Barbara > 实例探究 > 边缘人工智能:在虚拟化低压/中压变电站中部署人工智能灵活性

边缘人工智能:在虚拟化低压/中压变电站中部署人工智能灵活性

Barbara  Logo
 Edge AI: Deploying  AI Flexibility in a Virtualized LV/ MV Substation - IoT ONE Case Study
技术
  • 平台即服务 (PaaS) - 边缘计算平台
适用行业
  • 电网
  • 可再生能源
适用功能
  • 商业运营
  • 维护
用例
  • 需求计划与预测
  • 数字孪生
  • 边缘计算与边缘智能
服务
  • 软件设计与工程服务
客户
关于客户

Cuerva 是一家 Spansih 能源运营商,为整个能源价值链提供服务,包括发电、配电、零售和客户能源服务。该公司拥有 140 多名员工,业务遍及 3 个国家:西班牙、秘鲁和巴拿马。

该公司正在进行大规模的数字化进程,旨在让最终用户更容易使用,以提高供应质量并提供更具价值的新服务。这涉及通过网络推出全面的控制系统,从变电站(由 Cuerva Distribución 运营)到最终用户,覆盖线路、变电站和分段,以便实时获取每分钟的测量结果,提供网络上的完全可见性。

挑战

西班牙 Grip 运营商 Cuerva 寻求通过实施人工智能能源预测模型来增强电网知识,以获得用户需求和能源发电的精确预测。

Cuerva 的电网涵盖超过 16,000 个不同的供应点,使得基于云的运营变得复杂,并且容易受到连接丢失、信息传输延迟以及对集中式基础设施的依赖等问题的影响,从而可能导致关键数据丢失。

为了应对这些挑战,边缘技术已被证明是能够有效解决这些问题的唯一替代方案。它确保实时数据访问并以分散的方式运行,最大限度地减少设备故障对网络整体功能的影响。

在这个成功案例中,我们展示了如何使用 Barbara DSO 直接在变电站中实施人工智能,以准确预测与部署了 Barbara 运行的边缘节点的转型中心相连的消费者的需求和生产价值。

解决方案

所提出的解决方案基于分布在各个转型中心 (TC) 的边缘计算节点。更准确地说,该解决方案由以下部分组成:

• 专为分布式边缘计算而设计的物联网节点,可安装在TC 中。

• 边缘节点管理平台可有效管理这些节点。

• 工业化计算算法用于:

- 预测用户端的有功功率和无功功率,以识别低压 (LV) 电网上潜在的拥塞和过压事件。

.- 评估 Cuerva 网格内的灵活性资产并为其创建模型。

.- 确定系统的灵活性要求

收集的数据
Energy Production, Energy Usage
运营影响
  • [Cost Reduction - Data Management]

    • Cost Reduction in Data Integration:
    Streamlined data integration on a single node eliminates the need for
    maintaining various platforms. All devices are seamlessly integrated
    through different data protocols.

  • [Efficiency Improvement - Asset Monitoring]

    • Enhanced Quality Monitoring and Alarming:
    Real-time alarms and monitoring of secondary substations enable
    operators to promptly address supply quality issues, contributing to an
    improvement in SAIDI (System Average Interruption Duration Index).

     

  • [Data Management - Data Analysis]

    • Centralized Data for Advanced Analytics:
    Centralizing data from secondary substations facilitates advanced
    analytics. This, in turn, provides DSOs with valuable insights and
    information, paving the way for data-driven decisions to optimize grid
    operations.

    • AI-Driven Forecasting:
    Deployment of artificial intelligence algorithms equips DSOs to forecast
    potential grid issues and proactively address them before compromising
    supply quality. This proactive approach contributes to an improvement in
    SAIFI (System Average Interruption Frequency Index)

Case Study missing?

Start adding your own!

Register with your work email and create a new case study profile for your business.

Add New Record

相关案例.

联系我们

欢迎与我们交流!
* Required
* Required
* Required
* Invalid email address
提交此表单,即表示您同意 IoT ONE 可以与您联系并分享洞察和营销信息。
不,谢谢,我不想收到来自 IoT ONE 的任何营销电子邮件。
提交

感谢您的信息!
我们会很快与你取得联系。