随着时间的推移,电网企业除了确保实现电网安全可靠运营的目标,也将越来越多地面临电网资产管理的挑战和抉择,例如:在电网的投资上,如何在可接受的风险以及成本之间取得平衡?如何在维修维护现有设备和更换新设备之间做出抉择,尽可能使资产保值?在这些问题上更妥善地进行决策,将为企业带来不可小觑的经济效应。因此,领先的电网企业正逐渐意识到加强资产管理的可观价值。
基于多来源数据,开展电网资产管理数字化转型
事实上,随着电网资产管理的数字化转型,在资产性能管理 (APM) 和资产投资规划 (AIP) 领域,电网企业的主要挑战将是理解、关联、整合和同步来自多个来源的数据,以形成应用程序之间的无缝数据交换。这些数据来源通常包括以下几类。
首先,是来自公用事业企业资产管理 (EAM)、计算机化维护管理系统 (CMMS) 或移动劳动力管理 (MWM) 系统的资产(设备和系统)检查数据。这些数据既可能是离线数据,比如由现场工作人员在完成工作后手动输入系统的数据,也可能是由系统自动输入的在线数据。其次,是来自以上这些系统的离线或在线资产测试数据,以及实验室测试数据,例如变压器油的定期样本和实验室分析结果。
此外,这样的数据来源还包括来自物联网传感器、ADMS(高级配电管理系统)、SCADA 系统等现场资产的实时测量数据和指示器数据,以及来自网络模型、GIS(地理信息系统)、ADMS和 EAM 系统的静态资产数据(例如铭牌数据)的离线目录数据库。总之,必须要在数据的支持下,电网企业才能够进行跨越多个时间框架、贯穿整个资产生命周期的资产管理分析。
数字化时代,基于状态的预测性维护当逢其时
面对数字化时代的电网资产运营,施耐德电气认为,依靠专家知识和自制的简单内部工具展开的、基于时间的计划性维护往往已经不合时宜,电网企业应该转而采用基于多来源数据的循证方法来进行资产管理。利用这样的新方法,电网企业可以结合资产健康状况、可靠性和关键性,做出基于风险的决策,还可以引入基于地理空间和运营数据(包括物联网数据)的高级分析,同时利用高级风险模型以满足公用事业的特有需求。
施耐德电气建议,电网企业应该使用标准方法来密切整合上述一系列数据,以便无缝访问主资产数据库和资产分析工具。例如,这些数据可用于提升对资产管理的洞察力,如评估资产健康状况、资产故障的影响以及每项资产的关键性。反过来,这些信息还可以帮助公用事业公司确定所需的维护操作。为了实现价值最大化以及提供一个端到端的流程,这些维护行动需要导出到用户的 IT 工具中,以便安排、调度和执行维护任务。这就需要相关数据在工具之间流动。
在这个过程中,不仅需要输入数据,还要向其他用例和功能开放数据。然后,主资产数据库和工具可以使用这些动态数据来估计资产的健康状况和关键性,然后将这些信息反馈给 ADMS 系统。有关资产健康状况和关键性的信息可以帮助 ADMS 和网络运营人员就替代运营方案做出更明智的决策,以减轻故障风险。
施耐德电气建议的这种基于状态的预测性维护,可以通过去孤岛化的数据提供全面的电网资产可见性。与传统的基于时间的计划性维护相比,它可以在成本效益、弹性、可靠性以及可持续性等多个方面带来价值提升。
在成本效益方面,由于基于时间的计划性维护往往导致设备过早或过晚更换及维修,因此基于状态的预测性维护可以节省高达15%的成本。此外,基于状态的预测性维护还可以帮助确定维护的优先次序,明确需要采取的行动,并延长资产的使用寿命。
而在提升电网的弹性及可靠性方面,基于状态的预测性维护通过改善运维,最多可降低 80%的故障风险。而通过降低资产故障风险,运营资产的可用性最多可以提高15%。此外,这一资产管理方法的转型,还有助于提升可持续性。公用事业借此可以实现高达 25% 的资本支出递延收益,并优化资本支出和运营支出。
电网资产管理转型,从EcoStruxure ™ 电网资产顾问系统开始
那么,电网企业应如何进行电网资产管理的转型呢?应对这样的需求,施耐德电气的 EcoStruxure ™ 电网资产顾问系统可以与企业资产管理、移动办公管理、数字自动化系统及其网络模型、GIS、ADMS 配合使用,以提供一系列实用的功能。
电网资产工具以及公用事业 EAM、MWM、ADMS、GIS 和数字自动化系统的一种潜在配置
这些功能包括评估资产健康状况和风险,提供预测性分析,并提供决策支持;为资本投资决策、财务建模和投资组合规划提供辅助;可以使用 CIM、网络模型和主动拓扑数据,以及采用 APM 数据的高级 ADMS 和 GIS 功能;支持资产性能管理和资产投资规划功能与 ADMS 和 ArcFM 的本地集成,以快速完成部署,最大程度地利用数据,并通过现场应用程序为工作流程提供支持。
此外,依托这一解决方案,还可以促进电网范围内的风险管理,综合考虑系统中的物理风险和环境风险。同时,该方案还可以提供跨资产生命周期和时间框架的资产决策支持,包括近期响应、中短期可靠性和故障预防,以及长期战略规划。
近期,施耐德电气推出了题为《价值驱动的电网数据管理指南》的白皮书,通过以下链接下载白皮书,获取以数字化技术提升电网管理与运营性能的更多洞见:
https://download.schneider-electric.com/files?p_Doc_Ref=ECATA_Power_Grid_220402
英文缩写一览表:
ADMS——高级配电管理系统
APM——资产性能管理
AIP——资产投资规划
EAM——企业资产管理
CMMS——计算机化维护管理系统
MWM——移动劳动力管理系统
SCADA——监管控制和数据采集
GIS——地理信息系统
ArcFM——施耐德电气的地理信息系统名称
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。