В электроэнергетике, как и в других отраслях промышленности, автоматизация производства сопровождается бурным ростом объема данных о различных процессах. При этом для оперативного управления нужна лишь часть этих данных. Остальной массив информации пользы не представляет, если не применять специальные аналитические инструменты для его обработки.

Член правления корпорации «Галактика» Сергей Петров прокомментировал в журнале «Стандарт» основные цели и инструменты анализа данных в отрасли электроэнергетики, а также значимость больших массивов данных по мере их накопления с точки зрения использования для повышения эффективности производства.

 

Сергей Петров отмечает, что существует несколько направлений анализа данных, благодаря которым повышается эффективность работы электроэнергетических предприятий. Активно применяются финансовая аналитика и обработка ключевых показателей эффективности работы персонала. А первоочередные цели анализа данных в электроэнергетических компаниях определяются необходимостью обеспечить безотказную работу электросетевого оборудования, продлить его ресурс и снизить затраты на обслуживание производственных активов. По мере увеличения массива данных в электроэнергетике станет возможным построение прогнозных функций на основе ретроспективных показаний и повысится точность прогнозирования.

 

Одним из наиболее востребованных в отрасли является анализ данных, полученных при различных испытаниях и при проверках, насколько технические характеристики электрооборудования соответствуют нормативным значениям. Анализ данных с датчиков автоматизированных систем управления технологическими процессами (АСУ ТП) позволяет отслеживать динамику и характер изменения технических параметров оборудования, прогнозировать сроки его отказа. Также большой популярностью, как и в других отраслях, пользуется анализ данных эффективности производства и финансовых показателей.

 

Использование аналитики данных в большинстве компаний ТЭК связано с уровнем информатизации процессов на предприятии. Сейчас используются системы класса бизнес-аналитики (Business Intelligence, BI) управления активами предприятия (Enterprise Asset Management, ЕАМ) и т.д. В целом эти решения позволяют получать информацию для аналитики первичного уровня, а при расширении функционала - проводить полноценный анализ данных К передовым методам и инструментам анализа, которые стремительно набирают популярность во всем мире относятся анализ больших данных метод нейронных сетей и машинное обучение. В перспективе предприятия смогут получить более точную аналитику по техническому состоянию электрооборудования и выводу оборудования из эксплуатации (с точностью до дней и минут), смогут максимально точно прогнозировать данные по затратам, на ремонт и обслуживание.

 

Источник: Журнал «Стандарт», сентябрь 2017

Обратная связь