На сегодняшний день в числе приоритетных задач развития цифровой экономики в целом, формирование цифровой энергетики занимает значимое место. Цифровизация, которая предполагает внедрение цифровых технологий в текущую операционную деятельность энергетических компаний и открывает возможности для развития новых бизнес-моделей на базе цифровых решений, обозначена одним из ключевых трендов, оказывающим наибольшее влияние на развитие электроэнергетики в будущем. Идеи и потенциал цифровизации настолько привлекательны, что появилась национальная программа «Цифровая экономика Российской Федерации».
Многие современные тренды, такие как технический прогресс. изменения на рынке труда, разрушение традиционных рыночных моделей и необходимость искать новые бизнес-модели, существенные и частые изменения требований регуляторов, появление новых моделей кооперации планирование развития с целью получения нового качества планирование развития с целью получения нового качества одновременно играют роль катализаторов процессов цифровой трансформации.
С прагматичной инженерной точки зрения цифровая трансформация – это в значительной степени изменение подходов к работе с данными: технологиями сбора, передачи, хранения, защиты и обработки. Алгоритмические и технические решения, которые поддерживают каждый этап жизненного цикла работы с данными, за последние десятилетия кардинально усовершенствовались, и в ближайшие годы нас ожидают еще более революционные изменения в области обработки больших данных, искусственного интеллекта, информационной безопасности, шифрования, беспроводных сенсоров, интеллектуальной силовой электроники для исполнительных механизмов.
Переход на цифровые технологии в системах сбора и обработки информации, управления и автоматизации в электроэнергетике начатый более 20 лет назад в настоящее время получил широкое развитие. Однако достижения технологий искусственного интеллекта, анализа больших данных, машинного обучения и имитационного моделирования, широко применяемые в таких областях как банковское дело, страховой бизнес, промышленность и медицина, в настоящее время мало используются в электрокомпаниях Российской Федерации. К числу основных объективных причин такого положения дел можно отнести отсутствие необходимого количества качественных данных, позволяющих эффективное применение цифровых технологий. На сегодняшний день в информационных системах и базах данных нет необходимого набора данных, имеющего достаточную глубину истории, необходимую дискретность изменений, у которых обеспечена сопоставимость методов измерения, наличие вспомогательной информации. Данные составляющие коммерческую тайну не представлены для анализа из опасений, что могут быть использованы конкурентами. На данный момент отсутствует рынок продажи данных, имеющих ценность, не существует стимулов и мотивации для взаимовыгодного обмена данными, методиками и результатами прогнозирования.
Другой причиной является то, что значительные успехи в энергетике достигнуты путем использования классических статистических методов и расчетных задач, основой которых являются физические закономерности, т.е здоровый консерватизм отрасли.
И следующая проблема – в недостатке специалистов, хорошо понимающих предметную область и одновременно хорошо владеющих IT-технологиями.
Таким образом, можно сказать, что основной проблемой является недостаток необходимого количества качественных данных, для решения которой нужны новые идеи и подготовленные специалисты, способные интегрировать консерватизм отрасли с современными информационными технологиями. Поэтому актуальность проблематики вопросов получения и обработки данных, большое количество нерешенных задач как с технической точки зрения, так и в плане накопления знаний, включая подготовку кадров, не вызывает сомнений.
Если рассмотреть современные технологии обработки данных и решаемые задачи в различных областях российской электроэнергетики, то их можно сгруппировать в следующие группы:
- Выявление аномалий – при обслуживании по состоянию до детектирования угроз информационной безопасности.
- Поиск зависимостей и взаимосвязей необходим при предложении новых услуг и до оптимизации операционной деятельности.
- Кластеризация способствует построению гипотез.
- Для принятия оптимальных решений, разработки экспертных систем, советчика диспетчера и оптимизации необходимо решить задачи регрессии и наглядной визуализации.
- Обработка естественного языка необходима при корпусном анализе текста технических проектов, извлечения знаний, патентного поиска, мониторинга СМИ и человеко-компьютерном взаимодействии.
На данный момент в процессах обработки и анализа данных в электроэнергетике используются несколько групп инновационных технологий:
- Прикладной и коммерческий аспект технологий обработки данных, который включает в себя переход к сервисным моделям, предсказание сбоев и переход на предиктивное обслуживание; новые модели бизнеса, цепочки кооперации, информационные услуги, оплата только целевых свойств или результатов.
- Сбор, подготовка, хранение данных: интернет вещей, сетецентрические и микросервисные архитектуры, мультиагентные и киберфизические системы, банк данных.
- Анализ, имитационное моделирование, автоматизация, вобравший в себя максимальное число видов инноваций, таких как искусственный интеллект и его частная область – машинное обучение, дополненная и виртуальная реальность, информационно управляющие системы, системы связи и коммуникаций, коммуникационные шлюзы и локальная автоматика, распределенный реестр, умные сенсоры и оконченные устройства.
В современных условиях при обработке и анализе данных основные преимущества и возможности имитационного моделирования раскрываются полностью, так как моделирование позволяет проанализировать различные сценарии без рисков и неопределенности. Виртуальные эксперименты с имитационными моделями обходятся дешевле и проходят быстрее, представление моделей в 2D и 3D форматах сделает любые идеи и концепции наглядными и доступными для обсуждения, моделирование дает возможность предсказать поведение реальной системы точно и динамично. Процедуры калибровки, верификации и валидации модели дают наибольший эффект от моделирования, но для этого требуются значительные объемы актуальных данных. Решить данную проблему можно путем создания цифрового двойника. Развитие идет от цифровых моделей, в которых нет автоматической связи между физическим миром и цифровым представлением, через «цифровую тень», когда информация о состоянии объекта передается в реальном времени, но не автоматизирован обратный поток данных и управляющих воздействий, до полноценного цифрового двойника устройства или сервиса, производства или функции, актива или предприятия.
Мы уже упоминали здоровый консерватизм отрасли и что широкие достижения технологий искусственного интеллекта в других областях не могут быть напрямую перенесены на электроэнергетику. Несмотря на это налицо и очевидные успехи в решении технологических задач.
Для решения практической задачи оценки качества описания инновационного проекта в энергетике была проведена предобработка текста 24 томов технической документации общим объемом более 1000 страниц с последующим статистическим анализом. В результате были выявлены и направлены на доработку субподрядчикам 3 тома, как не соответствующие формальным требованиям и достигнутому уровню качества комплекта документов.
Повышение точности прогноза потребления и управление пиковой нагрузкой является самым действенным механизмом оптимизации затрат на развитие и снижение эксплуатационных затрат в распределительных сетях. Для этих целей были разработаны ряд технологий, новизна которых состоит в подготовке, преобразовании и обработке данных исключительно в оперативной памяти, с гарантированным сохранением исходных данных. В качестве ключевого фактора был выделен прогноз потребления, с последующим предсказанием часов пиковой нагрузки. Последующий анализ достигнутого уровня точности прогноза генерации Повышение точности прогноза потребления и управление пиковой нагрузкой является самым действенным механизмом оптимизации затрат на развитие и снижение эксплуатационных затрат в распределительных сетях. Для этих целей были разработаны ряд технологий, новизна которых состоит в подготовке, преобразовании и обработке данных исключительно в оперативной памяти, с гарантированным сохранением исходных данных. В качестве ключевого фактора был выделен прогноз потребления, с последующим предсказанием часов пиковой нагрузки. Последующий анализ достигнутого уровня точности прогноза генерации и потребления электроэнергии по ОЭС России показывал, что точность прогноза не просто высокая, она из года в год повышается, хотя отдельные периоды были очень непростым в части точного планирования и прогнозирования из-за карантинных мероприятий и потребления электроэнергии по ОЭС России показывал, что точность прогноза не просто высокая, она из года в год повышается, хотя отдельные периоды были очень непростым в части точного планирования и прогнозирования из-за карантинных мероприятий.
Подводя итог можно сказать, что в условиях цифровой трансформации наблюдается рост потребности к применению цифровых инноваций и новых технологий обработки данных, потенциально применимых к электроэнергетике. Поэтому проблематики вопросов получения и обработки данных, большое количество нерешенных задач как с технической точки зрения, так и в плане накопления знаний, включая подготовку кадров остаются актуальными.
Проведенные исследования показывают, что специализированные информационно-аналитические сервисы для промышленных предприятий и компаний, работающих в сфере электроэнергетики востребованы и требуют дальнейшего совершенствования.
Сайдаш Искэндэрович Мухаметгалиев
студент кафедры Информационных технологий и интеллектуальных систем Казанского государственного энергетического университета
