IoT energianhallinnassa: jopa 6% lisäystä energiantuotannossa.

Innowise on kehittänyt energia-alalle räätälöidyn ratkaisun, joka valvoo tuulivoimaloita ja ohjaa energiantuotantoa.

Asiakas

Teollisuus

Alue

YHDYSVALLAT

Asiakas vuodesta

2021

Asiakkaamme on merkittävä toimija uusiutuvien energialähteiden alalla ja keskittyy erityisesti tuulivoimaan. Se hallinnoi laajaa joukkoa tuulivoimaloita eri alueilla ja toimittaa paikallisille kansalaisille ja valmistus sähköllä varustetut tilat. Yksityiskohtaisia tietoja asiakkaasta ei voida luovuttaa NDA:n määräysten nojalla.

Haaste

Asiakkaan tuulipuiston sähkökatkot ja kalliit korjaukset

Uusiutuvien energialähteiden, erityisesti tuulivoiman, ala on dynaaminen ja vaatii jatkuvaa innovointia, jotta voidaan varmistaa mahdollisimman suuri tehokkuus ja käytettävyys. Toimittuaan tällä alalla yli 20 vuotta asiakkaamme on kohdannut monia odottamattomia vikoja, jotka ovat johtaneet sähkökatkoksiin ja kalliisiin korjauksiin. Kunnianhimoisten laajentumissuunnitelmiensa vuoksi he etsivät IoT energiaratkaisut seurata reaaliaikaisesti tuuliturbiinin suorituskykyä ja ehkäistä toimintahäiriöitä älykkään järjestelmän avulla. ML-algoritmit. Asiakas antoi Innowise:n tehtäväksi seuraavat tehtävät IoT:n kehittäminen energianhallintaratkaisua, joka tarjoaisi reaaliaikaista seurantaa ja ennakoivaa analyysia sen varmistamiseksi, että tuulivoimalat toimivat tehokkaasti ja turvallisesti ympäri vuorokauden.

Ratkaisu

IoT-energianhallintaratkaisu, joka ennustaa energiantuotantoa ja ehkäisee virheitä.

Asiakkaan vaatimusten ja odotusten perusteella, Innowise kehitti IoT- ja ML-lähtöisen ratkaisun, joka ennustaa energiantuotantoa sääantureista ja turbiineista kerättyjen tietojen perusteella. Projektiryhmämme kehitti edistyksellisen alustan, joka tarjoaa reaaliaikaista tietoa kunkin tuuliturbiinin tilasta, mikä helpottaa välitöntä päätöksentekoa ja reagoi viipymättä toiminnallisiin vihjeisiin.

Ohjelmoitavat logiikkaohjaimet (PLC)

Automaation kulmakivenä käytimme PLC:tä keräämään tietoja tuulivoimaloihin asennetuista antureista. Nämä anturit mittaavat monenlaisia toimintaparametreja, kuten tuulen nopeutta, turbiinin pyörimisnopeutta, lämpötilaa, tärinätasoa ja vääntömomenttia. Näitä tietoja käsittelemällä PLC:t antavat tarkan, reaaliaikaisen kuvan tuuliturbiinin suorituskyvystä, havaitsevat toimintahäiriöt ja analysoivat energiantuotannon tehokkuutta.

Ennalta määritellyistä raja-arvoista poikkeavat anturi-indikaattorit - kuten odottamaton lämpötilan nousu tai tärinätaso - kertovat mahdollisista ongelmista, kuten mekaanisesta kulumisesta, voitelun tarpeesta tai komponentin vikaantumisesta. PLC-ohjaimet puolestaan tunnistavat nämä mallit ja laukaisevat hälytykset tai sammuttavat turbiinin vahinkojen estämiseksi. Lisäksi PLC:t tallentavat tehotiedot ja analysoivat niitä yhdessä tuuliolosuhteiden kanssa määrittääkseen, tuottavatko turbiinit tehoa tehokkaasti. Jos tuulennopeus on optimaalinen, mutta energiantuotto on alle kynnysarvon, ne merkitsevät poikkeamaa, mikä viittaa esimerkiksi lapojen heikkenemiseen tai virheelliseen linjaukseen. PLS:n mahdollistaman oikea-aikaisen kunnossapidon ja toimintahäiriöiden ennaltaehkäisyn avulla tasapainoinen energiantuotanto takaa laitteiden pitkäikäisyyden.

Tietopankki

Koska asiakkaallamme on kymmeniä tuulivoimaloita hajallaan eri alueilla, kehittäjillemme annettiin tehtäväksi rakentaa vankka datajärvi massiivisten tapahtumapohjaisten viestien tallentamista varten. Loimme keskitetyn arkiston, johon kerätään ja tallennetaan tiedot kaikista tuulivoimaloista maantieteellisestä sijainnista riippumatta. Tämä sisältää paitsi strukturoitua dataa myös strukturoimatonta ja puolistrukturoitua dataa, kuten lokitietoja, anturilukemia, kuvia ja paljon muuta. IoT-asiantuntijat varmistivat, että kaikki tiedon vivahteet säilyivät, mikä mahdollistaa yksityiskohtaisemman analyysin ja vähentää tietojen katoamisriskejä.

Lisäksi projektiryhmämme mahdollisti samanaikaisen tietojenkäsittelyn useissa solmuissa. Tämä tarkoittaa, että suuria tietokokonaisuuksia voidaan käsitellä rinnakkain, mikä nopeuttaa huomattavasti analyysi- ja raportointitehtäviä. Tämä on ratkaisevan tärkeää ennakoivassa kunnossapidossa, jossa ajallisesti tärkeät tiedot voivat estää kalliita seisokkeja ja tuulivoimaloiden äkillisiä rikkoutumisia. Analysoitavat tiedot haetaan PLC-ohjaimista, tallennetaan ja käsitellään sitten AWS IoT Core ja Lambda-toiminnot.

Tietojen visualisointi

Osoitteeseen visualisoida tietojaprojektiryhmämme valitsi eloisat Grafana-kojelaudat. Laadimme kojelautoja, jotka koostuvat erilaisista visuaalisista elementeistä, jotka on räätälöity IoT-energianhallinnan tarpeisiin. Tuloksena esimerkiksi käyttöpäälliköt saavat yleiskuvan turbiinien reaaliaikaisesta suorituskyvystä, kun taas huoltotiimit voivat tarkastella Grafanan avulla tarkemmin kulumisindikaattoreita.Lineaariset kaaviot näyttävät siis ajan kuluessa tapahtuvia suuntauksia, kuten tehonkulutuksen koko päivän aikana. Karttakaaviot esittävät turbiinien sijainnit maantieteellisesti, mikä mahdollistaa nopean yleiskuvan koko tuulipuiston tilasta. Aikasarjat ennustavat tulevia suuntauksia menneiden ja nykyisten tietojen perusteella, mikä on tärkeää suunnittelun ja ennustamisen kannalta. Histogrammit kuvaavat yksityiskohtaisesti tiettyjen muuttujien, kuten tuulennopeuksien tai turbiinien tehon, jakautumista, mikä on hyödyllistä tilastollisessa analyysissä. Lopuksi geokartoissa maantieteellisiin karttoihin kerrostetaan lisätietoja, kuten säämalleja, joilla mitataan epäsuotuisten sääolosuhteiden vaikutusta.Kaiken kaikkiaan asiakas saa IoT-tiedoista läpinäkyvän ja informatiivisen visualisoinnin, jota on helppo tulkita ja jonka perusteella on helppo toimia. Esimerkiksi värikoodattujen indikaattoreiden avulla huoltoteknikko voi helposti havaita turbiinin, joka toimii optimaalisen toiminta-alueen ulkopuolella, ja ryhtyä ennakoiviin toimenpiteisiin toimintahäiriön poistamiseksi.

Analyyttiset raportit

Lisäksi insinöörimme varmistivat, että IoT-pohjainen alusta tuottaa analyyttisiä raportteja, jotka antavat kattavan kuvan tuuliturbiinien suorituskyvystä. Nämä tiedot auttavat tunnistamaan, mitkä turbiinit toimivat hyvin ja mitkä saattavat tarvita huoltoa tai säätöjä. Lisäksi IoT-pohjainen järjestelmä käyttää historiallisia ja reaaliaikaisia tietoja ennakoivaan kunnossapitoon, jotta voidaan ennustaa tulevia tuloksia eri olosuhteissa. Näin se suosittelee, milloin huolto on ajoitettava tai toiminta optimoitava odottamatta ongelman ilmenemistä.

Lisäksi analysoimalla suorituskykytrendejä ja ulkoisia tekijöitä, kuten sääolosuhteita, järjestelmä ehdottaa skenaarioita, joissa IoT-energianhallintaa voidaan optimoida. Se ehdottaa esimerkiksi tapoja optimoida energiankulutus, vähentää ylimääräisiä kuluja, määrittää ihanteelliset ajat tuulienergian keräämiselle, hallita varastointia tehokkaasti, myydä ylimääräinen energia takaisin verkkoon ja tehostaa huoltomenettelyjä.

Virheiden ennustaminen

Käyttämällä datatieteen (DS) ja koneoppimisen (MLOps) voimaa kehitimme ennustemallin, jossa analysoidaan erilaisia turbiinin terveyteen vaikuttavia tekijöitä, kuten tärinätasoja, lämpötilaa ja suorituskykymittareita. Tämä malli oppii jatkuvasti saapuvista tiedoista, minkä ansiosta se pystyy tunnistamaan laitevikoja edeltäviä malleja. Kun se havaitsee nämä varhaiset varoitusmerkit, se käynnistää hälytysjärjestelmän, jolloin huoltotiimit voivat puuttua ongelmiin ennakoivasti ennen kuin ne johtavat rikkoutumiseen.

Teknologiat ja työkalut

Front-end

JavaScript, React, Redux

Back-end

Python, FastAPI

DE/ML

Apache Spark

Cloud

AWS EKS, AWS ECS, AWS ECR, AWS EC2, AWS API Gateway, AWS IOT Core, AWS Kinesis, AWS Lake Formation, AWS Lambda, AWS RDS Postgres, AWS TimeStream DB; AWS S3, AWS Route 53; AWS CloudFront

DevOps

Kubernetes, Docker, AWS EKS, AWS ECS

Tietokanta

PostgreSQL, AWS TimeStream

Visualisointi

Grafana

Prosessi

Räätälöidyn IoT-pohjaisen järjestelmän kehittäminen tuuliturbiinien valvontaan ja ylläpitoon oli monimutkainen mutta palkitseva matka. Aloitimme laajoilla keskusteluilla asiakkaamme kanssa, jotta ymmärsimme hänen tarpeensa ja haasteensa. Tähän vaiheeseen kuului IoT-järjestelmältä vaadittavien ydintoimintojen, kuten reaaliaikaisen seurannan, virheiden ennustamisen ja data-analytiikka.Kun vaatimukset olivat selvillä, laadimme kattavan projektisuunnitelman, jossa hahmoteltiin aikataulu, resurssit, budjetti ja riskinhallintastrategiat. Kehitysvaiheeseen kuului järjestelmäarkkitehtuurin ja käyttöliittymän luominen, mukaan lukien mukautetut algoritmit tietojen analysointia, visualisointeja, ennakoivaa kunnossapitoa sekä integroituja PLC- ja AWS IoT Core -ohjausjärjestelmiä varten. Ketterien menetelmien ansiosta pystyimme mukautumaan nopeasti ja tehokkaasti muuttuviin vaatimuksiin ja palautteeseen koko hankkeen ajan. Säännölliset kokoontumiset, sprinttiarvioinnit ja retrospektiivit olivat olennainen osa prosessia ja edistivät yhteistoiminnallista ja dynaamista työympäristöä. Tämän lähestymistavan ansiosta pystyimme toimittamaan räätälöidyn, vankan ja tehokkaan IoT-pohjaisen järjestelmän, joka vastasi täydellisesti asiakkaamme ainutlaatuisia tarpeita.Nykyään Innowise tarjoaa lounaan jälkeistä ylläpitoa ja tukea, korjaa pieniä virheitä ja julkaisee säännöllisiä päivityksiä.

Joukkue

Projektipäällikkö

liiketoiminta-analyytikko

Ratkaisuarkkitehti

Front-End-kehittäjä

Back-End-kehittäjät

Sulautettu kehittäjä

ML-kehittäjä

DE Kehittäjä

DevOps

QA Engineers

Sidosryhmien pk-yritykset

Tulokset

18% Huolto- ja korjauskustannusten vähentäminen IoT- ja ML-ohjautuvan järjestelmän avulla.

Innowise on rakentanut IoT- ja ML-ohjatun skaalautuvan järjestelmän, joka ennustaa energiantuotantoa ohjelmoitavien logiikkaohjainten järjestelmän perusteella. Kehitimme hienostuneen alustan, joka kerää kriittisiä tietoja tuuliturbiinista, arvioi niiden suorituskykyä ja tarjoaa tarkkoja näkemyksiä tietoon perustuvaa päätöksentekoa varten. Näiden tietojen perusteella asiakasjohtajat voivat seurata turbiinien tilaa reaaliaikaisesti ja ehdottaa skenaarioita energiantuotannon optimoimiseksi ja turhien kulujen vähentämiseksi. ML-algoritmien ansiosta uraauurtava ratkaisumme ennustaa sähköntuotantoa sääennusteiden ja kertyneiden analyysien perusteella. Lisäksi se määrittää parhaan ajankohdan tuulivoimaloiden pysäyttämiselle ja kunnossapidolle. Tämä on erityisen tärkeää turbiinien kohdalla, jotka sijaitsevat syrjäisissä tai vaikeissa ympäristöissä, joissa korjaukset voivat olla haastavia ja kalliita.

Hankkeen kesto

Syyskuu 2021 - Jatkuva

enintään 6%

energiantuotannon lisääminen

18%

huolto- ja korjauskustannusten vähentäminen

estetyt kriittiset uhat

Liittyvät tapaukset

Ota yhteyttä

Varaa puhelu tai täytä alla oleva lomake, niin otamme sinuun yhteyttä, kun olemme käsitelleet pyyntösi.

Nimi

Yritys

Sähköposti

Puhelin

Viesti

Lähetä meille ääniviesti

Liitä asiakirjoja

Lataa tiedosto

Voit liittää 1 enintään 2 Mt:n tiedoston. Hyväksytyt tiedostomuodot: pdf, jpg, jpeg, png.

Klikkaamalla Lähetä, annat suostumuksesi siihen, että Innowise käsittelee henkilötietojasi meidän Tietosuojakäytäntö antaa sinulle asiaankuuluvia tietoja. Antamalla puhelinnumerosi suostut siihen, että voimme ottaa sinuun yhteyttä puheluiden, tekstiviestien ja viestisovellusten kautta. Puhelu-, viesti- ja datahintoja voidaan soveltaa.

Voit myös lähettää meille pyyntösi
osoitteeseen contact@innowise.com

Mitä tapahtuu seuraavaksi?

Kun olemme vastaanottaneet ja käsitelleet pyyntösi, otamme sinuun yhteyttä ja kerromme yksityiskohtaisesti projektin tarpeet ja allekirjoitamme NDA-sopimuksen luottamuksellisuuden varmistamiseksi.

Tutkittuaan toiveesi, tarpeesi ja odotuksesi tiimimme suunnittelee projektin ehdotuksen, jossa esitetään työn laajuus, tiimin koko, aika- ja kustannusarviot.

Järjestämme kanssasi tapaamisen, jossa keskustellaan tarjouksesta ja sovitaan yksityiskohdista.

Lopuksi allekirjoitamme sopimuksen ja aloitamme projektisi toteuttamisen heti.

IoT energianhallinnassa: jopa 6% lisäystä energiantuotannossa.

Asiakas

Haaste

Asiakkaan tuulipuiston sähkökatkot ja kalliit korjaukset

Ratkaisu

IoT-energianhallintaratkaisu, joka ennustaa energiantuotantoa ja ehkäisee virheitä.

Ohjelmoitavat logiikkaohjaimet (PLC)

Tietopankki

Tietojen visualisointi

Analyyttiset raportit

Virheiden ennustaminen

Teknologiat ja työkalut

Prosessi

Joukkue

Tulokset 18% Huolto- ja korjauskustannusten vähentäminen IoT- ja ML-ohjautuvan järjestelmän avulla.

Liittyvät tapaukset

Ota yhteyttä

Mitä tapahtuu seuraavaksi?

Tarvitsetko muita palveluja?

Tilaa osoitteeseen uutiskirjeemme

Tulokset

18% Huolto- ja korjauskustannusten vähentäminen IoT- ja ML-ohjautuvan järjestelmän avulla.

Tilaa
osoitteeseen uutiskirjeemme