Первый регион реализации Костромская область
Описание
Задачи:
- сокращение затрат на эксплуатацию тепловых сетей жилищно-коммунального хозяйства
Интеллектуальная система сбора и обработки данных сетей жилищно-коммунального хозяйства предназначена для мониторинга и диспечеризации состояния сети
Платформа использует технологии искусственного интеллекта и анализа данных для минимизации количества аварий в тепловых сетях на основании данных паспортизации и оперативных данных с устройств мониторинга тепловых сетей
Проблема:
· Рынок сильно сегментирован, с множеством ключевых игроков, ответственных за узкоспециализированные решения с очень низким уровнем автоматизации. На фоне данных «упрощенных» решений Система требует более высокого уровня инвестиций для удовлетворения требований новой цифровой стратегии
· Уровень инвестиций в модернизацию сетей с учетом необходимости внедрения Системы должен примерно соответствовать предыдущему году, так как возможности резкого увеличения бюджета у городских муниципалитетов, как правило, нет
Решение проблемы сокращения потерь в тепловых сетях достигается за счет реализации в Системе удобных инструментов предупреждения и выявления потерь тепла, а также предотвращения аварий благодаря следующим возможностям:
· Контроль превышения и/или приближения текущих значений тепловой сети к расчетным пороговым значениям;
· Контроль сквозных / комплексных параметров тепловой сети на основании экспертных формул и математических моделей;
· Прогнозирование моделей энергопотребления для каждого узла сети;
· Оценка остаточного ресурса за счет суммирования данных за весь жизненный цикл объектов энергосети.
Система предоставляет инструменты оповещения и коммуникации для устранения выявленных проблем. Удобство инструментов, в свою очередь, обеспечивается за счет массового сбора оперативных данных, их глубокого анализа и последующей визуализации, а также за счет продуманных пользовательских сценариев, спроектированных в ходе непосредственной работы со специалистами предметной области.
Понимая, что Система, помимо широких функциональных возможностей, должна обеспечивать высокий уровень производительности, отказоустойчивости и безопасности, было принято решение вести разработку Системы с учетом следующих подходов:
· Построение Системы с учетом передовых архитектурных и технологических решений, а также активное применение существующих решений в свободно распространяемом ПО для повышения эффективности разработки.
Для разработки Системы, удовлетворяющей большому объему функциональных и программно- технических требований, была сформирована команда, объединяющая лучших экспертов в сфере разработки высоконагруженных систем с ведущими специалистами в области автоматизации энергетики.
Используемый подход позволил создать веб-ориентированное программное решение, которое может легко масштабироваться от районного до общероссийского уровня и эффективно эксплуатироваться различными категориями специалистов, включая диспетчеров, сотрудников ремонтных бригад, а также представителями муниципалитетов, вплоть до высшего руководства. Кроме того, в настоящее время мы видим наше серьёзное конкурентное преимущество на рынке в том, что Система не связана историческими, технологическими или архитектурными ограничениями и можем оперативно адаптироваться под запросы рынка.
· Построение Системы с использованием геоинформационного представления в качестве основного пользовательского интерфейса для работы со всеми типами энергосетей в рамках единой концепции «Умного города». На первый взгляд очевидное решение, которое на самом деле является уникальным для отрасли, так как существующие автоматизированные системы в сфере тепловой энергетики предназначены лишь для проектирования топологий сетей и поверочных расчетов, в том время как разработанная нами Система расширяет комплекс задач, позволяя вести обработку топологий сетей, сбор оперативных данных и их привязку к координатам, анализ оперативных данных с учетом топологии сетей, географических данных и погодных условий в данной местности. Использование интерактивной карты в качестве ядра визуализации позволяет внедрить инновационные решения в отрасль и предоставить всем заинтересованным сторонам унифицированный и простой для понимания инструмент.
· Построение Системы в соответствие с концепцией цифрового двойника города, т. е. Система агрегирует всю доступную информацию о параметрах энергосетей: обеспечивает паспортизацию всех объектов энергосети, осуществляет сбор и обработку оперативных данных со всех возможных средств мониторинга за счет комбинации всех возможных технологий подключения, включая: прямое подключение к драйверам устройств, modbus, ОРС-сервера, интеграция с другими системами сбора данных. Выбранный подход предусматривает, что данные могут поступать в Систему с разной периодичностью и размерностью, поэтому в Системе реализованы эффективные инструменты для стандартизации, коррекции и очистки обрабатываемых данных. Подобная обработка данных позволяет использовать технологии машинного обучения и анализа больших данных для формирования Системой расширенных (интеллектуальных) предупреждений, идентификации перегруженных / недогруженных элементов энергосетей, а также обнаружения скрытых проблем в энергосетях.
Результат
· Сокращение затрат на эксплуатацию тепловых сетей на 10%
· Затраты на внедрение и сопровождение Системы с высокими отраслевыми показателями по быстродействию, отказоустойчивости и масштабируемости (экономия по сравнению с существующими на рынке решениями схожей функциональности);
· Затраты на сбор, обработку и анализ оперативных данных (экономия за счет минимизации ручной работы и большего количества отчетных форм и визуализаций);
· Затраты на доставку теплоэнергетических услуг (экономия за счет оптимизации потоков и параметров тепловой сети, сокращения излишних перегревов и снижения утечек тепла);
· Затраты на ремонтные работы и обслуживание (экономия за счет минимизации убытков от негативных последствий аварий, благодаря их раннему обнаружению и устранению);
· Затраты на обследование, аудит и анализ эффективности энергосетей (экономия за счет используемых технологий интеллектуальных предупреждений на базе технологии машинного обучения и анализа больших данных).
Стоимость реализации: От 1 млн до 10 млн ₽
Этапы реализации
1 месяц
подготовка
подготовка занимает 2 недели
внедрение
внедрение занимает 2 недели
обучение
обучение занимает 7 дней
- подготовка:
подготовка занимает 2 недели
- внедрение:
внедрение занимает 2 недели
- обучение:
обучение занимает 7 дней