Возможности аналитических платформ для манипулирования энергоресурсами

Рубрика:

ИТ в энергетике

 

Автор

Яковлев Алексей, Руководитель проекта «Интеллектуальная энергетика» компании «АйТи»

 

    Для исполнения Федерального закона № 261-ФЗ «Об энергосбережении…» сегодня немало делается на всех уровнях государственного управления. В рамках региональных программ по энерго­сбережению предусмотрены мероприятия, нацеленные непосредственно на внедрение соответствующих технологий, экономию топливно-энергетических ресурсов, снижение потерь и оптимальное потребление энергии. При этом оценка эффективности данных технологий в условиях региона во многом относительна и субъективна. Зачастую не учитывается влияние запланированного мероприятия на изменение динамики потребления энергоресурсов по категориям пользователей. Кроме того, на начальном этапе модернизации энергосистемы региона редко проводятся необходимые исследования, обычно шаги в этом направлении ограничиваются установкой приборов учета, точнее, осознанием целесообразности их монтажа, а вот алгоритм сбора и обработки показаний с них не всегда продуман.
    Правда, предпринимались попытки изучения динамики потребления энергоресурсов. Однако назвать их успешными сложно за неимением дифференцированной статистики, на основе которой строятся масштабные многоуровневые модели. До недавнего времени такая статистика в пределах целого региона не велась по причине отсутствия полноценного многоуровневого механизма сбора данных о потреблении, позволяющего отследить весь жизненный цикл энергоресурсов от момента генерации до конечного потребления с интервалом съема показаний в несколько минут, а также информационно-технических компонентов, способных:

  • систематизировать статистические потоки информации о фактах генерации, транспортировки, распределения и потребления энергоресурсов;
  • концентрировать статистические данные в консолидированных взаимосвязанных хранилищах;
  • сопоставлять и обрабатывать разнородные данные при помощи современных средств анализа и моделирования.
    На сегодняшний день уже существуют методики моделирования динамики спроса и потребления, обработки значительного объема информации, которые активно используются в социологических и маркетинговых исследованиях, финансовой и телекоммуникационной сфере. Они необходимы не только в подготовке к принятию решений на различных уровнях управления организацией (оценка эффективности инвестиций, прогнозируемого эффекта от реализации мероприятий), но и для манипулирования в таких знакомых энергетикам ситуациях, как:
  • пики нагрузок;
  • подключение новых потребителей без увеличения мощностей;
  • обнаружение и сокращение потерь;
  • необходимость увеличения доходности;
  • переход на сервисную модель с контролем качества обслуживания.
    Создание аналитических платформ регионального уровня само по себе не позволит регулировать потребление энергоресурсов, но сможет создать технологическую основу для организации этого процесса путем трансляции полученных знаний в автоматизированные системы управления на различных этапах генерации, транспортировки, распределения и потребления энергоресурсов.
    В данный момент на рынке существует определенное количество специализированных BI-систем (Business Intelligence), применяемых на практике для накопления знаний в различных отраслях. Экстраполяция этого опыта и технологий на задачи энергопотребления может дать значительный эффект не только на региональном, но и на федеральном уровне.
    С помощью таких систем можно:
  • концентрировать в специализированном структурированном хранилище разнородную информацию о потреблении энергоресурсов, поступающую от различных источников;
  • проводить статистический анализ больших объемов структурированных данных о потреблении электричества, тепла, воды на объектах различной структуры и специфики;
  • задействовать систему сбалансированных показателей и расчета значений показателей потребления;
  • отслеживать достижение эталонных значений показателей потребления;
  • выдвигать и статистически доказывать математические гипотезы функциональной зависимости параметров потребления от влияния сезонных, временных, природных, социальных, экономических, техногенных и других факторов;
  • моделировать и прогнозировать изменения динамики, планировать достижение заданных значений показателей при комплексном ожидаемом изменении внешних факторов;
  • оценивать обоснованность стоимости энергоресурсов для различных категорий потребителей на основе существующих тарифных планов и политик, а также прогнозов изменений динамики энергопотребления при заданных условиях;
  • моделировать тарифы для разных групп потребителей, разделенных по социальным, потребительским и технологическим признакам;
  • определять на основании выявленных зависимостей эффективность и оправданность мероприятий, связанных с социальным и законодательным стимулированием изменений потребления энергоресурсов;
  • обнаруживать прямые и косвенные признаки наличия явных и неявных потерь энергоресурсов, обусловленных использованием нерентабельного энергопотребляющего оборудования, строительных материалов, а также архитектурными особенностями зданий и сооружений и даже мошенническими действиями.
    Создание BI-систем в масштабе региона обходится на несколько порядков дешевле, чем сбор данных об энергопотреблении. Однако отсутствие возможности математического моделирования динамики потребления и соответствующей аналитической компоненты в программном комплексе управления энергоэффективностью региона существенно снижает экономическую выгоду от «оприборивания» потребителей. Именно разработка промышленных аналитических систем с функцией моделирования и прогнозирования динамики потребления энергоресурсов является технологической основой внедрения интеллектуальных энергосетей (Smart Grid) — как в масштабе региона, так и в масштабе государства. Поэтому планировать создание таких систем следует уже на ранних стадиях реализации региональных программ энергоэффективности.