实用程序如何转移到内部驱动操作

如何使用可以移动到洞察驱动操作 使用数据和AI来预测需求和快速变化的世界中的管理资产 CONTENTS INTRODUCTION4 这壁纸是给谁的?6 为什么现在采取行动6 第1节：什么是洞察力驱动的业务7 公用事业的机会？ SECTION2:THECross-CuttingCHALLENGESto11 从公用事业数据中提供价值，以及如何克服他们 第3节：将所有这些结合在一起以构建19 洞察力驱动的实用性 Conclusion22 从即时全球 INTRODUCTION虽然稍微绝缘 中断，水和气可以 公用事业提供电力， 理论上，这应该允许我们数字化能源系统 并移至知情数据 驱动的见解和决策 天然气和水到家庭和 企业。为了做到最好，他们需要了解 收集数据的方法- 驱动的见解，降低成本， 改善服务和会议但数据不会自动 路上的每一步。 改变需求的顺序 平衡供应，并部署和管理复杂的基础设施网络 生成、传输和交付这些服务。 来自数据的见解同时进行需求预测和资产管理 更可预测。这是真的 即使在稳定时期，但作为气候目标,低碳 技术和监管压力从根本上 改变公用事业的运作方式，数据变得更加 在导航到这么远的地方很重要更复杂、更分布式和 不断变化的法规。产生转型见解。 电力的三种方式中断: 生产：通过不同的能源能源和数字能源 管理和交易系统 传输：通过微电网和储能 消费：通过家庭能源生成和存储，以及 运输 这些是复杂的数据集 系统，通常不完整，来自多个来源。 这些数据需要艰苦的工作捕获、组合和分析 真正理解它是什么 （也不是）告诉你。如果我们弄错了，灯出去或者停水。但是 如果我们做对了，我们可以建造新的敏捷数据驱动实用程序 准备兑现承诺 个性化、分布式、可持续服务。 已经有很多可能了。 现在采取行动的公用事业公司可 细微差别的世界。 电力在特定的面孔巨大的外部压力由于新规则和 technologies(seebox).Tothrive 它将需要更多的数据驱动洞察不断变化的需求 (例如从电动汽车充电)和整合新资产(太阳能，风、电池)到现有 基础设施。同时， 他们可以使用复杂的数据技术来优化他们的 现有的基础设施-尽管事实上大多数不是设计的数字世界。 做这一切的数据是越来越可用。聪明米提供粒状见解可以预测能量和水消耗。已连接工业物联网 （IIoT）传感器和执行器在整个世代, 分配和存储可以 给我们详细的概述和 控制我们的资产。多样化数据源，如天气， 环境背景，以及消费者行为也是如此作为资产的工程数据 设计，可以添加图层洞察力。 以 在节约成本和 所以，他们会学到把他们放在游戏的前面他们的旅程成为 数据驱动的组织。 作为业务和监管 景观变化，数据将 机会。本白皮书将讨论这些机会以及如何思考提供短期价值和长期转型。 5 这是谁为什么现在采取行动第1节什么是洗白的? 了解未来 本白皮书将有助于 洞察力驱动业务 这可以告知能量存储和发布需求基于 可能的需求和删除来自网络的猜测 升级和加固 全球公用事业，包括公司参与 发电和 分销和供应 气体和水。特别是: 资产所有者,网络规划和运营 负责的团队 设计，建筑，运行,维护 和退役 水、气、电基础设施 需求管理和 定价团队，以及那些参与解决 确保水的运行和灯不熄灭 优化资产设计,使用和维护 生命周期,降低OPEX 响应更改监管压力和 能源数据现代化方案1以确保 国家能源标准 数字化计划得到满足并超过 赢得公共赠款和 创新数据的投标书- 机会 对于公用事业？ 在本节中，我们将看到说明性的业务挑战 数据可以在哪里交付 (I)能量分布中的值管理和(Ii)资产管理。后续 部分将探讨数据挑战需要 被克服来交付这个业务价值。 1.能源分配管理 规划。它也可以是结合其他数据集，如地方发展计划指导网络升级。 预测突然的，本地的需求变化 数据可以帮助实用程序有针对性的投资 基础设施，管理他们如何将能源推向变电站，以及将发电与需求相匹配。 数据可以帮助公用事业使Targeted 投资于 燃料和水贫困 驱动项目供暖，与新能源并驾齐驱 来源、存储和家庭 基础设施 战略决策者寻找一个概述 数据驱动的机会和挑战 通过跨示例 将突出显示值数据可以带来全面的以及共性 在数据驱动的方法中 让我们到达那里的见解。 跟上客户 期望和避免竞争激烈 一代，将改变我们如何预测供需和 平衡网络。 使用需求建模 智能电表数据洞察 智能电表是显而易见的能源管理的破坏者， -当人们在家时，什么他们正在使用的电器， 他们是否拥有电动汽车。如果我们可以解开这些复杂的数据， 在尊重隐私的同时，我们可以建筑能源的详细图片： 用于预测需求 颗粒状，个性化的水平。 大群体行为显示 统计数据；我们知道人们在英国，在广告期间泡茶 到个人家庭水平-是更难预测。一项投资 在充电基础设施中，或声乐居民，可能会激起 突然的局部EV吸收，以及用电量的快速变化。 智能电表和网络数据可以让我们推断 未来可能的行为 正确的模型。西部电力 Distributionisworkingwith 1例如Ofgem和创新英国的现代化 能源数据倡议和Ofwat在英国的AMP7 6 用于分析数据的电子链接这允许他们监控 低碳技术 在其本地，低电压（LV）网络2. 凯捷工程 与一家主要的水务公司合作开发预测模型 水需求，使用压力 开发精确的系统控制水压 跨网络到 尽量减少泄漏。 理解 构成一个 能源系统CAN创建更多颗粒建模 一个有趣的例子 方法是一个客户项目这涉及部署传感器在小企业的样本中，例如在冰箱和烤箱上面包店，开发模型 地下环境，以及暴露地面运动 可以建立模型来检测退化的特征 或即将出现的故障。中国向我们展示了最 复杂的例子。其 国家电网使用AI解决故障设施、电力中的检测 电网需求预测 识别类型和严重性电网故障，以及计算机视觉识别传输线缺陷3. 代理数据是一种解决方案。一次发电 公司，凯捷工程模拟气体涡轮性能使用 传感器数据的条件操作和环境 因素，其中 未拾取并用于监视用于维护。 管道特别成熟使用改进的监控 传感器和代理数据的混合。 我们可以更复杂 典型的能源使用模式那里是巨大的 例如，国际 能源署估计 仍然通过将这些数据构建到基于代理的模型-即 进行行为预测基于类似的人-尤其是 用户 大型能源用户，如工厂，很好理解。但是关于 规模较小的用户-例如作为面包师或理发师。了解的单位 组成一个能源系统可以创建更细粒度建模，并帮助预测负载管理和通知 需求方面的回应。 2.资产和基础设施 管理 数据可以预测性能基础设施，从管道和电缆到反应堆和变电站，允许预测维护和优化 延长寿命并减少 成本。 2https://www.electralink.co.uk/wp-content/up-loads/2019/11/WPD_ElectraLink_IBM_VM_Data_ Project_PR_press_version.pdf 预测性维护和 生命周期管理通过收集数据性能，以及 上下文信息，例如 气象条件, 有价值的发现开始需求变化的趋势。 措施。这些本地模型然后可以用来构建更多复杂的需求模型 这被称为联邦 学习-本地学习和汇总学习。 潜力 使用更多异位症数据技术做预测维护开启基础设施已经在GROUND 在世界各地，这正在取得进展 地上资产， 这些很容易增强有传感器。但是有 使用更多的巨大潜力复杂的数据技术 进行预测性维护已经在基础设施上地面。 3示例来自：https://www.eurelectric.org/me- 高达40%的化石燃料甲烷排放可 在没有净成本的情况下被淘汰天然气运营商( 监测和投资 修复气体泄漏，这将也减少了环境 可出售的额外气体)。优化控制系统 公用事业越来越多地拥有数据 从操作技术 和网络控制系统， 比如SCADA。这可以被用来管理 粒度比以前 可能，所以网络运行最优。边缘计算可以被利用来执行 现场分析和交付快速的源干预措施应该发现问题。 9 建模部署 新的存储和一代 特定的天气模式第2节交叉切割如地图、蓝图和 手写笔记-这是 技术 电池和其他新的 接下来是大雨 意味着下水道中的固体物质 挑战 交付价值 机器不容易阅读。 能源资产可能会会下沉，然后被推进在我们开始任何 在能源中发挥越来越大的作用系统，但主要的新资产 建模可以用来理解所有的含义从他们的 他们将如何融入 现有的基础设施。这将支持网格更改 并告知决策和控制系统设计分销网络， 允许公用事业计划，以及确保部署未经测试的 基础设施运行平稳。 这并没有发生在更少的时间 variousclimates).Thisallowed 该位置的基础设施一种解决根的方法问题的原因。 数据也可以用于 了解碳 FOOTPRINTOF 这样的倡议 从公用事业 数据，以及如何克服他们 为了实现的机会 上面，还有其他人喜欢他们，公用事业需要访问 正确的数据，应用正确的技能和技术，并把它 有价值的洞察力。这可能涉及到硬绘图- 访问数据和知识跨越的多个部分业务和部署 技能的组合目前不存在。 复杂的分析，我们必须克服挑战 数字化遗留数据。 这种数字化正在日益可能要感谢自然 语言处理和 图像识别AI工具。这些不仅将文本数字化和图纸，但可以 经过培训以发现关键见解和将它们转化为智能systems.Inarecentproject对于Equinor,Capgemini工程采取了这样一个 提取数据的方法从维护日志中， 难以预测的管理事件 作为新建筑在本节中，我们将看到 通用数据和文化 使公司能够建立知识管理 系统告诉工程师 世界的不确定性 他们。天气可以带走电力资产，地震可以 打破管道，下水道可以 预测，韧性越强可以设计在，两者确保备份供应和 升级资产。 我们合作的水务公司，例如，想知道 为什么两个相似的城市面临通过挖掘他们的数据和 碳会计 数据也可以用于了解碳 这些举措的足迹 作为新的构建。模型可以结合不同的数据源 和行业标准量化你的影响 材料、能源清单 使用和浪费，以及 公用事业中的挑战 可能会限制数据的成功项目，以及如何克服他们。 1.数据挑战 '我们有很多有价值的东西预测等项目 地下维修 电缆将需要数据 基础设施。但大多数是在我们理解之前 数据的价值。你不能只是 给我们留下了数据资产在安装时创建- 他们是多么的问题分配给已经解决了过去。 '我们没有那个精确数据 数据往往不是什么 是预期的。频繁的数据在终点收集-a 智能电表，一个地址 您的模型需要的数据是电缆的精确位置或 漏水的下水道。或者，你可能有一个资产 十年崩溃一次， 给你留下有限的数据预测未来。 10 例如，下水道经常“推断”而不是已知存在，使绘图 从数据中得出的结论非常复杂。如果我们真的不了解什么数据 方法以及它是如何收集的，它可以轻松渲染任何模型误导或无用。 解释环境。 这可能需要你结合 数据集(如地图，类似资产、基于物理的模型)了解发生了什么 在现实世界中。这将意味着之间的密切合作 数据专家和工程熟悉这些的专家资产。 数据共享的障碍。数据 通常存在于孤岛中，被锁定在封闭的部门IT中 架构，甚至笔记本电脑。 例如，如果您的模型需要在上组合数据 牛津的能源需求，牛津的数据 变电站，你可能需要开始四处询问 需要模型，它可以进展缓慢。 在短期内，定位数据像这样可能是必要的。它将变得更容易清楚 你需要什么数据，所以你可以集中你的搜索 数据经常存在尽可能多的数据。做在SILOS，锁定 内部关闭部门IT建筑, 或平均笔记本电脑 而不是试图得到 这提供了一个机会逐步映射数据的位置 是存储的，谁拥有它，并且获得它的障碍，并且 将此输入到路线图中朝向数据成熟度(上 公司在英国，其中目前限制其可用性 对能源供应商进行管理他们自己的账单。但是有 越来越多的人呼吁释放这些数据更广泛的用途，例如 比较网站。 更大的访问权限将打开建