استخدام البيانات والتعلم الآلي لتحسين الأداء التشغيلي لتوربينات الرياح

إدارة توربينات الرياح في المناطق الجليدية بفاعلية باستخدام منصة حديثة للبيانات

يتزايد مقدار الأموال التي تنفقها المرافق على العمليات والصيانة (O&M) دون أي تعطل في الأفق. يمثل الأداء التشغيلي مجال تتطلع إليه المؤسسات غالبًا عند محاولة تحسين مستويات التوظيف مع تقليل التكاليف. في حالة الاستخدام هذه، نستكشف كيف يمكن لمنصة بيانات حديثة المساعدة في إدارة توربينات الرياح في المناطق الجليدية وتحسين الأداء التشغيلي.

تتطور طاقة الرياح بسرعة إلى ركيزة رئيسة لمبادرة الطاقة الخضراء في العالم، وبالتالي؛ يتم النظر في عملياتها بمزيد من التدقيق. على عكس العمليات الأخرى في هذه المجال، يجب تقييم تشغيل توربينات الرياح بشكل مختلف قليلاً لأن كل توربين يتأثر بشكل مُختلف بالظروف الجوية والارتفاع وعوامل أخرى بناءً على موقعها.

تحسين أداء توربينات الرياح باستخدام التعلم الآلي والتحليلات المُتقدمة

عند تحسين أداء توربينات الرياح، تحتاج إلى النظر في العديد من العوامل المُختلفة، بما في ذلك المواصفات الهندسية للتوربينات وريشاتها بالإضافة إلى موقعها والطقس الذي يؤثر على أدائها. لفهم كل هذه البيانات، تحتاج إلى منصة للبيانات تتيح لك دمج البيانات وتطبيق التعلم الآلي (ML) في أسرع وقت ممكن لتقديم رؤى لتحسين أدائك التشغيلي بشكل أفضل. في حالة توربينات الرياح، تبين أن الجليد أو حتى الصقيع على الريشة يؤثر على كفاءة التوربينات الهوائية بشكل كبير، ويمكنه تقليل توليد الطاقة بنسبة تصل إلى 80٪. تعد القدرة على استخدام التعلم الآلي والتحليلات المتقدمة لفهم هذه الخسارة والاستعداد لها وإدارتها بسرعة أمرًا ضروريًا لتقليل التأثير العام والحفاظ على الكفاءة التشغيلية.

توضح هذه الصورة كيف يمكن استخدام Oracle Data Platform للطاقة والمياه لدعم حالة استخدام حول الأداء التشغيلي بشكل خاص فيما يتعلق بتوربينات الرياح في المناطق الجليدية. وتشمل المنصة الدعائم الخمس التالية:

1. 1. مصادر البيانات، الاكتشاف
2. 2. استيعاب، تحويل
3. 3. الاحتفاظ، التوقع، الإنشاء
4. 4. التحليل والتعلم والتنبؤ
5. 5. القياس، العمل

يتضمن ركيزة مصادر البيانات والاكتشاف ثلاث فئات من البيانات.

1. 1. تتكون بيانات الطرف الأول من بيانات تعريف الأصول وبيانات GIS والفيديو.
2. 1. تتضمن التطبيقات SCADA ومركز بيانات الجهاز وأنظمة إدارة الانقطاع والصيانة.
3. 3. تتضمن بيانات الجهة الخارجية بيانات من مصادر الطقس وGPS.

تتكون ركيزة الاستيعاب والتحويل من ثلاث إمكانيات.

1. ١. يستخدم استيعاب الدفعة OCI Data Integration وData Studio.
2. 2. يستخدم تغيير رصد البيانات OCI GoldenGate.
3. 3. يتكون استيعاب التدفق من OCI Streaming وOCI Connector Hub.

تتصل جميع الإمكانات الثلاثة بشكل أحادي الاتجاه بمخزن بيانات الخدمة والتخزين السحابي داخل عمود Persist وCurate وCreate.

تتكون دعامة الاستمرار والدقة والإنشاء من أربع قدرات.

1. 1. يستخدم مخزن بيانات العرض Oracle Autonomous Data Warehouse.
2. 2. يستخدم تخزين السحابة تخزين كائنات OCI.
3. 3. تستخدم معالجة الدفعة تكامل بيانات OCI والوظائف وتدفق البيانات.
4. 4. تستخدم الحوكمة OCI Data Catalog.

هذه القدرات مرتبطة بالركيزة. يتصل التخزين السحابي بشكل غير مباشر بمخزن بيانات الخدمة؛ كما أنه متصل بشكل ثنائي الاتجاه بمعالجة الدفعات.

تتصل خطوط بيانات التعريف بشكل أحادي الاتجاه من مخزن بيانات الخدمة والتخزين السحابي إلى الحوكمة.

تتصل إمكانيتان بركيزة التحليل والتعلم والتنبؤ: يتصل مخزن بيانات الخدمة بشكل أحادي الاتجاه بالتحليلات والتمثيل المرئي وخدمات التنبؤ والتعلم والذكاء الاصطناعي. في حين يتصل التخزين السحابي ثنائي الاتجاه للتعلم لكن بشكل أحادي الاتجاه إلى التحليلات والتمثيل المرئي وخدمات التعلم الذكاء الاصطناعي.

تشتمل ركيزة التحليل والتعلم والتنبؤ على ست إمكانات.

1. 1. تستخدم التحليلات والتمثيل المرئي Oracle Analytics Cloud وSpatial Studio.
2. 2. تستخدم منتجات البيانات وواجهات برمجة التطبيقات OCI API Gateway وOracle Integration Cloud وOCI Functions.
3. 3. يستخدم التنبؤ خدمات OCI Data Science وOracle Machine Learning.
4. 4. يستخدم التعلم دفاتر ملاحظات OCI Data Science وOracle Machine Learning.
5. 5. تستخدم خدمات الذكاء الاصطناعي OCI Vision وOCI Language وخدمات الجهة الخارجية.
6. 6. ترتبط إمكانية التنبؤ بشكل غير مُباشر بمنتجات البيانات وإمكانية واجهات برمجة التطبيقات.

تسجل ركيزة القياس، والعمل طريقة تطبيق تحليل البيانات لدعم نموذج توفير توربينات الرياح في المناطق الجليدية ومراقبة الأداء. تنقسم هذه التطبيقات إلى مجموعتين.

تشمل مجموعة الأشخاص والشركاء الأولى العمليات والصيانة.

وتضم المجموعة الثانية تطبيقات Oracle Field Service وOracle Utilities Work and Asset Management وإدارة أصول المؤسسة ونظام إدارة العمل وإدارة الخدمة الميدانية.

الركائز الأساسية الثلاثة - الاستيعاب، والتحويل؛ والاستمرار، والدقة، والإنشاء، والتحليل، والتعلم، والتنبؤ - مدعومة بالبنية الأساسية، والشبكة، والأمان، وIAM.

البنية المنطقية للأداء التشغيلي لتوربينات الرياح

توجد ثلاث طرق رئيسة لإدخال البيانات في بنية لتمكين المرافق من التقييم الفعّال لاستراتيجية الأداء التشغيلي لتوربينات الرياح.

• نستخدم استيعاب الدفعة لاستيراد البيانات من الأنظمة التي لا يمكنها دعم التدفق (على سبيل المثال، أنظمة التحكم الإشرافي القديم والحصول على البيانات (SCADA) أو أنظمة إدارة الصيانة). في حالة الاستخدام هذه، يتم استيعاب الصور عالية الدقة وبيانات الطقس والبيانات من أنظمة GPS والصيانة وإدارة الانقطاع على فترات متفاوتة. نستخدم OCI Data لتحميل مجموعات البيانات هذه إلى Oracle Cloud Infrastructure (OCI) Object Storage أو مباشرةً إلى Oracle Autonomous Data Warehouse (ADW).
• بالإضافة إلى ذلك، نستخدم Oracle Cloud Infrastructure GoldenGate لاستيعاب البيانات من الأنظمة التشغيلية، مثل أنظمة الانقطاع المؤقت وأنظمة إدارة الصيانة ومراكز بيانات الأصول، عبر تغيير تسجيل البيانات.
• بالنسبة إلى أي بيانات تدفق، مثل بيانات الطقس، نستخدم التوليفة السلسة من OCI Streaming وOCI Connector Hub لتسجيل البيانات وتجميعها وتحميلها مباشرةً إلى OCI Object Storage.

يتم بناء استمرارية البيانات ومعالجتها على ثلاثة مكونات.

• يتم تخزين البيانات الأولية المستوردة من جميع المصادر في التخزين السحابي. اعتمادًا على الإجراء المطلوب، يمكننا استخدام الميزات الآلية داخل OCI، مثل خدمة OCI Events، لبدء أحداث معالجة الدفعات. في حالة الاستخدام هذه، نستوعب بيانات الطقس ونحولها إلى نموذج قابل للقراءة للاستخدام لاحقًا. نستخدم بعد ذلك OCI Data Integration أو OCI Functions أو OCI Data Flow من أجل معالجة الدفعات لدمج البيانات التي تم جمعها أو تنظيمها أو تحسينها حسب الحاجة. يتم إنشاء مسارات البيانات وصيانتها باستخدام OCI Data Integration. على الرغم من أن OCI Data Integration يأتي مع مجموعة واسعة من الموصلات لأجل أصول البيانات المتنوعة (قواعد البيانات والتطبيقات وتخزين الكائنات وواجهات برمجة تطبيقات REST وما إلى ذلك) إلا أنه قد لا يلبي جميع احتياجاتك. إذا كان الأمر كذلك، فيمكنك إنشاء تطبيق OCI Data Flow للاستفادة من جميع الموصلات المتاحة عبر Spark. في هذا المثال، يتم دمج بيانات مركز بيانات الأصول وGPS والطقس والانقطاع التاريخي والصيانة لإنشاء نموذج لتحديد مواقع الأصول الفعلية التي تتطلب الاهتمام؛ ويمكن بعد ذلك استخدام هذه المعلومات لتحسين برنامج الصيانة التشغيلية.
• أنشأنا الآن مجموعات بيانات تم معالجتها جاهزة للاستمرار في نموذج العلاقات المحسّن لأداء الاستعلام وتنظيمه في مخزن بيانات الخدمة المقدم من ADW. يتيح لنا ذلك تصور نتائج التنبؤات بالنموذج. يمكننا حتى استخدام الإمكانات المكانية المُضمنة لتصور التوربينات التي قد تتطلب اهتمامًا فوريًا.

يتم تسهيل إمكانية التحليل والتعلم والتنبؤ من خلال ثلاث تقنيات.

• يمكن أن توفر خدمات التحليلات والتمثيل المرئي مثل Oracle Analytics Cloud وSpatial Studio لوحات معلومات تفاعلية يمكننا استخدامها لتصور معلومات الصور والتنبؤ بالتأثير المستقبلي للطقس بخصوص توربينات معينة أو مزارع توربينات . توفر هذه الخدمات ما يلي:
  • التحليلات الوصفية، تلك التي يمكننا استخدامها لتوضيح اتجاهات الجليد الحالية والقديمة من خلال الرسوم البيانية النسيجية والرسوم البيانية للمساعدة في تحديد المجالات التي تتطلب صيانة فورية
  • التحليلات التنبؤية، تلك التي يمكننا استخدامها لتخطيط الاحتياجات التشغيلية والخاصة بالصيانة على المدى الطويل وتحديدها من خلال التنبؤ بالنمو والتدهور في المستقبل، وتحديد الاتجاهات، وتحديد احتمالية النتائج غير المؤكدة.
  • التحليلات التوجيهية، التي يمكن أن تقترح إجراءات مناسبة للمساعدة في تحسين اتخاذ القرارات الاستراتيجية لإدارة الأداء التشغيلي
• إلى جانب استخدام التحليلات المتقدمة، يتم تطوير نماذج التعلم الآلي وتدريبها ونشرها باستخدام OCI Data Science. تستخدم هذه النماذج التعلم الآلي لتحليل كميات كبيرة من الأصول والطقس والصيانة ونظام المعلومات الجغرافية (GIS) وغيرها من البيانات للسماح لك بفهم الأداء التشغيلي لكل توربين رياح وتحسينه. يمكن أن يساعدك هذا الفهم الدقيق في تحديد أولويات المهام باستمرار مثل إيقاف تشغيل التوربينات وتحديد العمل الذي يجب القيام به والفِرق المطلوبة للقيام بذلك بأكثر الطرق كفاءة وفعّالية من ناحية التكلفة. تظهر بعض الأنواع الأكثر شيوعًا من النماذج المستخدمة في خوارزميات XGBoost وتلك التي يمكن العثور عليها في التعلم العميق، مثل الشبكات العصبية المتكررة والشبكات العصبية العميقة ونقل التعلم. بمجرد تدريب هذه النماذج، يمكن نشرها بعدة طُرق اعتمادًا على تفضيل المستخدم. يمكن استدعاء النماذج عبر نقاط انتهاء REST باستخدام منصة OCI Data Science أو واجهة برمجة تطبيقات Oracle Machine Learning Services REST في قاعدة البيانات. بالإضافة إلى ذلك، يمكن للمستخدم تجميع هذه النماذج بتنسيق Open Neural Network Exchange (ONNX) ونشرها بصفته جزء من تطبيق.
• يمكن أن تحتوي البيانات والنماذج المُعالجة والمختبرة وعالية الجودة لدينا على قواعد وسياسات الحوكمة المطبقة باستخدام OCI Data Catalog بالاقتران مع الخدمات الأخرى ويمكن عرضها باعتبارها "منتج بيانات" (واجهة برمجة التطبيقات) داخل بنية شبكة بيانات للتوزيع عبر المؤسسة.

تحسين المحصلة النهائية لمرفقك مع تحسين الأداء التشغيلي

يمكن لاستراتيجيات الصيانة غير الفعّالة أن تدهور الأداء التشغيلي والربحية، وتؤدي إلى عملاء غير راضين. تعد حالة استخدام توربينات الرياح في المناطق الجليدية هذه مثالاً واحدًا على طريقة استخدام التعلم الآلي والتقنيات التحليلية المُتقدمة الأخرى، بما في ذلك التحليلات التنبؤية والتوجيهية، لضبط استراتيجية الأداء التشغيلي لديك. باستخدام هذه التقنيات، يمكنك الآن توقع أحداث التجمد وتقسيمات الأصول وإنشاء رؤى قابلة للتنفيذ في الوقت الفعلي. تحفز هذه الرؤى عمليات سير العمل الإرشادية حتى تتمكن من اتخاذ إجراءات استباقية وتحسين الصيانة لديك. تأتي الأمثلة التالية ببعض النتائج المحتملة التي يمكنك تحقيقها عند استخدام المنصة المناسبة للبيانات لتحسين أدائك التشغيلي:

• تحسين مستوى الكفاءة
• تقليل أوقات الاستجابة إلى الصيانة الوقائية/الاستباقية
• تكاليف أقل
• تقليل وقت الاستعادة
• تحسين سهولة التوريد