Промышленное производство
Промышленный Интернет вещей | Промышленные материалы | Техническое обслуживание и ремонт оборудования | Промышленное программирование |
home  MfgRobots >> Промышленное производство >  >> Industrial Internet of Things >> Интернет вещей

Как данные AMI в реальном времени позволяют коммунальным услугам предсказывать спрос на энергию

Использование данных AMI позволяет коммунальным компаниям и провайдерам энергии удовлетворять спрос своих клиентов быстро, эффективно и точно.

COVID-19 манидаты оставаться дома и сдвиг к удаленной рабочей жизни привели к тому, что тысячи офисных и муниципальных зданий по стране остались закрыты большей частью 2020 года. Хотя некоторые бизнесы начали открываться поздним летом 2020, всплески случаев в ноябре и декабре снова побудили более строгие общественные ограничения и закрытия бизнесов. Данные в реальном времени от Advanced Metering Infrastructure (AMI) могут помочь.

COVID-19 пандемия привела к значительным флуктуациям в коммерческом потреблении энергии. Хотя конец наконец в виду, влияние COVID-19 будет влиять на то, как мы живем и работаем вперед. С большим количеством граждан, остающихся дома, потенциально долгосрочно, это важнее чем когда-либо для провайдеров коммунальных услуг скорректировать операции для встречи смещающегося увеличения жилого спроса на энергию.

Смотрите также: Обновление NIST Smart Grid Framework фокус на интероперабельности

Как сдвиг к удаленной рабочей силе влияет на потребление и спрос энергии?

Во время типичного рабочего дня до COVID-19 пандемии, бизнесы и дома начинают включать свет и потреблять энергию около 5 утра. С политиками оставаться на месте, больше людей начали работать из дома, устраняя их ежедневные поездки, с некоторыми использующими это время для начала их утренних рутин позже. Это вызывает агрегатную системную нагрузку коммунальных услуг начинать рампинг позже утром. Не только это приводит к тому, что провайдеры коммунальных услуг должны скорректировать операции поставки энергии для встречи сдвига в спросе, но это также может привести к сдвигу в пиковых часах нагрузки потребителей.

Пиковые часы нагрузки — это точки в дне, когда город и его жители потребляют больше всего электрической энергии. Согласно данным использования энергии до широких политик оставаться на месте и COVID-19, пиковые часы нагрузки тенденцировали к позднему послеобеденному времени, когда комбинация жилой и нежилой кондиционирования воздуха работали на максимальной мощности для охлаждения домов и рабочих мест. Как результат пандемии, коммерческие здания, которые в основном незаняты, имеют более низкие нагрузки кондиционирования, приводя к сдвигу пиковых часов нагрузки к более раннему дню, так как жилые дома охлаждаются в течение дня.

По мере того как провайдеры коммунальных услуг производят больше энергии в эти пиковые часы нагрузки, обычно есть более высокий тариф биллинга, ассоциированный с потреблением энергии в эти пиковые часы. Это может привести к выше ожидаемых конце-месячных счетов за энергию для потребителей, работающих из дома.

Как провайдеры коммунальных услуг мониторят потребление энергии?

AMI, с технологиями как умные счетчики и распределенный интеллект (DI), помогает провайдерам коммунальных услуг более точно измерять, сколько и когда энергия потребляется. Анализ этих данных позволяет более точные краткосрочные прогнозы, а также долгосрочное использование энергии по дню и времени дня. Это помогает обеспечить достаточное поколение и передачу и распределительную инфраструктуру для встречи спроса.

Кроме того, DI может предоставить более глубокие инсайты на транзакциях края сети, таких как солнечное поколение энергии и распределенное поколение. Это позволяет коммунальным услугам отслеживать энергию, сгенерированную потребителями, установившими солнечные панели на своих домах или бизнесах для компенсации затрат на электричество. Эти потребители могут продавать излишки солнечной энергии другим потребителям для снижения нагрузки на электростанции и электрическую сеть.

До DI и AMI провайдеры коммунальных услуг были ограничены измерением потребления энергии с снапшотом раз в месяц. Месячные данные позволяют утилити распознавать более широкие тренды в том, как сезонные изменения влияют на потребление энергии в течение года (например, использование HVAC систем), но раз-в-месяц снапшот не предоставляет инсайтов в ежедневные и внутридневные паттерны использования энергии.

Политики оставаться на месте, выпущенные для предотвращения распространения COVID-19, привели к беспрецедентным и очень непредсказуемым сдвигам в потреблении энергии. Во время пандемии большинство провайдеров коммунальных услуг не могут позволить себе ждать неделями вниз по линии или концу месяца для ретроспективного обзора любых непредсказанных сдвигов в потреблении энергии. Электростанции нуждаются в информации о спросе в реальном времени для определения того, как скорректировать выход энергии и операции для встречи динамических изменений в потребительских и коммерческих спросах.

AMI-включенные данные умных счетчиков позволяют провайдерам коммунальных услуг быстро анализировать эволюционирующие паттерны нагрузки по классам клиентов, позволяя им быстро поворачивать операции для избежания отключений энергии, перепотребления и больше. Умные счетчики измеряют использование энергии в часовых или суб-часовых инкрементах, помогая провайдерам лучше понимать, как пандемия и мандаты оставаться дома повлияли на их базовую нагрузку потребления энергии.

Как провайдеры коммунальных услуг могут использовать пост-COVID-19 данные AMI?

В настоящее время многие провайдеры коммунальных услуг предлагают программы отклика на спрос коммерческим и жилым клиентам. С программами отклика на спрос, клиенты стимулируются к снижению потребления энергии в пиковые часы нагрузки. Это помогает провайдерам коммунальных услуг контролировать спрос на электрическую сеть для избежания перегрузки в использовании энергии.

Данные AMI становятся все более важными для усиления программ отклика на спрос. Пост-COVID-19 данные AMI могут использоваться для показа того, как паттерны использования энергии эволюционируют по классам клиентов по мере возвращения бизнес-операций более к норме. Эта информация может затем использоваться энергетическими компаниями для сдвига их программ отклика на спрос для снижения эволюционирующих пиковых часов нагрузки. Как результат, энергетические компании могут компенсировать чрезмерное использование в пиковые часы нагрузки, в то время как также гарантируя, что энергия доступна для поддержания критических городских операций в пиковые часы нагрузки.

В более длинном термине, утилити могут сравнивать пре- и пост-COVID-19 данные AMI для предсказания агрегатных паттернов нагрузки по мере переоткрытия экономик. Далее, комбинируя данные AMI с внешними данными, окружающими планы различных муниципалитетов откатить меры оставаться на месте, провайдеры коммунальных услуг могут предсказать, когда они должны рампить обратно производство энергии для встречи растущего спроса, по мере возвращения граждан к рабочей силе и их офисам.

Домашнее использование энергии драматически изменилось с тех пор, как COVID-19 заставило общины по США и миру изменить бизнес-операции, запуская значительный рост жилого спроса нагрузки и эквивалентный или больший спад в коммерческом спросе. Использование данных AMI позволяет коммунальным компаниям и провайдерам энергии встречать спрос своих клиентов быстро, эффективно и точно, в то время как также получая инсайты для помощи им готовиться к тому, что придет.

Интернет вещей

  1. Данные IIoT в реальном времени: безопасность, эффективность и ROI на складах и в производстве
  2. Как ИИ усиливает силу Интернета вещей
  3. Использование IIoT-данных для повышения рентабельности в lean manufacturing
  4. 5G питрует Индустрию 4.0: данные в реальном времени, переобучение персонала и стратегические инвестиции
  5. Данные в реальном времени обеспечивают точность в температурно-контролируемых цепях поставок
  6. Как аналитика в реальном времени повышает безопасность кампуса для студентов, сотрудников и преподавателей
  7. Ускорение успеха предприятия: ИИ и ML решают проблемы данных в реальном времени
  8. Еженедельное обновление Real-Time Analytics: ключевые инсайты и отраслевые движения
  9. Еженедельный дайджест аналитики в реальном времени — основные моменты 14 марта
  10. Использование пограничных вычислений для успеха в ритейле