Pentru a atinge obiectivele UE în materie de schimbări climatice și de politică energetică până în 2030, nu este necesar doar să construirea de noi linii și stații electrice, ci este esențial să se exploateze sistemele electrice prin integrarea tehnologiilor informației și comunicațiilor (TIC), să se construiască microrețele controlabile și să se accelereze realizarea rețelei inteligente.
Proiectul SMART MICROGRID DEVELOPMENT TECHNOLOGY BASED ON DIGITAL TWIN (SMARTECH) este un proiect R&D&I finanțat cu sprijinul granturilor acordate de Islanda, Liechtenstein și Norvegia prin mecanismul financiar SEE 2014-2021, în cadrul „Programului de Energie din România”. Până la momentul actual, consorțiul se bucură de o vizibilitate în cadrul științific, proiectul având următoarele rezultate intermediare:
- Model de dimensionare a componentelor microrețelelor și calcularea performațelor (număr panouri fotovoltaice, aria utilizată, număr baterii, putere parc, putere invertor, ROI etc.), utilizând Matlab
- Dezvoltarea instrumentului de raportare automată în format Word a specificatilor tehnice rezultate în urmă modelului de dimensionare a componentelor și integrarea performațelor microretelei
- Dezvoltarea algoritmilor de balansare a producției și a consumului în condițiile pieței de energie (Time Shifting, Peak Shaving, Cuckoo Search), utilizând Matlab
- Dezvoltarea instrumentului de analiză contextuală a indicatorilor de mentenanță predictivă, în baza algoritmilor de Machine Learning, ce cuprinde atât date de statistică de bază, precum media sau mediană, dar și funcții complexe dezvoltate în baza datelor preluate de la studiul de caz real. S-a analizat dispersia, ca valoare corespunzătoare unei serii statistice, care măsoară distanța fiecărei valori a seriei față de media eșantionului, dar și deviația standard, folosită în statistică descriptivă mai ales pentru definirea unor intervale în care se găsesc marea majoritate a observațiilor. În exemplul oferit spre suport, s-au calculat și indicatori precum interval de încredere, Skwness (reprezintă măsura deviației repartiției date de la simetrie). Dacă asimetria este diferită de zero, atunci repartiția este asimetrică și va avea „o coadă” fie în stânga, fie în dreapta. S-a analizat și „ascuțimea” unei repartiții, în sensul în care este segmentul sau populația dispusă de a avea valori extreme (outliners), diagrama de împrăștiere, coeficientul de corelație, nivelul de semnificație etc. O analiză destinată tehnicilor de Machine Learning precum analiza supraviețuirii și analiză statistică a reziduurilor au fost dezvoltate.
- Platforma cu 5 ecrane pentru vizualizarea parametrilor de defect/sănătate:
-
-
- Ecranul de vizualizare a parametrilor (temperatura, putere activă, State of Charge, putere rămas de descărcat, Setpoint de putere etc.) pentru diferite componente ale microretelei
- Ecranul cu grafice destinate numărului de alarme în 24h, prognoza de consum pe 24h, prognoza de producție pe 24h etc
- Ecranul de specificații echipamente fiind destinat compnentelor din microretea, având rubricile: specificații, atașamente, istoric mentenanță și observații. Atașamentele reprezintă totalitatea manualelor de operare, schemelor CAD, datelor istorice, manualelor de instalare și a certificatelor CE asociate echipamentelor fiecărei componente.
- Ecranul de centralizare revizii conține două tabele care centralizează reviziile neplanificate și tabelul cu programarea reviziilor.
- Ecranul culculului KPI de mentenanță predictivă unde se afișează valoarea RUL, în zile, reprezentate atât numeric, cât și pe indicatoare semicirculare cu valori de limită inferioară și superioară modificabile. Valorile procentuale pentru disponibilitate, performanță, calitate și OEE vor fi afișate pe indicatoare sub formă unui cadran.
-

Pentru mai multe detalii, puteți intra în legătură cu responsabilul de comunicare: andreea.ghinet@sis.ro
