Dağıtım Sistemi Yeniden kullanılabilirliği Geliştirmek için Büyük Veri Analitiğinin Kullanılması

Bugünün hiper bağlantılı dünyasında, kritik dağıtım sistemlerinin güvenilirliği - elektriksel, su, doğal gaz ve telekomünikasyon - daha önemli olmamıştı. Bir tek kesinti milyonlarca hayat etkileyen rahatsızlıklara neden olabilir, kamu güvenliğini tehlikeye atarak, bu tür sprawling ağları korumak için büyük yaklaşımlar, gerçek zamanlı olarak yeniden dağıtıma karşı artık yeterli değildir.

Big Data Analytics Nedir?

Büyük veri analizi, çok büyük ve çeşitli veri kümelerinin sistematik olarak işlenmesi ve analizine atıfta bulunur, geleneksel veri işleme araçları etkili bir şekilde idare edilemez. dağıtım sistemleri için, bu veri setleri çok sayıda kaynaktan kaynaklanır: akıllı metre, denetim ve satın alma verileri (SCADA) sistemleri, hava sensörleri, varlık sağlığı monitörleri, müşteri girişleri, coğrafi bilgi sistemleri (GIS), ve tarihi bakım kayıtları.

Büyük veri analizi için teknik yığın genellikle Amazon S3 veya Azure Data Lake Storage gibi platformlarda dağıtılır, akış motorları (Kafka, Flink), ve makine öğrenimi ve istatistik modellemesi için gelişmiş analitik kütüphaneler.Apache Spark), büyük veri analileri tahmin edilebilir algoritmaları, desenleri ve son performans hakkında rapor vermek yerine olayları tespit eder.

Dağıtım Sistemindeki Uygulamalar

Büyük veri analizi, dağıtım ağ yönetiminin hemen her yönüne dokunuyor. Aşağıda, her biri daha güvenilir bir sisteme katkıda bulunuyor.

Tahmin edici Bakım

Katı zaman temelli bakım programlarına atıfta bulunmak yerine, hizmetler durum temelli veya tahmin edici stratejilere geçiş yapabilir. Sürekli sensör verilerini analiz ederek -rasyon, sıcaklık, basınç, düşük talep edilen dönemlerde gaz analizlerini çözmüş ve kısmi deşarj aktivitelerini azaltabilir - örneğin, endüstri çalışmalarına göre %20-30 oranındaki farkları azaltılabilir.[TFL)[değiştir | kaynağı değiştirilen aylardaki yedekleri tahmin edin.

Gerçek Zaman İzleme ve Anomaly Tespit

Dağıtım ağları, akıllı elektronik cihazlarla giderek daha fazla araçla (İED) akıllı sensörler ve gelişmiş metre altyapı (AMI) Bu cihazlar, gerilim, akım, frekans, baskı ve akış üzerindeki ikinci basamaklı verilerle otomatik olarak analiz edilir. Büyük veri akışı-işlemleme platformları, bu bilgileri ve algoritmaları algılamaları algılamak için uygular - birkaç metre içinde hidrolik bozulmalar veya ani baskı damlaları - bu önceki hataların azaltılması gibi. Operatörler, daha sonra etkilenen bölümler otomatik olarak veya rotaları otomatik olarak veya akışlar ve akışlar.

Varlık Yönetimi ve Yaşam döngüsü Optimizasyonu

Çevre faktörlerine (sıcak, nem, tarihsel fırtına olayları) bağlı olarak, her varlık sınıfı için bozulma eğrileri inşa edebilir. Bir kıyı bölgesinde kurulu olan belirli bir ahşap türün, aynı kutuptan daha hızlı bir şekilde iner. Büyük veri ana akımları bu değişkenleri geri kalan bir faydalı yaşam (RUL) tahminine göre azaltmak için yapılandırılabilir. Bakım bütçeleri, InterDI Index ICTEAMI'ye ihtiyaç duyanlar için en fazla tahsis edilebilirdir.

Yük Tahmini ve Talep Yanıtı

Doğru kısa vadeli ve uzun vadeli yük tahminleri, aşırılık ve gerilim istikrarsızlıklarını önlemek için gereklidir. Makine öğrenme modelleri tarihsel yük verileri, hava tahminleri, takvim kalıpları ve hatta sosyal medya etkinlikleri (örneğin, bir konser veya spor olayı)% 95 veya daha yüksek doğrulukla talep edebilir. Utilities, o zaman önceden boş zaman ayarlanabilir, üretim programları, reconfigure feeders veya talep edilen yüklere ilişkin tümleşik verilerle ilgili olarak, yüksek çözünürlükte nasıl tartışır.

Outage Management and Restoration

Ücretler gerçekleştiğinde - fırtınalardan, ekipman başarısızlıklarından veya bitki örtüsünden- büyük veri analizi restorasyonu hızlandırır.Müşteri aramaları, akıllı metre son-gasp sinyalleri, SCADA alarmları ve hava verileri, gelişmiş kesinti yönetim sistemleri (OMS) dakikalar içinde en olası hataları belirleyebilir. Gerçek zamanlı panjurlar, en güvenli rota ile alan ekipleri güncellemek, dağıtım öncelikleri ve tahmin edilen restorasyon süreleri.

Gerçek Dünya Vaka Çalışmaları

Pasifik Gaz ve Elektrikli (PG&E) – Vahşi Ateş Riski

PG&E, dağıtım varlıklarının her segmenti için vahşi yangın risklerini değerlendirmek için büyük veri analizine büyük yatırım yaptı. 1000 hava istasyonu üzerinden yararlanıldığında, 600+ kamera, bitki örtüsüne göre anomalileri tespit etmek için, bu verileri en iyi güçlendirici güvenlik platformları (EPSS), her bir çizgide risk puanlarını artırmak için tarihsel ateşleme modelleriyle birleştirir.

Ulusal Izgara - Su Baskı Yönetimi

Birleşik Krallık'ta, National Grid'in su bölümü, sızıntıya karşı büyük bir veri çözümü uyguladı. Sensörler ve ölçüm maliyetlerine dayalı olarak hidrolik modelleri ve AI kullanan bulut tabanlı bir analitik platformuna veri akışını da bildirdi. İlk yıl, sistem tamir maliyetlerinde% 15 azaldı ve £ 20 milyondan fazla tasarruf etti.

Big Data Analytics Kullanımının Faydaları

Dağıtım güvenilirliğindeki büyük veri girişimleri için yatırıma geri dönüş zorlayıcı. Anahtar avantajlar şunları içerir:

Meydanlar ve düşünceler

Açık avantajlarına rağmen, dağıtım güvenilirliği için büyük veri analizlerini uygulamak engeller değildir. Organizasyonlar birkaç kritik zorluk çekmelidir.

Data Quality and Integration

Dağıtım hizmetleri genellikle silo sistemlerle çalışır: SCADA, AMI, GIS, varlık yönetimi ve şema yönetimi nadiren farklı formatlara uyma yetenekleri paylaşır, ancak bu hala yetenekli veri mühendisleri gerektirir.

Siber güvenlik ve Gizlilik

Gerçek zamanlı analitiklerin de kötü niyetli aktörler için saldırı yüzeyi genişleten artan bağlantı. Akıllı metre, uzaktan sensörler ve bulut platformları, şifreleme, rol tabanlı erişim ve saldırı algılama sistemleri ile güvence altına alınabilir.Ayrıca, müşteri enerji kullanımı verileri son derece hassastır; hizmetler Kaliforniya Tüketici Gizlilik Yasası (CCPA) ve GDPR gibi düzenlemelere uymaktır.

Beceriler Gap ve Organizasyon Kültürü

Büyük veri analizi, veri bilimi, makine öğrenmesi, bulut mimarisi ve dağıtım mühendisliği bilgisi konusunda uzmanlığı talep etmektedir. Bu tür multidisipliner yetenek nadirdir ve pahalıdır. Ayrıca, bir kültür değişimi gereklidir: Siemens operasyonları ekipleri sadece sezgiye güvenmek yerine kara kutu modellerinden tahminlere güvenmeli.Mevcut personel için eğitim için çapraz işlevli analitik merkezleri geçiş kolaylaştırabilir. Birçok hizmet ortağı teknoloji satıcıları (örneğin, OSIsoft, ABB, Siemens) veya bulut sağlayıcıları (AWS, Azure)

Scalability and Infrastructure Costs

Günde veri stokları önemli hesaplama ve depolama kaynakları gerektirir, genellikle bulutta. Bulut esnekliğe sahip olsa da, maliyetler analiz borularını maliyet kontrolleriyle tasarlayabilir - örneğin, sunucusuz işlevleri kullanarak daha eski veriler için. Open-source frameworks daha fazla talep edebilir.

Future Outlook

Gelişen teknolojilerle büyük veri analizinin kesişimleri dağıtım güvenilirliğinde daha büyük sıçramalar vaat ediyor. Çeşitli eğilimler manzarayı yeniden şekillendirmeye hazırlanıyor.

Yapay Zeka ve Makine Öğrenme

Derin öğrenme modelleri, özellikle de tekrarlayan sinir ağları (RNNs) ve transformatörler, mikrogridleme zaman serisini tahmin etmek için simülasyonlarda gösterildi. Yakın gelecekte AI sadece başarısızlıkları tahmin etmeyecektir, ancak aynı zamanda en uygun kontrol eylemleri de reçete eder - bir dağıtım beslemeciyi otomatik olarak tahmin edilen bir yüklemeden kaçınmak gibi.

Dijital Twins

Dijital ikiz, gerçek zamanlı verilerle aynaların gerçek zamanlı verileri yansıtan fiziksel bir dağıtım ağının sanal bir kopyasıdır. – dönüştürücüler başarısız olursa veya fırtına belirli bir alana vurursa – büyük veri analizleri, ikizleri sürekli olarak güncellenen sensör verileriyle test edebilir.

Edge Computing ve 5G

Uzakta veri işleme - merkezi bir bulutta değil sensörlerin - geç saatler ve bant genişliği gereksinimleri. 5G ağları yüksek hızlı, düşük seviyeli iletişim milyonlarca IoT cihazı için geçici olarak güçlü bir ağ sağlar. Her dağıtım istasyonunun kendi yerel AI modelini milisaniyelerde tespit etmek ve sorun gezi komutlarını otonom olarak yürütürken, bu sistemle ilgili olarak, bu tür bir şekilde dağıtım bağlantı kurmada bile güvenilir bir şekilde iletişim bağlantı sağlar.

Dağıtılmış Enerji Kaynaklarının Entegrasyonu (DERs)

Güneş panelleri, batarya depolama ve elektrikli araç şarj cihazı, ağ frekansı ve gerilimi destekleyen sanal enerji santralleri oluşturmak için gerekli olacaktır. Ancak bu, yeni bir stabilite sorunları ile müşteriler arasındaki gerçek zamanlı veri analizi, yeni standartları ve mimarileri yönlendiren bir meydan okuma olacaktır.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Güvenilir dağıtım sistemleri modern yaşamın arka kemiğidir ve büyük veri analizi, onları dayanıklı tutmak için vazgeçilmez bir araç haline gelir.Veriye dayalı işlemleri bölmek için dönüşüme yol açan cihazlar, analitik, ham sensör akışlarını, kesintiye uğratılabilir istihbarata dönüştürür ve maliyetleri artırır, daha fazla granular ve özerk kontrol sağlar.