Τεχνητή νοημοσύνη στην πράξη: Πως επιτυγχάνονται καλύτερες επιδόσεις στα υφιστάμενα έργα ΑΠΕ.

Καθώς στις χώρες της Ευρώπης υπάρχει η δέσμευση  να αυξηθεί η παραγωγή ενέργειας από ανανεώσιμες πηγές, ώστε να επιτευχθούν οι στόχοι του 2030, έχουν αναπτυχθεί  διάφορες στρατηγικές προς αυτό. Πολλές από αυτές βασίζονται στην αύξηση της εγκατεστημένης ισχύος ανανεώσιμων πηγών ενέργειας, είτε με την κατασκευή νέων μονάδων είτε με την επαναλειτουργία παλαιότερων.

Ένας συμπληρωματικός τρόπος, και πιθανόν ο πιο αποτελεσματικός από οικολογική και οικονομική άποψη, συνίσταται στην βελτίωση της απόδοσης και την μείωση του κόστους λειτουργίας των ήδη υπαρχόντων μονάδων ΑΠΕ. Μία από τις πιο αξιόπιστες μεθόδους για την επιτυχή υλοποίηση του τρόπο αυτού, είναι η χρήση τεχνητής νοημοσύνης, με τη βοήθεια της οποίας ο τεράστιος όγκος δεδομένων που προέρχεται από την λειτουργία των μονάδων μπορεί να χρησιμοποιηθεί για να εξαχθούν χρήσιμες πληροφορίες, βάσει των οποίων μπορούν να ληφθούν σωστές αποφάσεις  για τη λειτουργία των μονάδων, την κατάλληλη στιγμή.

Οι δυνατότητες βελτιστοποίησης της λειτουργίας, αύξησης της διαθεσιμότητας και μείωσης του κόστους λειτουργίας με την χρήση αλγορίθμων εξόρυξης δεδομένων μπορούν να επιδειχθούν εύκολα, υπό την προϋπόθεση ότι διατίθενται δεδομένα υψηλής ποιότητας και συχνότητας, τα οποία μπορούν να υποστούν επεξεργασία από κατάλληλα δομημένο σύστημα.

Κάτι τέτοιο μπορεί να μοιάζει εκφοβιστικό από την παραδοσιακή θεώρηση της Διαχείρισης Χαρτοφυλακίου Έργων ΑΠΕ, αλλά η τεχνολογία που απαιτείται προκειμένου να βελτιωθεί η απόδοση ηλιακών και αιολικών μονάδων είναι διαθέσιμη, δοκιμασμένη και επικυρωμένη.

Οι ευεργετικές συνέπειες αυτής της  επαγγελματικής μεθόδου διαχείρισης χαρτοφυλακίων ΑΠΕ δεν περιορίζεται στην εκμετάλλευση της πλήρους ισχύος της μονάδας, αλλά οδηγεί σε συνολική αύξηση των κερδών του ενεργειακού κλάδου (μέσω της μείωσης του LCOE) και της μετρίασης των λειτουργικών ρίσκων. Κάτι τέτοιο με τη σειρά του τελικά θα οδηγήσει στην προσέλκυση  περισσότερων επενδύσεων σε έργα ΑΠΕ αλλά και υποδομές δικτύου, δημιουργώντας έναν «ενάρετο» κύκλο, δίνοντας το έναυσμα για εγκατάσταση νέας ισχύος έργων ΑΠΕ και κατά συνέπεια αύξηση της διείσδυσης των ΑΠΕ στο ενεργειακό μίγμα.

Η δύναμη των δεδομένων

Εξόρυξη δεδομένων είναι η διαδικασία ανάκτησης μεγάλου όγκου δεδομένων από μία ή περισσότερες πηγές και συσχέτιση μεταξύ τους, με σκοπό την κατανόηση των εν εξελίξει ανωμαλιών στην λειτουργία, και την πρόβλεψη της μελλοντικής συμπεριφοράς των διάφορων συσκευών. Η ανάλυση των Μεγάλων Δεδομένων(Big Data) μπορεί να προσθέσει επιπλέον αξία σε κάθε στάδιο της διαχείρισης Χαρτοφυλακίου Έργων : Από την ανάλυση της παρατήρησης της συγκεντρωμένης πληροφορίας ως την αναγνώριση σφάλματος, τη διαγνωστική σφαλμάτων και τέλος τη βελτιστοποίηση μέσω συντεινόμενων προτάσεων που προκύπτουν από προηγμένο σύστημα παρακολούθησης. Σήμερα προτείνονται διάφορες προσεγγίσεις. Ενώ η κλασσική τεχνητή νοημοσύνη προτείνει προχωρημένες μεθόδους διαγνωστικής μέσω μοντέλων γνώσης,  οι μέθοδοι επιβλεπόμενης και μη-επιβλεπόμενης μάθησης προσφέρουν διαφορετικές δυνατότητες (π.χ. μέσω νευρωνικών δικτύων) χρησιμοποιώντας στατιστικές προσεγγίσεις.

Χάρη στις  σύγχρονες τεχνικές εξόρυξης δεδομένων, οι διαχειριστές των χαρτοφυλακίων έργων μπορούν εύκολα να πάρουν αποφάσεις για τον πιο αποδοτικό τρόπο πραγματοποίησης των καθημερινών λειτουργιών και των δραστηριοτήτων συντήρησης, βελτιώνοντας παράλληλα την απόδοση του χαρτοφυλακίου και έχοντας επίγνωση πιθανών αστοχιών στον εξοπλισμό του πολύπλοκου συστήματος που διαχειρίζονται.

Πλατφόρμες παρακολούθησης και βελτίωσης της απόδοσης, όπως το SynaptiQ της 3Ε,  έχουν τη δυνατότητα να συνδυάσουν την ανεξάρτητη παρακολούθηση και συλλογή δεδομένων με τον πιο αξιόπιστο αλγόριθμο ανάλυσης απόδοσης στον τομέα των φωτοβολταϊκών.

Στην παρακάτω εικόνα, η ομάδα του SynaptiQ κατέταξε τον συντελεστή απόδοσης 640 εταιρειών ηλεκτρισμού και εμπορικών φωτοβολταϊκών εγκαταστάσεων και παρατήρησε ότι ενώ σε γενικές γραμμές οι μονάδες υποτίθεται ότι λειτουργούν όπως αναμενόταν, κάποιες από αυτές υπολειτουργούν σημαντικά. Στην ανάλυση αυτή, οι πραγματικές αποδόσεις συγκρίνονται με τις αναμενόμενες, οι οποίες ορίστηκαν χρησιμοποιώντας υπερσύγχρονους αλγορίθμους από την αγορά φωτοβολταϊκών και στηρίζονται σε πραγματικές μετρήσεις από τον χώρο της εγκατάστασης.

Τα αποτελέσματα αυτά γίνονται ακόμα πιο σημαντικά, όταν συμπεριληφθεί στην ανάλυση  η αξιοπιστία των μετρήσεων της ηλιακής ακτινοβολίας, την οποία πραγματοποιεί το iLab, του τμήματος R&D της 3Ε, όπου συγκρίνονται περισσότεροι από 80 διαφορετικοί αισθητήρες  ακτινοβολίας υψηλής ακρίβειας, με δορυφορικά δεδομένα υψηλής ποιότητας και συχνότητας, από το τμήμα Data Services της 3E. Όπως φαίνεται στο κατωτέρω διάγραμμα το 50% των αισθητήρων  παρέχουν υποτιμημένες μετρήσεις, πιθανότατα λόγω κακής βαθμονόμησης, λανθασμένου προσανατολισμού ή ελλιπούς καθαρισμού.

Οι αξιόπιστες μετρήσεις από τον χώρο της εγκατάστασης είναι απαραίτητες για την αξιολόγηση της απόδοσης και την βελτιστοποίηση της. Σήμερα, εργαλεία όπως το Solar Sensor Check® της 3Ε μπορούν να προσφέρουν μια προηγμένη ανάλυση της ποιότητας των μετρήσεων των αισθητήρων.

Μετά από σύγκριση με τα δορυφορικά δεδομένα ηλιακής ακτινοβολίας, χρησιμοποιώντας προηγμένα μοντέλα Cloud Physical Properties (CPP),  το Solar Sensor Check της 3E, μπορεί να παρέχει ακριβείς υποδείξεις για ενδεχόμενα ζητήματα βαθμονόμησης και για τον καθορισμό της επίδρασης της ποσοτικοποίησης της ακτινοβολίας.

Μειώνοντας τις απώλειες και βελτιώνοντας την απόδοση

Η ανάλυση διαθέσιμων δεδομένων των έργων, τα οποία σχετίζονται με παραμέτρους λειτουργίας της εγκατάστασης, χρησιμοποιείται από προηγμένα εργαλεία παρακολούθησης όπως το SynaptiQ και το πολύ χρήσιμο PV Health Scan, το οποίο είναι το αυτόματο εργαλείο διαγνωστικής  της 3Ε. Το εργαλείο αυτό εφαρμόζεται  από το SynaptiQ και δίνει τη δυνατότητα αναζήτησης της πρωταρχικής αιτίας των απωλειών, βάσει της σύγκρισης των αναμενόμενων με τις πραγματικές απώλειες του συστήματος, σε κάθε βήμα μετατροπής του συστήματος. Έτσι, μέσω των στοχευμένων συμβουλών για βραχυπρόθεσμες ή μεσοπρόθεσμες ενέργειες μειώνεται σημαντικά ο χρόνος εκτός λειτουργίας και υπολειτουργίας και ως εκ τούτου βελτιστοποιείται η απόδοση της μονάδας. Επιπρόσθετα, ο ομαλότερος προγραμματισμός των διάφορων δραστηριοτήτων και ο καλύτερος σχεδιασμός αντικατάστασης των διαφόρων συσκευών έχουν ως αποτέλεσμα την μείωση του κόστους συσκευών και της λειτουργίας του έργου.

Το παρακάτω διάγραμμα αποτελεί ένα παράδειγμα στο οποίο φαίνεται η υποβάθμιση του συντελεστή απόδοσης μιας εγκατάστασης, όπως καταγράφηκε  από το PV Health Scan. Ο χειριστής μπορεί εύκολα να εστιάσει την προσοχή του στην κύρια πηγή της πτώσης του συντελεστή απόδοσης (εν προκειμένω το DC ρεύμα) και στη συνέχεια να εμβαθύνει στα δεδομένα που έχουν συλλεχθεί, να εξετάσει το πρόβλημα πιο λεπτομερώς και να εντοπίσει την πρωταρχική αιτία.

Απλά και μόνο από την χρήση των δεδομένων, ο χρήστης αυτός εμπλούτισε τις γνώσεις του, καταλήγοντας σε μια απόφαση χωρίς να ξοδέψει σημαντικό χρόνο στον εντοπισμό του προβλήματος, επιτρέποντας του έτσι να εστιάσει την προσοχή του στην λύση.

Η ανεκτίμητη απλότητα του SynaptiQ

Η παγκόσμια προσπάθεια για αύξηση του μεριδίου των ΑΠΕ στο ενεργειακό μίγμα δεν θα σταματήσει μέχρι η κλιματική κρίση την οποία βιώνει η ανθρωπότητα να ελεγχθεί.

Όλες οι προσπάθειες προς αυτή την κατεύθυνση είναι πολύτιμες. Αλλά οι απλούστερες είναι και οι πολυτιμότερες καθώς είναι και οι πιο αποτελεσματικές.

Είναι πολύ πιο αποτελεσματικό το να βελτιωθεί η λειτουργία και να μειωθούν τα λειτουργικά κόστη των ήδη υπαρχόντων μονάδων ΑΠΕ, από το να κατασκευαστούν νέες.

Το SynaptiQ κάνει ακριβώς αυτό, χρησιμοποιώντας τεχνητή νοημοσύνη για να μετατρέψει τον αχανή όγκο δεδομένων που παράγονται από τις εγκαταστάσεις αυτές, σε πληροφορία που μπορεί να χρησιμοποιηθεί ώστε να λαμβάνονται οι σωστές λειτουργικές αποφάσεις την κατάλληλη στιγμή.

Τι παραπάνω θα μπορούσε να ζητήσει κανείς;

 

 

 

Ιούνιος 2019

Martina Pianta (3E) Sales Manager

*Ο Γιάννης Τσιπουρίδης είναι Γενικός Διευθυντής της REDPro