IoT pour la gestion de l'énergie: jusqu'à 6% d'augmentation de la production d'énergie.

AWS

IoT

Innowise a développé une solution personnalisée pour le secteur de l'énergie qui permet de surveiller les éoliennes et de contrôler la production d'énergie.

Client

Industrie

L'énergie

Région

USA

Client depuis

2021

Notre client est un acteur de premier plan dans le secteur des énergies renouvelables, avec un accent particulier sur l'énergie éolienne. Il gère un vaste réseau de turbines éoliennes dans diverses régions, approvisionnant les citoyens locaux et les entreprises fabrication avec électricité. Les informations détaillées sur le client ne peuvent être divulguées en vertu des dispositions de la NDA.

Défi

Coupures de courant et réparations coûteuses pour le parc éolien d'un client

Le secteur des énergies renouvelables, en particulier l'énergie éolienne, est dynamique et nécessite une innovation permanente pour garantir une efficacité et une disponibilité maximales. Opérant dans ce domaine depuis plus de 20 ans, notre client a rencontré de nombreuses pannes inattendues, entraînant des coupures d'électricité et des réparations coûteuses. Avec des plans d'expansion ambitieux, il recherchait des solutions IoT solutions énergétiques de surveiller en temps réel les performances des éoliennes et de prévenir les dysfonctionnements grâce à des systèmes intelligents de gestion de l'énergie Algorithmes ML. Le client a confié à Innowise la tâche de développer un IoT pour une solution de gestion de l'énergie qui pourrait offrir une surveillance en temps réel et une analyse prédictive afin de garantir que leurs éoliennes fonctionnent efficacement et en toute sécurité vingt-quatre heures sur vingt-quatre.

Solution

Solution IoT de gestion de l'énergie qui prédit la production d'énergie et évite les erreurs

Sur la base des exigences et des attentes du client, Innowise a imaginé une solution axée sur l'IdO et le ML qui prédit la production d'énergie sur la base des informations accumulées par les capteurs météorologiques et les turbines. Notre équipe de projet a développé une plateforme avancée qui offre des informations en temps réel sur l'état de chaque éolienne, facilitant ainsi la prise de décision instantanée et la réponse aux indices opérationnels sans délai.

Automates programmables (PLC)

En tant que pierre angulaire de l'automatisation, nous avons utilisé des automates programmables pour collecter des données à partir de capteurs installés dans les éoliennes. Ces capteurs mesurent un large éventail de paramètres opérationnels tels que la vitesse du vent, la vitesse de rotation de l'éolienne, la température, les niveaux de vibration et le couple. En traitant ces données, les automates donnent une image précise et en temps réel des performances de l'éolienne, détectent les dysfonctionnements et analysent l'efficacité de la production d'énergie.

Les indicateurs des capteurs qui s'écartent des seuils prédéfinis - comme une augmentation inattendue de la température ou du niveau de vibration - signalent des problèmes potentiels tels que l'usure mécanique, les besoins de lubrification ou la défaillance d'un composant. Les automates, à leur tour, reconnaissent ces schémas et déclenchent des alarmes ou arrêtent l'éolienne pour éviter tout dommage. En outre, les automates enregistrent les données de production d'énergie et les analysent en même temps que les conditions de vent pour déterminer si les turbines produisent de l'énergie de manière efficace. Ils signalent ensuite une anomalie si la vitesse du vent est optimale mais que la production d'énergie est inférieure au seuil, ce qui indique un problème tel que la détérioration des pales, un mauvais alignement, etc. Grâce à la maintenance en temps voulu et à la prévention des dysfonctionnements, la production d'énergie équilibrée garantit la longévité de l'équipement.

Lac de données

Notre client possédant des dizaines d'éoliennes dispersées dans différentes régions, nos développeurs ont été chargés de construire un lac de données robuste pour stocker des messages massifs pilotés par des événements. Nous avons créé un référentiel central où les données de toutes les éoliennes, quelle que soit leur localisation géographique, sont collectées et stockées. Il s'agit non seulement de données structurées, mais aussi de données non structurées et semi-structurées, telles que des journaux, des relevés de capteurs, des images, etc. Les spécialistes de l'IdO ont veillé à ce que toutes les nuances des données soient préservées, ce qui permet une analyse plus détaillée et réduit les risques de perte de données.

De plus, notre équipe de projet a permis le traitement simultané des données sur plusieurs nœuds. Cela signifie que de grands ensembles de données peuvent être traités en parallèle, ce qui accélère considérablement les tâches d'analyse et de création de rapports. Cet aspect est crucial pour la maintenance prédictive, où des informations sensibles au facteur temps peuvent éviter des temps d'arrêt coûteux et des pannes soudaines des éoliennes. Les données à analyser sont extraites des automates programmables, puis stockées et traitées par le système AWS Fonctions IoT Core et Lambda.

Visualisation des données

Pour visualiser les données, pour cette raison, notre équipe de projet a opté pour des tableaux de bord Grafana très vivants. Nous avons mis en place des tableaux de bord composés de divers éléments visuels adaptés aux besoins de la gestion de l'énergie par l'IdO. Ainsi, les responsables opérationnels, par exemple, peuvent avoir une vue d'ensemble des performances des turbines en temps réel, tandis que les équipes de maintenance peuvent examiner plus en détail les indicateurs d'usure grâce à Grafana.Ainsi, les graphiques linéaires montrent les tendances dans le temps, comme la production d'énergie tout au long de la journée. Les graphiques cartographiques fournissent des visualisations géographiques de l'emplacement des éoliennes, ce qui permet d'obtenir rapidement une vue d'ensemble de l'état du parc éolien. Les séries chronologiques prédisent les tendances futures sur la base des données passées et présentes, ce qui est essentiel pour la planification et les prévisions. Les histogrammes détaillent la distribution de variables spécifiques, telles que la vitesse du vent ou la production des éoliennes, ce qui est utile pour l'analyse statistique. Enfin, les géocartes superposent des données supplémentaires sur les cartes géographiques, telles que les schémas météorologiques, afin de mesurer l'influence des conditions météorologiques défavorables.Dans l'ensemble, le client obtient une visualisation transparente et informative des données IoT qu'il peut facilement interpréter et sur laquelle il peut agir. Par exemple, grâce à des indicateurs codés par couleur, un technicien de maintenance peut facilement repérer une turbine fonctionnant en dehors de sa plage optimale et prendre des mesures proactives pour éliminer les dysfonctionnements.

Rapports analytiques

En outre, nos ingénieurs ont veillé à ce que la plateforme pilotée par l'IoT génère des rapports analytiques afin de fournir des informations complètes sur les performances des éoliennes. Ces données permettent d'identifier les turbines qui fonctionnent bien et celles qui peuvent nécessiter une maintenance ou des ajustements. En outre, le système basé sur l'IoT utilise des données historiques et en temps réel pour la maintenance prédictive afin de prévoir les résultats futurs dans différentes conditions. De cette façon, il recommande quand programmer la maintenance ou optimiser les opérations sans attendre qu'un problème se produise.

En outre, en analysant les tendances de performance et les facteurs externes tels que les conditions météorologiques, le système propose des scénarios permettant d'optimiser la gestion de l'énergie par l'IdO. Par exemple, il suggère des moyens d'optimiser la consommation d'énergie, de réduire les dépenses supplémentaires, de déterminer les moments idéaux pour récolter l'énergie éolienne, de gérer efficacement le stockage, de revendre l'énergie excédentaire au réseau et de rationaliser les procédures de maintenance.

Prédiction d'erreur

En utilisant la puissance de la science des données (DS) et des opérations d'apprentissage automatique (MLOps), nous avons développé un modèle prédictif qui analyse divers facteurs affectant la santé des turbines, tels que les niveaux de vibration, la température et les mesures de performance. Ce modèle apprend continuellement à partir des données entrantes, ce qui lui permet d'identifier les schémas qui précèdent les défaillances de l'équipement. Lorsqu'il détecte ces signes avant-coureurs, il déclenche un système d'alerte, ce qui permet aux équipes de maintenance de traiter les problèmes de manière proactive avant qu'ils n'entraînent des pannes.

Technologies et outils

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

Base de données

PostgreSQL, AWS TimeStream

Visualisation

Grafana

Processus

Le développement d'un système personnalisé basé sur l'IdO pour la surveillance et l'entretien des éoliennes a été un voyage complexe mais gratifiant. Nous avons commencé par des discussions approfondies avec notre client pour comprendre ses besoins et ses défis. Cette phase a consisté à identifier les fonctionnalités de base requises pour le système IoT, telles que la surveillance en temps réel, la prédiction des erreurs et l'analyse des données analyses de données.Avec les exigences en main, nous avons élaboré un plan de projet complet décrivant le calendrier, les ressources, le budget et les stratégies de gestion des risques. Notre phase de développement a consisté à créer l'architecture du système et l'interface utilisateur, y compris des algorithmes personnalisés pour l'analyse des données, les visualisations, la maintenance prédictive, ainsi que des automates intégrés et AWS IoT Core. La méthodologie agile nous a permis de nous adapter rapidement et efficacement à l'évolution des besoins et au retour d'information tout au long du projet. Des réunions régulières, des revues de sprint et des rétrospectives ont fait partie intégrante de notre processus, favorisant un environnement de travail collaboratif et dynamique. Cette approche nous a permis de fournir un système personnalisé, robuste et efficace basé sur l'IoT, parfaitement aligné sur les besoins uniques de notre client.Dès à présent, Innowise assure la maintenance et l'assistance après le déjeuner, corrige les bogues mineurs et publie des mises à jour régulières.

Équipe

Chef de projet

Analyste commercial

Architecte de solutions

Développeur Front-End

Développeurs Back-End

Développeur embarqué

Développeur ML

Développeur DE

DevOps

Ingénieurs QA

PME des parties prenantes

Résultats

18% réduction des coûts de maintenance et de réparation avec un système piloté par l'IoT et le ML

Innowise a construit un système évolutif piloté par l'IoT et le ML qui prédit la production d'énergie sur la base du système de contrôleurs logiques programmables. Nous avons développé une plateforme sophistiquée qui recueille des informations critiques sur les éoliennes, évalue leur performance et fournit des informations précises pour une prise de décision éclairée. Sur la base de ces informations, les gestionnaires de clientèle peuvent surveiller l'état des turbines en temps réel et proposer des scénarios pour optimiser la production d'énergie et réduire les dépenses superflues. Grâce à des algorithmes ML, notre solution révolutionnaire prédit la production d'énergie sur la base des prévisions météorologiques et des analyses accumulées. En outre, elle détermine le meilleur moment pour arrêter les parcs éoliens et effectuer la maintenance en conséquence. Ceci est particulièrement crucial pour les turbines situées dans des environnements éloignés ou difficiles, où les réparations peuvent s'avérer difficiles et coûteuses.

Durée du projet

Septembre 2021 - En cours

jusqu'à 6%

augmentation de la production d'énergie

18%

réduction des coûts d'entretien et de réparation

menaces critiques évitées

Exemples de projets similaires

Contactez nous!

Réserver un appel ou remplissez le formulaire ci-dessous et nous vous contacterons dès que nous aurons traité votre demande.

Nom

Entreprise

Courriel :

Téléphone

Message S’il vous plaît, ajouter les détails du projet, la durée, la pile technologique, IT spécialistes nécessaires et d'autres informations pertinentes

S’il vous plaît, ajouter les détails du projet, la durée, la pile technologique, IT spécialistes
nécessaires et d'autres informations pertinentes

Joindre des documents supplémentaires au besoin

Charger file

Vous pouvez joindre jusqu'à 1 fichier de 2MB au total. Fichiers valides : pdf, jpg, jpeg, png

Nous vous informons que lorsque vous cliquez sur le bouton Envoyer, Innowise traitera vos données personnelles conformément à notre Politique de confidentialité dans le but de vous fournir des informations appropriées.

Que se passe-t-il ensuite?

Après avoir reçu et traité votre demande, nous reviendrons vers vous pour détailler les besoins de votre projet et signer un accord de non-divulgation pour assurer la confidentialité des informations.

Après avoir examiné les exigences, nos analystes et nos développeurs élaborent une proposition de projet avec l'étendue des travaux, le nombre de membre de l'équipe, les délais et les coûts des coûts.

Nous organisons une réunion avec vous pour discuter de l'offre et parvenir à un accord.

Nous signons un contrat et commençons à travailler sur votre projet le plus rapidement possible.

IoT pour la gestion de l'énergie: jusqu'à 6% d'augmentation de la production d'énergie.

Client

Défi

Coupures de courant et réparations coûteuses pour le parc éolien d'un client

Solution