planlayıcılar güvenmelidir ve algoritma önerilerine karşı hareket etmelidir.

Grid Bakımsında Tahmin Edici Analizlerin Geleceği

Dijitalleşme derinleşirken, tahmin edilebilir analiz daha doğru, özerk ve entegre olacaktır. Anahtar eğilimleri şunları içerir:

Tamamen tahmin edici olan yolculuk, dijital olarak grid bakımı iyi bir şekilde devam ediyor.Soruşluk, veri, siber güvenlik ve işgücü, azaltımların faydaları, daha düşük maliyetler ve gelişmiş güvenlik, yatırım kaçınılmaz hale getirecek. Utilities that start now will have a rekabetçi avantaj in reliable and operational, paving and sustainable electric grid.