データと機械学習を活用した風力タービンの運用パフォーマンスの強化

最新のデータプラットフォームで風力タービンへの着氷を効果的に管理

ユーティリティ企業が運用や保守（O&M）に費やす金額は増加の一途をたどっており、その勢いはとどまるところを知りません。組織は、コストを削減しながら人員数を最適化しようとするとき運用パフォーマンスに最も注目します。このユースケースでは、最新のデータプラットフォームが風力タービンへの着氷を管理し、運用パフォーマンスを向上させるのにどのように役立つかを探ります。

風力発電は、世界のグリーンエネルギー構想の柱として急速に発展しており、その運用にはより厳しい目が向けられています。個々のタービンは、気象条件や高度、その他立地条件によって異なる影響を受けることから、風力タービンの運転は、業界の他の事業とは異なり、少し違った評価が必要です。

機械学習と高度な分析を活用して風力タービンの運用パフォーマンスを強化

風力タービンの性能を最適化する際には、タービンとそのブレードの設計仕様、設置場所、天候など、性能に影響を与えるさまざまな要因を考慮する必要があります。これらのデータをすべて理解するためには、データを組み合わせて機械学習（ML）を可能な限り迅速に適用し、運用パフォーマンスをより最適化するためのインサイトを提供できるデータ・プラットフォームが必要です。風力タービンの場合、ブレードに氷や霜が付着すると、タービンの空力効率に大きな影響を与え、発電量が最大80%低下することが明らかになっています。MLと高度な分析を使えば、この損失を迅速に認識し、それに備え、管理することができます。これは、全体的な影響を最小限に抑え、運用効率を維持するために必要不可欠です。

この図は、Oracle Data Platform for Energy and Waterを使用して、風力タービンの運用パフォーマンスと着氷に関するユースケースをサポートする方法を示しています。このプラットフォームは、以下の5つの柱を掲げています。

1. 1. データソース、検出
2. 2. 取込み、変換
3. 3. 永続化、キュレーション、構築
4. 4. 分析、学習、予測
5. 5. 測定、実行

Data Sources、Discoveryの柱には、3つのカテゴリーのデータが含まれます。

1. 1ファーストパーティ・データは、資産メタデータ、GISデータおよび動画で構成されています。
2. 2. アプリケーションには、SCADA、デバイス・データ・ハブ、停電および保守管理システムが含まれます。
3. 3. サードパーティ・データには、GPSや気象情報からのデータが含まれます。

取込み、変換の柱は、3つの機能で構成されます。

1. 1. バッチ取り込みには、OCI Data IntegrationとData Studioを使用します。
2. 2. 変更データ取得にはOCI GoldenGateを使用します。
3. 3. ストリーミング取り込みは、OCIストリーミングとOCI Connector Hubで構成されます。

3つの機能はすべて、永続化、キュレーション、構築の柱の中で、サービング・データ・ストアとクラウド・ストレージに一方向で接続します。

永続化、キュレーション、構築の柱は、4つの機能で構成されます。

1. 1. サービング・データストアには、Oracle Autonomous Data Warehouseを使用します。
2. 2. クラウド・ストレージには、OCI Object Storageを使用します。
3. 3. バッチ処理には、OCI Data Integration、FunctionsおよびData Flowを使用します。
4. 4. ガバナンスにはOCI Data Catalogを使用します。

こうした機能は、柱の中で接続されています。クラウド・ストレージは、サービス・データストアには一方向に接続され、バッチ処理には双方向に接続されています。

メタデータ行は、サービング・データストアとクラウド・ストレージからガバナンスに一方向に接続します。

分析、学習、予測の柱に接続する2つの機能: サービング・データストアは、分析と可視化、予測、学習、AIサービスに一方向に接続します。一方、クラウド・ストレージは学習に双方向に接続しますが、分析と可視化、学習とAIサービスには一方向に接続します。

分析、学習、予測の柱は、6つの機能で構成されます。

1. 1. 分析と可視化には、Oracle Analytics CloudとSpatial Studioを使用します。
2. 2. データ製品、APIには、OCI API Gateway、Oracle Integration CloudおよびOCI Functionsを使用します。
3. 3. 予測には、OCI Data ScienceとOracle Machine Learningサービスを使用します。
4. 4. 学習には、OCI Data ScienceとOracle Machine Learningのノートブックを使用します。
5. 5. AIサービスには、OCI Vision、OCI Language、サードパーティ・サービスを使用します。
6. 6. 予測機能は、データ製品、API機能に一方向に接続されています。

測定、実行の柱は、風力タービンの着氷管理モデルをサポートし、パフォーマンスを監視するために、データ分析をどのように適用できるかを示します。これらのアプリケーションは、2つのグループに分けられる。

最初のグループ、「人とパートナー」には、運用・保守が含まれます。

2つ目のグループ、「アプリケーション」には、Oracle Field ServiceとOracle Utilities Work and Asset Management、エンタープライズ資産管理、作業管理システム、フィールド・サービス管理が含まれます。

3つの中心的な柱である、取り込み、変換と永続化、キュレーション、構築と分析、学習、予測は、インフラ、ネットワーク、セキュリティ、IAMでサポートされます。

風力タービンの運用パフォーマンス論理アーキテクチャ

電力会社が風力タービンの運用パフォーマンス戦略を効果的に評価するために、データをアーキテクチャに取り込む方法は主に3つあります。

• ストリーミングに対応できないシステム（たとえば、古いSCADA（監視制御・データ収集）システムや保守管理システム）からデータを取り込むには、バッチ取り込みを使用します。このユースケースでは、資産データ、気象データ、GPS、メンテナンス、および停電管理システムからのデータが、さまざまな間隔で取り込まれます。オラクルはこれらのデータセットを、OCI Data integrationを使用して、Oracle Cloud Infrastructure（OCI）のObject Storageにロード、またはOracle Autonomous Data Warehouse（ADW）に直接ロードします。
• さらに、Oracle Cloud Infrastructure GoldenGateを使用して、障害システム、保守管理システム、資産データ・ハブなどの運用システムから、変更データ・キャプチャを介してデータを取り込みます。
• 気象データなどのストリーミング・データについては、OCI StreamingとOCI Connector Hubの組み合わせをシームレスに使用して、データをキャプチャし、集約し、OCI Object Storageに直接ロードします。

データの永続化と処理は、3つのコンポーネントで構築されています。

• すべてのソースから取り込まれた生データはクラウド・ストレージに保存されます。必要なアクションに応じて、OCI Events ServiceなどのOCI内の自動化機能を使用して、バッチ処理を開始することができます。このユースケースでは、気象データを取り込み、後で使用するために読み取り可能な形式に変換します。その後、OCI Data Integration、OCI Functions、またはOCI Data Flowをバッチ処理 に使用し、収集したデータを必要に応じて統合、キュレーション、強化します。データ・パイプラインは、OCI Data Integration を使用して構築および保守されます。さまざまなデータ資産（データベース、アプリケーション、オブジェクトストレージ、REST APIなど）用の幅広いコネクタが付属していますが、すべてのニーズを完全に満たすとは限りません。そのような場合は、OCI Data Flow アプリケーションを構築して、Spark経由で利用可能なすべてのコネクタを活用できます。この例では、資産データ・ハブ、GPS、天候、過去の故障履歴、保守データを組み合わせてモデルを構築し、注意を要する物理的な資産の位置を特定します。この情報は、運用保守プログラムの改善に役立てることができます。
• これで、ADWが提供するサービング・データストアでキューレーション・高速検索するのに適したリレーショナル形式で永続化できる処理済みデータセットが作成できました。これにより、モデルの予測結果を可視化できるようになります。また、組込の空間機能を使って、早急な対応が必要なタービンを可視化することもできます。

以下の3つのテクノロジーは、分析、学習、予測の機能を強化します。

• Oracle Analytics Cloud、Spatial Studio、Oracle APEXなどの分析および可視化サービスは、画像情報を可視化し、特定のタービンやタービン農場に対する天候の将来の影響を予測するために使用できる、インタラクティブなダッシュボードを提供します。これらのサービスは以下を提供します。
  • 記述的分析：現在および過去の着氷の傾向をヒストグラムやチャートを使って示すことで、早急なメンテナンスが必要な箇所を特定しやすくします。
  • 予測的分析：将来の気象現象を予測し、傾向を特定し、不確実な事象の可能性を評価することで、将来の運用およびメンテナンス要件を予測し、長期的な計画に役立てることができます。
  • 規範的分析：運用パフォーマンス管理における戦略的意思決定を強化するための適切な行動を提案します。
• 高度な分析と同時に、OCI Data Scienceを使用して機械学習モデルの開発、トレーニング、実装が行われます。これらのモデルは、機械学習を使用して大量の資産、天候、保守、地理情報システム（GIS）、およびその他のデータを分析し、各風力タービンの運用パフォーマンスをよりよく理解して改善できるようにします。このように詳細まで理解することで、タービンの停止などのタスクに一貫して優先順位を付け、必要な作業を特定し、必要なリソースを効率的かつ経済的に割り当てることができるようになります。より一般的に使用されるモデルの種類には、XGBoostアルゴリズムや、リカレント・ニューラル・ネットワーク、ディープ・ニューラル・ネットワーク、転移学習など、さまざまな種類のディープラーニング・モデルがあります。これらのモデルのトレーニング完了後は、ユーザーのプリファレンスに応じて複数の方法で実装できます。モデルは、OCI Data Scienceプラットフォームまたはデータベース内のOracle Machine Learning Services REST APIを使用して、RESTエンドポイント経由で呼び出すことができます。さらに、これらのモデルをOpen Neural Network Exchange（ONNX）形式でパッケージ化し、アプリケーションの一部として実装することもできます。
• OCI Data Catalogを他のサービスと組み合わせて使用することで、キューレーション、テストされた高品質のデータとモデルに、ガバナンスルールやポリシーを適用することができます。また、データ・メッシュ・アーキテクチャ内の「データ製品」（API）として公開し、組織全体に配布することも可能です。

運用パフォーマンスの向上により、ユーティリティ企業の収益を改善

非効率な保守戦略は、運用パフォーマンスと収益性を低下させるだけでなく、顧客満足度の低下にもつながります。風力タービンの着氷シナリオは、MLや予測分析、規範分析などの高度な分析手法によって、運用パフォーマンス戦略をどのように改善できるかを示す一例です。これらのテクノロジーを活用することで、凍結の発生や機器の故障を事前に予測し、実用的なインサイトをリアルタイムで生成することができます。これらのインサイトによって規範的なワークフローが促進され、先手を打って問題に対処し、保守の効果を高めることができます。以下は、適切なデータ・プラットフォームを活用して運用パフォーマンスを向上させることで得られる潜在的なメリットの例です。

• 信頼性の向上
• 予防保全にかかる時間の短縮
• 低コスト
• 修復時間の短縮
• 供給がより容易に