Energia- ja kaukolämpöalalla on merkittävästi tehostamisen paikkoja.
Energiajärjestelmistä kerättyä monitahoista dataa voidaan hyödyntää jalostamalla siitä toimintaa ohjaavaa uutta tietoa päätöksenteon tueksi. Vaikka tietoa on saatavilla sen analysointi ei onnistu ilman siihen kehitettyä ohjelmistoa. Energiajärjestelmien kokonaisoptimoinnilla voidaan saada vuosittain jopa n. 30–40 k€ kustannussäästöä nykyiseen tuotantotoimintaan verrattuna. Voit tilata säätöpotentiaalin Varaamalla hyötyarvion täältä.
Tyypillinen nykytilanne perustuu vanhoihin opittuihin tapoihin
- Kaukolämpöverkon menolämpötilaa säädetään suoraan kulloisenkin ulkolämpötilan perusteella. Lämpöverkon lämpökapasiteettia pyritään hyödyntämään manuaalisella verkon akutuksella huippulaitosten käytön vähentämiseksi.
- Tuotantolaitosten käyttöjärjestys määräytyy tuotantokustannusten mukaan lämpöasiakkaiden lämmöntarvetta seuraten.
Uusia ratkaisuita löytyy kun avuksi otetaan digitaalinen kaksonen
- Kulutuskohdekohtaiset koneoppimismallit lämmön ja sähkön kysyntäennusteille, jotka huomioivat sääolosuhteet, viikko- ja päivärytmin, ihmisten käyttäytymistavat ja teollisuuden tuotantosuunnitelmat.
- Mallinnetaan koko energiajärjestelmän digitaalinen kaksonen tekniset rajoitteet huomioiden. Mallinnuksen avulla arvioidaan energiajärjestelmän käyttäytyminen eri pisteissä ja eri kulutustilanteissa.
- Yhdistetty dynaaminen optimointi ja järjestelmäsimulointi digitaalista kaksosta hyödyntäen.
Tehostuspotentiaalia syntyy tietoa jalostamalla ja tapoja muuttamalla.
- Muutos reaktiivisesta ulkolämpötila-perusteisesta ohjauksesta ennuste-pohjaiseen tuotannonohjaukseen.
- Lämpöverkkojen hallittu lämpötilatasojen alentaminen
- Lämpöverkon kapasiteetin hyödyntäminen lämpövarastona aktiivisesti ja automaattisesti (ts. verkon automaattinen akutus / taseseuranta)
- Tuotantolaitosten optimaalisen tehonjaon määritys vuoden ympäri energiatoiminnan kokonaiskustannusten minimoimiseksi.
1. Olemassa olevan laitosverkosta löytyvän tiedon integrointi ohjelmistoon
Jotta optimoitia voidaan tehdä tiedot luetaan asiakkaan järjestelmistä integraatiolla Ensensen kehittämään palveluympäristöön. Näitä tietoja ovat mm.
- prosessi- ja kulutusmittaridatat
- sähkön hintaennusteet
- sääennusteet
Samalla integraatiolla jalostettu ohjaustieto tuodaan takaisin asiakkaan ympäristöön, jotta saadaan tietoa tarvittavista kehitys- ja muutosinvestoinneista:
- tarvittavien tietojen saatavuus ja lukeminen tuotantojärjestelmistä
- tiedon takaisinkirjoitus automaatioon
- automaatiomuutostyöt
Datan esikäsittelyn ja validoinnin avulla saadaan aikaan nykytilanneanalyysi.
2. Energiankulutusennusteet tehdään koneoppimisratkaisuihin pohjautuen
Lämmön ja sähkön kulutusennusteet ovat tärkeässä roolissa energiantuotannon suunnittelussa ja energiajärjestelmän optimoinnissa:
- Ennusteet tehdään tyypillisesti 15 minuutin aikaresoluutiolla
- Tehoennusteiden lisäksi voidaan ennustaa muitakin prosessiparametrejä
- Lämmityksen kulutusennusteet
- huomioivat sään (ulkoilman lämpötilan lisäksi myös tuulennopeus, -suunta, auringonsäteily yms.) ja viikko- ja vuorokausirytmit
- ennustetarkkuus tyypillisesti 2-4 %
- Teollisuusprosessien kulutusennusteet (sähkö ja lämpö)
- Ennusteiden muodostamisessa käytetään hyödyksi sekä toteutuneita kulutuksia että tehtaan tuotantosuunnitelmaa esim. seuraavalle viikolle
- Mikäli lämmitystä mukana, käytetään hyödyksi myös säätietoja
- Tarkkuus tyypillisesti lämmityskäyttöä hieman huonompi, riippuen tehtaan tuotantosuunnitelman paikkansa pitävyydestä
3.Energiajärjestelmän kokonaisoptimointimalli rakennetaan todellisten fyysisten tekijöiden ja rajoitteiden mukaisesti
Tuotantokustannuksia minimoidaan dynaamisen optimoinnin avulla sen sijaan, että sitä osaoptimoidaan tunneittain
Järjestelmämallinnuksen (digitaalinen kaksonen) osa-alueet
- Lämpöverkkojen matemaattinen mallintaminen lämpöverkkojen viiveiden, paine-erojen ja lämmön akutuksen hallitsemiseksi
- Energiantuotantokapasiteetin (lämpö ja sähkö) mallintaminen tuotantolaitteiston todelliseen suorituskykyyn perustue
- Lämpöasiakkaiden mallintaminen
- Lämpöverkkojen lämpöhäviöiden mallinnukset
Optimoinnin osa-alueet
- Tuotantoyksiköiden optimaalisten virtausjakojen ja tuotantotehojen suunnittelu vuoden jokaisena hetkenä siten, että tuotantokustannukset joka hetki minimoituva
- Ohjelmiston testaukset, käyttöönotto, koulutus ja dokumentointi
4. Selkeää informaatiota päätöksen teon tueksi
Ajantasainen raportointi mahdollistaaa näkymän koko energiajärjestelmän nykytilaan ja tuotantosuunnitelmaan. Sen toteutetaan valmiilla kaupallisilla raportointityökaluilla mm. MS Power BI tai Qlik Sense
- Yhdessä määriteltty ja Ensensen toteuttama visuaalinen, informatiivinen raportti auttaa ohjaamaan ihmisten ja tuotannon toimintaa
- Raportointiympäristön osa-alueet:
- reaaliaikainen tilanneseuranta
- optimoitu tuotantosuunnitelma 7 vuorokautta eteenpäin
- toteutuneen ja optimoidun tuotannon vertailu
- optimoinnin vaikutusten todennus
5. Jatkuva kehittäminen kumppanin tuella
Kokonaisoptimointi ja toiminna kehittäminen on jatkuvaa uuden tiedon jalostamista ja tietoon perustuvaa päätöksen tekoa arjessa. Olemme ratkaisseet jatkuvan toiminnan kehittämisen haasteet kumppanuuspalvelulla jossa:
- Ensense varmistaa projektissa toteutetun tietojärjestelmän käytettävyyden ja tietoturvallisuuden sekä reagoi nopeasti ja ennakoivasti mahdollisiin häiriötilanteisiin ja poikkeamiin.
- Palvelussa tarvittavat tiedot saadaan reaaliaikaisesti prosessi- ja kulutusmittaridatalähteistä sekä muista avoimista rajapinnoista, joiden dataintegraatiot on toteutettu projektin aikana.
- Ensense ylläpitää ja kehittää palvelussa tuotettua raportointia.
Jari Kymäläinen
Olen toinen Ensensen perustajista ja toimin nykyisin Ensensen liiketoimintajohtajana. Kehitän toimintaamme ja asiakkaille arvoa tuottavia palveluratkaisuja. Data on aina ollut työtehtävissäni vahvasti mukana. Koko työurani olen toiminut energia-alalla energiajärjestelmien tehokkuuden kehittämisen, uusien energiaratkaisuhankkeiden sekä polttoainehankinnan ja energiantuotannon suunnittelun parissa.