enerji sektöründe endüstriyel iot uygulamaları - Şahin Çağlayan (reengen)
TRANSCRIPT
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
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