在线高级分析应用正成为数字化转型的关键组件

随着发电、输电和配电行业的数字化转型计划持续发展，管理成本、改善电网运营和扩大市场机会成为企业关注的重点。到目前为止，由于缺乏可访问的数据，这些举措的应用情况参差不齐且受到限制，导致无法分析和使用这些数据来推动改善运营。

电力和公用事业公司及其客户期望按需提供相关信息，供应商必须提供高级分析等技术来满足这些需求。消费领域的技术已经赋能用户，使其能够随时随地得到他们想要的东西，而且大多数用户都希望得到即时的响应，并始终保持访问。

高级分析可以满足从数据中获得见解以及其它期望，帮助用户降低成本，更智能地控制能源消耗，并成功参与使用时间和需求响应计划。

与此同时，电力和公用事业公司可以利用先进的分析技术，采用端到端的自动化流程来转变客户关系。这可以通过逐步从被动决策转变为主动决策来实现，但必须首先解决有关数据访问和分析的问题。

数据访问和数字化转型

电力和公用事业行业面临着巨大的压力，需要对系统进行现代化改造，以满足客户需求，提高网络安全性和法规遵从性，并实现更好的运营性能。采用诸如如软件即服务（SaaS）、云计算、机器学习、物联网（IoT） Giro Iuliano, Seeq和网络安全等先进技术和工具，往往需要大量投资。

实施各类数字化转型计划将产生大量数据，需要高级分析应用以提供互操作性和情境化信息。许多公用事业的数据系统处于孤岛状态，分析应用不容易访问。数字化转型需要更好的数据质量，以及处理结构化和非结构化数据集的高级分析工具。

让这些数据物尽其用，生成可操作的业务逻辑，例如指导公用事业公司的客户行为和实现电网供应平衡，并不是一件简单的事情。因此，公用事业公司需要部署一系列信息技术（I T）解决方案来收集、保护和存储数据，然后分析数据并形成见解。

长期以来，电子表格一直是电力和公用事业部门分析数据的标准方法，但这种通用工具不够先进并缺乏灵活性，无法快速定义情境信息。由于数据量急剧增加，电子表格不适用于时间序列分析、有效报告、执行复杂计算和创建模型等任务（图1）。

▎图1：电子表格无法跟上不断增加的数据量。

此外，电子表格还需要持续维护，这容易导致错误和数据错位。限制电子表格的另一个因素是处理时间序列数据之间的细微差别，例如丢失的数据、不同时区、夏令时、插值类型和逻辑。使用电子表格，这些问题只能通过复杂的公式来解决。

使用专用业务逻辑并共享分析是困难的，对日期和时间间隔不均匀的数据进行调整非常复杂，对异常值、缺失或损坏的数据进行更正也很复杂。电子表格还需要严格的保护，以防用户损坏以及实施版本管理，并且它们提供的多用户协作功能非常有限。

为了解决这些问题，在线高级分析应用正在取代电子表格和传统桌面软件等离线工具。

通过高级分析提供洞察力

数字化转型是一个持续的过程，需要对技能和新软件进行投资，需要综合信息和运营技术以提供组织中所有相关数据的整体视图。工程师、主题专家和数据科学家，必须能够与时间序列数据交互，以执行数据清理和情境化任务。实施这些措施将有助于提升由不断增加的数据量所带来的价值创造。

通过高级分析应用，电力和公用事业行业可以简化时间序列数据的清理和情境化。这些应用连接到现有的数据孤岛和其它数据源（本地或基于云），而无需复制源系统中的数据。一旦连接了数据源，工程师和主题专家就可以用其进行诊断、预测和描述性分析。高级分析应用还提供了改进的实时协作，加速洞察力在更广泛的组织中的交流。

在推动数字化转型方面，数据科学家也发挥着重要作用，他们被要求创造新的方式，来最大限度地提高运营效率，并预测未来的需求。对公用事业公司来讲，准确的预测至关重要，因为它们的投资组合正在扩大，包括可再生能源（风能、太阳能、热电联产能源和其它能源）。数据科学家可以使用来自客户的数据来创建需求模型，准确预测能源需求时间，以及天气等外部因素将如何影响预测。然后，他们可以在高级分析应用内与工程师和主题专家协作，以确保建模数据的完整性和相关性，并提供最佳结果。

这些模型还可以应用于电网中的资产，以分析和识别即将发生故障的设备。这种预测性方法使团队能够规划维修和更换，并为其分配预算。高级分析应用在监控和诊断分析中起着至关重要的作用，这些分析通过关注必要的数据集，来识别设备故障的根本原因。

在预测分析和模式识别方面，这些应用也发挥着重要作用。分析和模式识别，需要确定何时需要对资产进行维护，从而减少响应性维护和相关停机时间。这些过程通常成为可重复的分析，以根据模型或工况监控所有性能级别。这可以在更大规模上实施，并被整个组织安全地利用。

随着发电、输电和配电公司数字化转型之旅的开展，很多公司很快就发现，建立在诊断、预测和描述性分析基础上的发展战略，改变了运营，并节省了大量时间和资金。

有效的需求管理

当价格上涨时，有效管理实时电价通常会导致负荷大幅降低，因为商业能源用户部署了现场发电设备，或者将设备关闭一段时间，以避免支付高额的费用。独立系统运营商（I S O）需要管理受这些减载事件影响的电源供应，以防止负载恢复正常时发生断电事故。

I S O 工程师需要开发一个负荷预测模型以识别负荷变化事件，并根据价格变化量化每个事件影响的大小。通过确定减负荷时间并进行分析，来确定因电价峰值而减少的负荷量。创建一份总结报告，使运营商能够为电价降至正常水平时，确定需要恢复多少负荷做好准备。

创建一个模型以便更好地理解减载并且其做好准备，有助于预防服务中断，同时保持电力生产商和能源终端用户的满意度。分析解决方案可以帮助电力公司和I S O 快速识别消费者对高价的负载响应（图2）。运营商现在可以预测高电价后的电网需求。

▎图 2 ：该报告显示了在电价升高期间，功率降低 多少，并显示了当电价恢复至正常时，独立系 统运营商可以预期的功率。

数据分析支持预防性维护

要知道何时对电力变压器进行维护，就需要深入了解可用数据。最好利用来自各数据源的数据，从基于日历的维护过渡到基于状态的维护，包括铭牌信息、绝缘液测试结果、诊断测试（如溶解气体分析和电气测试）、维护计划、实时数据（如冷却性能）等。开发和完善变压器健康分析以利用如此大量的数据是很困难的，特别是当应用于各种供应商提供的众多资产时。

此类分析的一个例子是溶解气体分析( D G A )，该研究用于绝缘变压器电气元件的油中的溶解气体。当油因分解并变得不那么有效时，它会释放油中的气体。这些气体的分布与电气故障类型有关，气体的生成速率表明故障的严重程度。许多故障（如电弧、过热和局部放电）只能通过分析气体来检测。

▎图 3 ：变压器健康评分趋势，包括阈值和偏差。

许多电力公司都有D G A 程序。D G A 程序包括手动对油取样，并将样品送至实验室进行分析，通常每一到四年进行一次。高级分析应用可用于聚合数据、评估所需公式，并将分析扩展到多个资产。方法包括：

• IEEE C57-104 总溶解可燃气体；

• 符合IEC 60599 标准；

• Roger 比率；

• Dornenburg 的状态估计；

• Duval 三角形。

从数据中创造价值

从采用最新的数字化技术更新I T 系统，到从数据洞察中获取价值，以更好地使用机器学习和人工智能，很多制造企业都面临着类似的数字化转型挑战。通过高级分析应用，这些企业可以利用从时间序列数据中获得的价值来解决这些以及其它问题。高级分析可以进行快速迭代和细化，以更准确的确定负载恢复、改进变压器维护等，提供企业及其客户所期望的改进。

关键概念：

■ 高级分析可以满足从数据中获得见解以及其它期望。

■ 实施各类数字化转型计划将产生大量数据，需要高级分析应用以提供互操作性和情境化信息。

思考一下：

在预测分析和模式识别方面，贵企业都采取了哪些措施？

审核编辑：郭婷