enerji sektöründe endüstriyel iot uygulamaları - Şahin Çağlayan (reengen)

Enerji Sektöründe

Endüstriyel IoT Uygulamaları

Şahin Çağlayan, CTO

1)  Distributed  always  wins  in  the  long  turn      2)  IoT  is  an  API  for  the  real  world    3)  Reengen,  where  the  magic  happens    4)  Big/PredicDve  data  analyDcs  is  the  key    

12 adet Fatura

35.000 adet Veri

Akıllı şebeke devrİMİ

Enerji Depolama & Elektrikli Araçlar

Talep Tarafı Yönetimi

Akıllı Sayaçlar Otomasyon

Akıllı İletim Şebekesi

Dağıtık Enerji Üretimi

Akıllı Dağıtım Şebekesi

Dinamik Fiyatlama

ENERNET   INTERNET  

Enerji,  Güç   Bilgi,  Bant  Genişliği  

Carnot  Thermodynamics   Shannon  Informa?on  Theory  

1824  –  Entropi   1948  –  Entropi!  

Ergs  ve  Joules   Bits  ve  Bytes  

Elektriksel   Elektronik  

WaM  (W)  =  Newton-­‐metre/saniye   Metcalfe  (Me)  =  Bit-­‐metre/saniye  

Güç  =  Joules/saniye   Bant  genişliği  =  Bit/saniye  

Sarnoff

ağın gücü

Sarnoff - metcalfe

ağın gücü

Sarnoff - metcalfe - reed

ağın gücü

Sanal    Şebeke  

Mikro  Şebeke-­‐1  

Mikro  Şebeke-­‐2  Mikro  Şebeke-­‐3  

Mikro  Şebeke-­‐4  

INTERNET OF ENERGY

EDAŞ  

Distributed  always  wins  in  the  long  turn                            

Aralık  1970   Mart  2016  

İnternetİn dÖnÜşümü

Kaynak: Wikipedia

Eylül  1904,  Niagara  Hidroelektrik  Santrali                                                                    

Mart  2016          V=  I  *  R  

V=  I  *  R  Q2+P2=S2      

enerjİnİn dÖnÜşümü

Read only – no wrıte operatıon

Talep Artışı Dağıtık Üretim Tesisleri

Dağıtık Depolama Elektrikli Araçlar

Teknik Kayıplar Kaçak Kullanım

Ekipmanlarının Takip Zorluğu Saha Operasyon Verimsizliği

Tek yönlü dİzayn

Latch  

Current Transformer  

Closing Mechanism  

Power Digital Board  

Rogowski Coil  

Temp Sensor  

Radio Board & Antenna  

GRID SENSOR

IoRIT  IoRIT  

IoRIT  

IoRIT  

IoRIT  

20

M2m to ıot Existing M2M

Systems Collaborative IoT

Platforms

Organized in ‘’Hub & Spoke’’ Manner which create ‘Data Silos’ and prevents systems from acting interoperable

Open interoperable data in multiple parallel formats (structured, unstructured, time-series)

Application development is custom and complex – few tools for users to quickly develop applications

Users can find information and discover patterns without IT specialists or complex data normalization

Software platforms typically focus on single data types limiting range of execution processes

Collects, tags and relates different data types creating an operational data store that becomes more valuable as the quantity of data and the density of relationships grows

Intelligence tools work off of curated data sets limiting questions answered to only those who known in advance

Tools to enable business to quickly assemble new Ad Hoc application solutions

Scalability limited – lack of peer to peer schema for data relationships and fusion

Functionality for collaborative user participation for sharing data and building applications

Little to no ecosystem and partner leverage - ‘Command and control relationship reduces innovation potential

Open platform business model that derives multi-party collaboration across diverse service delivery partner base

IoT  is  an  API  for  the  real  world                              Zak  Greant,  Sr.  Technical  Evangelist,  Magnolia  

2010  

Veri  Ha

cmi    (Exabytes)  

12000  

2020  

Verilerin Belirsizlik Oranı

Buradayız

Sensörler  ve  Cihazlar  

VoIP  Kurumsal    

Veri  

Sosyal    Medya  

6000  

9000  

100  

0  

50  

Source: IBM Global Technology Outlook 2012

Belirsizlik  Oranı  (%

)  

büyük verİ

verİ bİlİmİ

Gartner Big Data Analytics Report

verİ bİlİmİ

Iot, büyük verİ ve bulut kesİşİmİ

•  The  connec?vity  is  just  an  enabler,  but  the  real  value  of  IoT  is  on  data  (business  insight/data  driven  management)  

•  For  big  data,  data  collec?on  is  one  of  the  big  concerns,  IoT  can  play  a  big  role  on  data  collecDon  and  data  sharing  

•  For  big  data,  data  is  nothing  without  real  business  value  insight  

•  Cloud  offers  ‘Everything  as  a  Service’  business  model  for  IoT  and  big  data  

•  IoT  is  a  King,  big  data  is  a  Queen  and  the  Cloud  is  the  Palace  

BİNA YAŞAM DÖNGÜSÜ MALİYETİ

İnşaat   Operasyon  

1-­‐2  Yıl   25-­‐30  Yıl  

%25   %75  İnşaat  &  Devreye  Alma  

Maliye?  Operasyon  Maliye?  

rEENGEN enERGY IOT PLATFORM

Talep tarafı yönetİmİ

DAĞITIK ENERJİ ÜRETİMİ

ElektrİkLİ Araçlar

SANAL şebeke

Saas-paas

Enerjİ performans anlaşması

BİNA/BÖLGE BAZLI ENERJİ OPTİMİZASYONU

MÜŞTERİ ANALİZLERİ

SANAL ENERJİ YÖNETİCİLİĞİ

MİKRO ŞEBEKE YÖNETİMİ

Hvac optimizasyonu

Kestİrİmcİ bakım

Enerjİ ANALİZİ

2014

ŞİMDİ

2016

2017

Enerjİ depolama

P2P enerjİ ticareti

Şebeke optimizasyonu

2018

DEMAND SIDE MANAGEMENT

EV CHARGING & STORAGE MANG.

INDOOR AIR QUALITY MONITORING

ASSET MANAGEMENT

ELECTRICITY, GAS & WATER MANAGEMENT

CHP(C) MANAGEMENT

UPS & GENERATOR MANAGEMENT

REACTIVE ENERGY CONTROL

TARIFF OPTIMIZATION & PTF ANALYTICS

SOLAR ENERGY MANAGEMENT

SPLIT Ac REMOTE CONTROL / OPTIMIZATION

HVAC OPTIMIZATION

B-IoT – bUILDING IOT

APIs  Driver  App    

Elektrik    Depolama  

Güç    Çevrimi  

Sayaçlar   DDC  Pano    Ve  Röleler  

Jeneratör  UPS  

Kojenerasyon  

Solar    PV  

Elektrikli  Araç  Şarj  İstasyonu  

HVAC   LED   BMS  

UI   Engine  

Node  

THE PROBLEM : A typıcal ıot project

��Complex Programming ��Difficult to Maintain/Evolve ��High Risk, High Cost ��Barrier to Innovation  

solutıon : 10x tıme and cost reductıon

 �Vertical Energy Applications Fully Integrated into the Enterprise �Analytical Libraries �Application Development and Runtime Tools �D e v i c e M a n a g e m e n t a n d Connectivity �Edge Intelligence

App  Builder   Management  Console   3rd Party Tools

Com

pose

r REST  APIs  

System/Service  

Integra?on  

Business  logic/Proper?es/Services/Events  

Storage  Engine  

Device  Communica?on  Layer/Drivers  

Message  Bus  

ENERjİ ıOT PLATFORMu İçİn referans mİmarİ

SANAL ENERJİ YÖNETİM servİsİ

SANAL ENERJİ YÖNETİM servİsİ

SANAL ENERJİ YÖNETİM servİsİ

•  Haftalık, aylık tüketim analizleri

•  Performans karşılaştırmaları

•  İleriye dönük tüketim tahminleri ve uygun tasarruf önerileri

•  Enerji kalitesi ve gerilim

seviyesi göstergeleri

•  Tüketim saatlik analizi, gece tüketim takibi

•  Enerji Tuketim

Kırılımları

•  Tarife ve Fatura Analizleri

•  Talep Yönetimi

Raporlama servİsİ

Big/PredicDve  data  analyDcs  is  the  key  

Continuous Data Processing

PLATFORM SERVICES

HDFS   Rela?onal   Mul?-­‐Dimensional  

Distributed/Key  Value  Store  

Logging  File  System   Metadata  

Batch  Services  

Stream  Services  

Con?nuous  Analy?cs  Processing  

Itera?ve  Processing  (in  memory)  

Analy?cs  Applica?on  Logics  

APIs  

Authen?ca?on  Authoriza?on  Auto  Scaling  

Data  Deployment  Logging  

Monitoring  Mul?  Tenancy  

Profiling  

System  Management  Scheduler  

MACHINE LEARNING/PREDICTIONS layer

Message  Receiver    •  Summary  Sta?s?cs  •  Correla?ons  •  Stra?fied  Sampling  •  Hypothesis  Tes?ng        

Classifica?on  &  Regression    •  Linear  Models  (SVM,  Logis?c  

regression,  linear  regression)  •  Decision  trees  •  Naïve  Bayes        

Collabora?ve  Filtering    •  Alterna?ng  least  squares  

Clustering    •  K-­‐Means  

Dimensionality  Reduc?on    •  SVD  •  PCA  

Op?miza?on    •  Stochas?c  Gradient  Descent  •  Limited  Memory  BFGS  •  Newton’s  Method  

Feature  Selec?on    •  Orthogonal  Matching  Pursuit  •  Greedy  Forward  Selec?on  

BIG DATA – ENERGY CASE 1

We  have  variable  dynamic  data  basis  :  Energy      •  Target  :  Find  Correlated  Customers  for  Pricing  

•  QuesDon  :  Find  X  Customers  that  in  a  specific  ?me  frame  have  the  same  energy/power  peak  based  on  similar  weather  condi?ons    

•  Methodology  :  We  need  stream  analy?cs    

•  Result  :  Offer  variable  energy  pricing  contracts  According  to  Variable  Time  of  Use  (TOU)  Demand  

 •  Metrics  :  Pricing  (TL,  $,  Euro),  Pmax,  Pmin,  Time  stamps,  Customer  meta  data,    u?lity  

produc?on  costs  etc.  

BIG DATA – ENERGY CASE 2

We  have  variable  dynamic  data  basis  :  Building      •  Target  :  Find  Op?mal  Energy  Efficiency  Strategy  

•  QuesDon  :  Find  X  Buildings  that  in  a  specific  ?me  frame  have  correlated  energy  efficiency  metrics,  according  to  local  climate  condi?ons,  human  behavior  and  building  meta  data  

•  Methodology  :  We  need  stream  analy?cs    

•  Result  :  Offer  variable  predic?ve  maintenance,  predic?ve  op?miza?on  and  personalized  energy  efficiency  services  (ESCO-­‐EPC)  

 •  Metrics  :  kWh/m2,  Pmax,  Pavg,  Temperature,  degree  days,  weather,  human  behavior,  

demographics,  building  meta  data,  customer  financial  data  

BIG DATA – ENERGY CASE 3

We  have  variable  dynamic  data  basis  :  Microgrid      •  Target  :  Find  Op?mal  RES  balancing  nodes  

•  QuesDon  :  Find  X  Correlated  Buildings  that  match  their  consump?on  and  peak  metrics  to  Y  solar,  wind,  EVs  RES  sources  in  a  isolated  grid  

•  Methodology  :  We  need  stream  analy?cs    

•  Result  :  Offer  variable  nodal  pricing  according  to  the  local  RES  injec?on  to  the  grid    •  Metrics  :  RES  Produc?on,  weather  condi?ons,  consump?on  profiling,  nodal  pricing,  EVs  

posi?on,  GIS,  load  grid  es?ma?on,  etc.  

Kaliforniya,  ABD  

Meksika  

Dominik  Cumhuriye?  

Brezilya  

İspanya  

Almanya  

İsveç  

Türkiye  Çin  

B.A.E  

12.858 Ölçüm noktası

942 Aktif Kullanıcı

5.900 MWh Enerji Tasarruf

12.000 saat Adam-saat Tasarruf

takım

@reengenreengenenergy

TR : İTÜ Teknokent Arı-3

US: Singularity University LabsNASA Ames Research Park,Moffett Field, 94035 California/US

02129242412Info@reengen.com

Reengen Energy

TEŞEKKÜRLER!  

Suppor?ng  slides  

53

ENERJİ çıkmazı

vs

2050 Enerji Talebi

Karbon Emisyonu

Gerçek İhtiyaç

Kaynak: IEA 2007

Anahtar: Yenilikçi Enerji Yönetimi

Binaların en yaygın problemlerİ

Enerji Çıkmazı Artan enerji talebi/verimsizlik vs çevre

Entegrasyon Birden çok ayrık alt sistem, verimli yönetememe

Toplam bina yaşam döngüsü maliyeti Ilk yatırım maliyeti, süregelen operasyonlar

Güvenlik Dijitalleşme ile büyüyen kaygı

B-ıot VS BMS

Operation

1-2 Year 25-30 years

25%

Construction

75% (Energy, Maintenance)

Design  Intend   BMS  

Facility  Pe

rforman

ce  

OpDmized  Building  

Real-­‐Dme  Monitoring,  Alert  Management  &  

ReporDng  

PredicDve    Energy    

OpDmizaDon  Saving    

Opportunity  

Existing BMS •  Static operation mostly based on wrong sensor reading •  Reactive instead of proactive •  Lack of actionable intelligence, just data collection Data Driven Energy Management •  Optimum operation strategy based on advanced analytics •  Decision support mechanism for HVAC operation •  Predictive actions based on historical & real time data

Building Life Cycle Costs

BİNA İÇİ SENSÖR AĞI

donanım 1 Verİ eNTEGRAsyONu 2 SİSTEM merkezİ 3 Özelleştİrİlmİş gösterİm 4

Hal

ihaz

ırd

aki

Sşst

emle

rSe

nsö

rler

TCP / IP Ucuncu Parti sistem Internet / WEBHOST

Mobil Cihazlar

Laptop, desktop & dokunmatik

Üçüncü Parti Kontrol & BYS Sistemleri

Veri Toplama Sunucusu

Verİ toplama

Gaz / LPG

Su

Elektrik & Alt. Enerji

Hava

Sıcaklık

CO2 & Nem

BYS & Ekipman

Akıllı Sayaçlar

Standart TCP / IP output arayüzlerİ

YAZILIM

Şehİr İçİ sensor aği

Lokal veritabani

ETHERNET

WI-FI

3G / GPRS

WEB

DONANIM

Guvenli bulut

3. Parti bulut platformu

Alarm yonetimi

Akilli tahmin algoritmalari

Hava kalitesi gurultu Sensoru ENERJİ ANALİZÖRÜ SAYAÇ

Verİ güdümlü servİsler ve faydaları Sürekli  ve  gerçek  zamanlı  yapılan  veri  güdümlü  analizler,  bina  ereji  ve  operasyonel  verimliliği  ile  kullanıcı  konforunda  önemli  ölçüde  ar}ş  yara}r.    

Dinamik  ve  Sürekli  ‘’Commissioning’’  

Tasarruf  Potansiyeli:    %15  –  35    

Karbon  Emisyonu  Düşüşü:    %10  –  20  

Kes?rimci  Op?mizasyon  ve  Gerçek  Zamanlı  İzleme  

Artan  bina  çalışanı  kullanıcı  konforu   Artan  Verimlilik  

Kes?rimci  Bakım   Bakım  masraflarında  %5-­‐15  düşüş   Gereksiz  stok  düşüşü:    %20  –  45  

Bina  Enerji  Ser?fikasyonları   Bina  değerinin  artmasıyla  artan  kullanıcı  ve  ya}rımcı  ilgisi   Artan  bina  değeri  5-­‐10TL/m2  

Anahtar Servisler Faydalar

E-MAIL / SMS alarmi

RAPORLAMA gorsellestirme

Sensor Geribildirimi

Optimum Operasyon Senaryosu

ISITMA, SOğUTMA & HAVALANDIRMA SİSTEMİ OPTİMİZASYONU

PROVOLTA SUNUCUSU – merkezİ analİz motoru

GUVENLI BAGLANTI

BINA MODELLEMESI

YAPAY ZEKA MODULU

VERI ANALIZI

KESTIRIMCI BAKIMVERI MADENCILIGI

Gercek Zamanli Durum Bilgisi

Hava Tahmini

Elektrik Tarifesi

Talep Katilimi Sinyali

Sayac & Sensor agi Mekanik sistemler

Dagitim Sirketi

Isitma, Sogutma Havalandirma Bina Sistemleri

66

OpDmizasyon  Motoru  

OpDmizasyon  Motoru  

Saha  Verisi  

Saha  Verisi   Saha  Verisi  

OpDmizasyon  Motoru  

Saha uygulama senaryolari

KONFIGURASYON  A   KONFIGURASYON  B   KONFIGURASYON  C  

Entegrasyon    Arabirimi  

Entegrasyon    Arabirimi  

Entegrasyon    Arabirimi  

PROVOLTA arayüz örneklerİ

Nasıl tasarruf sağlar?

•  Pik Yük Azaltma

•  Güç Faktörü Düzeltme

•  HVAC Yükü Azaltma

•  Farkındalık

Doğrudan tasarruf

•  Yük Kaydırma

•  Fatura Teyiti

•  Tarife Analizi

•  Reaktif Ceza Takibi

•  Kestirimci Analiz

Fİnansal tasarruf

•  Anında Müdahale

•  Bakım Giderlerini

Azaltma

•  Enerji Verimliliği

Planlama

•  Portföy Yönetimi

Operasyonel gİderlerde tasarruf

•  Ekipman Kestirimci Arıza

Teşhisi

•  Akıllı Yatırım

Sermaye gİderlerİnde tasarruf

R2CITIES PROJesİ

+    WHO  

neden

2  °C  

neden

‘’We  agree  that  deep  cuts  in  global  emissions  are  required…  so  as  to  hold  the  increase  in  global  temperature  below  2  °C.”      

2009  Kopenag  İklim  Sözleşmesi      

neden

2  °C  =  565  Gt  CO2  

Kaynak: carbontracker.org

neden

‘’Smart  grid  technologies  were  the  largest  opportunity  found  in  the  study  and  could  globally  reduce  203  Gt  CO2”    

The  Climate  Group  Smart  2020  Report  

neden

vs

2050 Enerji Talebi

Karbon Emisyonu

Gerçek İhtiyaç

Anahtar: Akıllı Şebeke Dönüşümü

Kaynak: IEA 2007

kİM

kİM

KİM

KİM

KİM

Fall  in  love  with  the  problem  -­‐  not  with  the  first  soluDon  that  comes  to  mind.  

nE

Silo  Yaklaşımı   Paylaşımlı  APP  Yaklaşımı  

Her  ayrı  uygulama  için  bir  ağ  geçidi  Her  uygulama  için  ayrı  kurulum  Kablolama  yoğun  kurulum  Geç  ROI  

Tüm  uygulamalar  için  tek  ağ  geçidi  Tüm  uygulamalar  için  tek  kurulum  Çoklu  üreDci  için  global  bağlanu  ve  uyumluluk  Sonra   kurulabilecek   3.   parD   uygulamalardan   gelir  modeli  

EVLERİN NESTİ VAR, BİNALARIN NESİ VAR

?

E-MAIL / SMS alarmi

RAPORLAMA gorsellestirme

Sensor Geribildirimi

Optimum Operasyon Senaryosu

PROVOLTA SUNUCUSU – merkezİ analİz motoru

GUVENLI BAGLANTI

BINA MODELLEMESI

YAPAY ZEKA MODULU

VERI ANALIZI

KESTIRIMCI BAKIMVERI MADENCILIGI

Gercek Zamanli Durum Bilgisi

Hava Tahmini

Elektrik Tarifesi

Talep Katilimi Sinyali

Sayac & Sensor agi Mekanik sistemler

Dagitim Sirketi

Isitma, Sogutma Havalandirma Bina Sistemleri

nE – HVAC OPTİMİZASYONU

YAZILIM

Lokal veritabani

ETHERNET

WI-FI

3G / GPRS

WEB

DONANIM

Guvenli bulut

3. Parti bulut platformu

Alarm yonetimi

Kestİrİmcİ bakım

Hava kalitesi gurultu Sensoru ENERJİ ANALİZÖRÜ SAYAÇ

nE – PORTFOLYO YÖNETİMİ

Provolta_Screenshot  

Geleneksel analİz vs büyük verİ analİzİ

 “It  is  not  a  dream,  it  is  a  simple  feat  of  scien3fic  electrical  engineering,  only  expensive  —  blind,  faint-­‐hearted,  doub3ng  world!  “      Nicola  Tesla,  for  the  wireless  transmission  and  distribu3on  of  electricity…  

Intelligent and dynamic Scalable

Real-time Distributed and decentralized

Security and privacy

ANY ENERGY DATA SOURCE •  Third Party

Sensors •  Devices,

Equipment •  BEMS,

SCADA, ERP, etc. Systems

•  Web Services •  Control Units

CONNECTIVITY •  APIs •  Adaptors

CLOUD Modular database structure (sql, oracle, nosql etc.)

INTELLIGENCE: THE E-APP MARKET Analytic Engine (In-house and 3rd party apps)

FAST ADOPTION TO ANY USER Fully Customizable UI (Drag and drop for any user)

Physical  Com

m.  G

atew

ay  (O

n-­‐site)  

Reen

gen  IoT  Ga

teway  

EASY TO USE Management Console

PLATFORM MİMARİSİ