从高级分析中创造价值，以改善运营

发电、输电和配电行业的数字化转型计划继续发展，重点是管理成本、改善电网运营和扩大市场机会。到目前为止，由于缺乏可访问的数据，这些举措的采用情况参差不齐，并且受到限制，这导致无法分析和使用数据来推动改进的运营结果。

电力和公用事业公司，以及他们的客户，期望相关信息的需求，和供应商必须提供技术，如先进的分析应用程序，以满足这些需求。消费者技术使用户能够随时随地得到他们想要的东西，而且大多数人都希望得到即时的响应，以及随时随地的访问。

这些以及其他关于从数据中获得洞察力的期望可以通过高级分析来满足。这可以降低成本，更智能地控制能源消耗，并成功地参与使用时间和需求响应计划。

与此同时，电力和公用事业组织可以采用端到端的自动化流程，使用高级分析来转换客户关系。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。

数据访问问题，数字化转型，分析访问

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，遵守法规，并实现更好的运营性能。利用所需的技术，如软件即服务(SaaS)、云计算、机器学习(ML)、物联网(IoT)和网络安全工具，将需要大量投资。

实施各种类型的数字化转型计划将产生大量数据，需要高级分析应用程序提供的互操作性和上下文。许多公用事业数据系统是孤立的，分析应用程序不容易访问。数字化转型将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。

让这些数据用于生成可操作的业务逻辑(例如指导公用事业客户行为和实现电网供应平衡)并不简单。因此，公用事业将需要部署一系列信息技术(IT)解决方案来收集、保护和存储数据，然后分析数据并产生见解。

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或不够灵活，无法快速定义相关上下文。数据量正在显著增加，电子表格不适合时间序列分析、有效报告、执行复杂计算和创建模型等任务(图1)。

电子表格也需要持续的维护，这会导致错误和数据不一致。限制电子表格的另一个因素是处理时间序列数据的细微差别，例如丢失的数据、不同的时区、夏令时、插值类型和逻辑。对于电子表格，这些问题只能通过复杂的公式来解决。

应用特定的业务逻辑和共享分析是困难的，对数据的日期和非统一间隔进行调整非常复杂，对异常值以及丢失或损坏的数据进行更正也是如此。电子表格还需要严格的保护以防止用户损坏和版本管理，并且它们提供有限的多用户协作。

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

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应用程序进行投资。需要综合信息和操作技术的组合来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进行交互，以执行数据清理和上下文化任务。实施这些举措将从不断扩大的数据量中创造更好的价值。

通过先进的分析应用程序，电力和公用事业行业可以简化时间序列数据的清理和上下文化。这些应用程序连接到现有的数据筒仓和其他数据源(在本地和基于云的)，而不需要从源系统复制或复制数据。一旦数据源连接起来，工程师和主题专家就可以使用该应用程序进行诊断、预测和描述性分析。高级分析应用程序还提供了改进的实时协作，实现了跨团队的更大视野和洞察力，加速了跨更广泛组织的洞察力交流。

数据科学家在推动数字化转型方面也发挥着重要作用，因为他们被要求创造新的方法来最大限度地提高运营效率并预测未来的消费。对公用事业公司来说，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、热电联产能源和其他能源)。数据科学家可以使用来自客户的数据来创建需求模型，准确地确定何时需要能源，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程序中与工程师和主题专家合作，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数据，以分析和识别即将发生故障的设备。这种预测方法使团队能够对维修和更换进行计划和预算。高级分析应用程序在监测和诊断分析中发挥着至关重要的作用，用于通过关注必要的数据集来确定设备故障的根本原因。

这些应用程序还在预测分析和模式识别中发挥重要作用，以确定何时需要对资产进行维护，减少被动维护和相关停机时间。这些过程通常成为可重复的分析，以根据模型或条件监视所有性能级别。这可以在规模上完成，并被整个组织安全地利用。

用例分析发电，输电，配电

随着发电、输电和配电公司继续其数字化转型之旅，许多公司很快发现，建立在诊断、预测和描述性分析基础上的发展战略已经改变了他们的运营，节省了大量的时间和金钱。

需求管理

当电价上涨时，有效地管理实时电价往往会导致负荷急剧下降，因为商业能源消费者会部署现场发电或关闭设备几分钟或更长时间，以避免支付高昂的费用。独立系统操作员(ISO)需要管理这些负载减少事件的电源，以防止在负载恢复正常时发生停电。

ISO工程师需要开发一个负荷预测模型来识别负荷变化事件，并根据价格变化量化每个事件的规模。他们通过确定负载减少时间和执行分析来确定响应高价格峰值的负载减少量。报告总结了结果，使运营商能够准备好当电价降至正常水平时将恢复多少负荷。

创建一个模型来更好地理解和准备负载减少事件，有助于防止服务中断，同时保持电力生产商和最终能源消费者的客户满意度。分析解决方案可帮助电力公司和ISO快速识别从消费者到高价事件的负载响应(图2)。

运营商现在可以预测高电价事件后的电网需求。

数据分析实现变压器预防性维护

知道何时对电力变压器进行维护需要对现有数据有深入的了解。这最好通过使用来自各种来源的数据，包括铭牌信息、绝缘流体测试结果、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，从日历维护过渡到基于状态的维护来实现。开发和改进变压器运行状况分析以利用大量数据是很困难的，特别是当应用于由各种供应商提供的大量资产时。

这种分析的一个例子是溶解气体分析(DGA)，研究用于绝缘变压器电气元件的油中的溶解气体。当这种油分解并变得不那么有效时，它会释放出油中的气体。这些气体的分布与电气故障的类型有关，气体的产生速度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。

许多电力公司都有DGA项目。DGA程序通常包括每隔一到四年对油进行人工取样并将样品送到实验室进行分析。高级分析应用程序可用于聚合数据，评估所需公式，并跨多个资产扩展分析。方法包括:

• IEEE C57-104总溶解可燃气体。
• IEC 60599。
• 罗杰的比率。
• Dornenburg状态估计。
• 杜瓦的三角形。

高级分析有助于从时间序列数据中产生价值

从使用新的数字技术更新IT系统，到从数据洞察中获取价值，再到更好地利用机器学习和人工智能，发电、输电和配电都面临着类似的数字化转型挑战。借助高级分析应用程序，这些组织可以通过从时间序列数据中生成价值来解决这些问题和其他问题。高级分析提供了快速迭代和改进分析所需的分析，以确定更准确的负载恢复，改善变压器维护等，提供这些公司及其客户期望的改进体验。

一种直升机Iuliano，工业本金;Seeq集团．编辑克里斯·瓦夫拉，网络内容经理，控制工程、CFE媒体与技术、cvavra@cfemedia.com．

您是否具有本内容中提到的主题的经验和专业知识?您应该考虑为我们的CFE媒体编辑团队做出贡献，并获得您和您的公司应得的认可。点击在这里开始这个过程。