1. 主页 > 物联网行业应用 >

能源领域物联网边缘计算的挑战和机遇

物联网设备的增长使企业在数字化过程中可以而且必须处理的数据量成倍增加。为了使这种处理更有效,一种新的计算模型已经非常强大地出现了:边缘计算,它补充了集中式云基础设施的处理,机器学习和人工智能算法在边缘处理,即在数据来源的节点上处理并且更接近用户或设备。
 
 
边缘的数据计算可以在移动网络设备上的强大服务器或跨工厂的更小、更分布式的节点上执行。无论如何,它为新的创收和成本优化开辟了重要的机会。所有这一切都基于三个基本支柱:
 
1) 更大的可扩展性:通过将存储和处理分布在多个位置,更高流量或更好算法的基础设施和容量所需的投资得到更好的控制
 
2) 更高的数据安全和主权:通过不离开其原始位置,非法访问或被盗的风险大大降低
 
3) 更多的数据处理和更低的响应延迟:频率分析允许几乎同时处理数千个数据。对于研究和答案,所需的时间约为毫秒。这意味着接近实时的用例,这在更面向批量信息离线分析的云环境中是不可想象的
 
IDG 的报告《推动第四次工业革命的边缘计算解决方案》 证实了这三大支柱的重要性。在对部署边缘计算的 802 位行业领导者进行的一项调查中,30% 的受访者回答他们的主要动机是带宽成本、27% 的数据保护和 19% 的延迟限制。接受调查的公司中有 12% 来自能源行业。
 
物联网边缘计算在能源领域的优势
发电本身是分散的:从传统的线性结构,能源从大型发电厂传输到世界各地,到现代配电网络,考虑采用更分散和更分散的模式,并结合可再生能源,生产消费者产生消费,以及允许更大规模存储的新元素。
 
所有这些都意味着网络运维和供需预测的复杂性呈指数级增长。正在安装不同的设备来了解这些复杂的结构,从简单的物联网传感器或智能仪表到发电或传输设备中的通信接口,允许通过标准化协议提取数据。
 
物联网边缘计算特别适用于:
 
石油和天然气配送基础设施:由于故障导致一天停机的成本可能超过 2000 万美元,对于大型运营商来说,平均一年是五次。IoT Edge 使实时分析数据成为可能,从而提前避免问题,或者更快地确定问题的原因。所有这一切都具有 高度的安全性, 以避免出现几个月前在 Colonial Pipeline 发生的问题。
变电站:尤其是中低压变电站,大型运营商数以万计。这场革命的核心元素是智能变压器,它除了“连接”之外,还可以对不同线路的电源进行实时动态调节,这些线路现在挂着新的元件,如充电器或电池。IoT Edge 实时提供这些调整,从而防止故障和避免不必要的位移,以及生成可以提高整个价值链的投资回报率的新服务。
消费要点:2020年是能源自耗空前的一年。仅在西班牙,就安装了 596 兆瓦,比 2019 年增加了 30%,其中一半以上安装在工业公司中。但是,很少有用户充分利用了这些安装。通过物联网边缘计算,再加上可以测量生产或存储条件的传感器,或者可以控制消耗的智能执行器(继电器),节能可​​以提高两位数。
能源领域物联网边缘计算的主要挑战是什么?
IoT Edge 是由技术制造商对尖端解决方案的稳健投资推动的,这些解决方案具有更小、功率更低、价格更低的微型计算机,可以作为大规模的 IoT Edge 计算节点。同样,正在创建操作系统和软件以使这些节点能够以网络安全的方式执行算法,通常打包在 Docker 等虚拟化软件容器中。
 
然而,采用这些技术对工业能源公司来说并非没有挑战:
 
第一,培训员工。
 
在传统上主要由自动化工程师 (OT) 和少得多的 IT 和电信工程师 (IT) 组成的劳动力中引入这些新技术会造成所需技能的差距。这种差距在所谓的“PoC(概念证明)”中的物联网项目数量上很明显。进行实验室实验来进行物联网边缘计算相对简单。尽管如此,当涉及到将项目带到具有成百上千个分布式节点的自然环境时,由于缺乏内部功能,对市场驱动的 SLA 的需求可能会产生很大的挫败感。
 
 
根据 Gartner Cool Vendors in Edge Computing, 2021 报告,“随着边缘计算从概念验证和单体项目转向可重复的企业应用程序,简化部署的供应商产品正受到关注。让您以独特的方式解决 IoT Edge 复杂性问题的解决方案脱颖而出。»
 
二是适应工业能源企业的财务和法律结构。
 
目标是从传统的重大投资模式 (CAPEX) 转向初始投资较低的更灵活的模式。尽管如此,标准 IT 的 OPEX 可能更高(包括 SaaS 许可证、维护成本和升级服务)。这意味着文化变革,可能需要监管变革,以允许能源部门以所需的速度向前发展。
 
第三,但同样重要的是,最大的挑战是随着生成和处理的信息增加而产生的数据所有权。传统上,生产数据属于运营商。尽管如此,在一个更加分散的环境和一个日益复杂的价值链中,谁拥有数据和谁可以利用数据之间的界限变得模糊。
 
例如,IoT Edge 环境中用于能源分配的人工智能和机器学习算法需要使用用户设备(智能电表、自耗、充电器、电池、传感器等)生成的数据进行训练。但是,这些数据属于制造商的范围,不能共享,因为这会违反数据保护法。
 
从这个意义上说,需要公共资助项目来创建财团来进一步分析这些问题。最好的例子是 Platoon 项目,该项目侧重于通过利用基于 IDS 参考架构集成的数据来为智能电网提出解决方案,以便在欧洲代理之间进行信息交换。
 
尽管存在这些挑战,但物联网边缘计算显然可以通过其实时处理大量信息的能力来改变能源行业,并最终提高运营的安全性和效率。任何能够充分应对这些挑战的公司都将受益并处于能源行业转型的最前沿。

本文由网上采集发布,不代表我们立场,转载联系作者并注明出处:http://www.34iot.com//a/tuiguang/440.html

联系我们

在线咨询:点击这里给我发消息

微信号:weixin888

工作日:9:30-18:30,节假日休息