Waarom houden we nog steeds rekening met stroomuitval?

Een van de grootste oorzaken van uitvaltijd en gegevensverlies komt niet van hackers of andere snode activiteiten, maar van massale stroomstoringen die worden veroorzaakt door defecte apparatuur of 'downtime' van machines. Stroomuitval is zelfs de grootste IT-gerelateerde ramp waarmee de meeste organisaties worden geconfronteerd. De enorme stroomstoring in april in San Francisco bracht bijvoorbeeld hightechbedrijven in de hele stad tot stilstand, samen met de verkeerslichten, bussen en het BART-systeem van de stad.

De meeste bedrijven hebben geen exacte verliezen bekend gemaakt omdat velen nog in onderhandeling zijn met PG&E Corp., het verantwoordelijke nutsbedrijf, maar sommigen hebben verliezen geclaimd in de buurt van $ 100.000 tot $ 300.000, wat neerkomt op totale verliezen in de miljoenen dollars voor de drukke IT-sector van de stad .

Zie ook: elf-x marcheert zijn low-power IoT-netwerk door heel Canada

Energie en infrastructuur

San Francisco was ook niet de enige stad die afgelopen april last had van een grote stroomstoring. New York zag dit jaar ook wijdverbreide stroomuitval, waardoor passagiers tijdens het ochtendritueel vast kwamen te zitten in metrotunnels. Dit komt nadat New York elk jaar lage cijfers had gekregen op hun Infrastructure Report Card. Toch heeft New York consequent hogere cijfers gekregen van de organisatie dan het land als geheel, wat zorgwekkend is.

Velen vragen of dit soort dingen in de toekomst vaker zullen voorkomen naarmate de toch al overbelaste stroominfrastructuursystemen in de grote steden van Amerika ouder worden en overbelast raken door een groeiende bevolking. Zullen stroomuitval iets zijn dat bedrijven gewoon moeten accepteren en aanpakken? ik geloof het niet. Hoewel deze uitdagingen reëel zijn en een serieuze uitdaging vormen voor energiesystemen, zal het omarmen van nieuwe technologieën nutsbedrijven en hun klanten in staat stellen beter voorbereid te zijn en stroomuitval misschien helemaal te voorkomen.

Er is een kristallen bol

Ondanks deze uitdagingen worden stroomuitval mogelijk niet alleen zeldzamer, maar mogelijk zelfs helemaal vermeden. Met behulp van voorspellende analyses, de kristallen bol van technologie, zullen zowel nutsbedrijven als de organisaties die van hen afhankelijk zijn, beter voorbereid zijn om met deze problemen om te gaan. Met voorspellende analyses kan personeel vroegtijdige waarschuwingsmeldingen ontvangen wanneer er problemen dreigen te ontstaan, zodat ze het probleem kunnen oplossen voordat de stroomstoring optreedt.

Sommige problemen kunnen dagen of weken voordat de stroomstoring optreedt, worden vastgesteld. Door voorspellende analyses te gebruiken om deze problemen te identificeren, kunnen ladingen bewegen en kunnen geplande storingen optreden om schade tot een minimum te beperken. Organisaties zouden een geavanceerde waarschuwing voor deze problemen kunnen ontvangen en de juiste stappen kunnen nemen om verliezen gedurende die periode te beperken. Bovendien zouden energiebedrijven de noodzakelijke onderhoudskosten vooraf kunnen identificeren met voorspellende analyses. Voordat het systeem bijvoorbeeld onderhoud nodig heeft, kunnen onderdelen al onderweg zijn.

Onderhoudsperioden zouden ook langer worden, aangezien voorspellende systemen de toestand van de apparatuur zouden kunnen monitoren om nauwkeuriger inzicht te geven in wanneer bepaalde systemen moeten worden vervangen. Dat gebeurt nu in de dienstverlenende sector. "Met behulp van AI en machine learning zijn we nu in staat om onderhoudsschema's te optimaliseren, onderdelen met een hoog risico aan te wijzen voor vervanging en ervoor te zorgen dat technici de juiste gereedschappen en vervangende onderdelen hebben, zodat ze geen onnodige en herhaalde ritten hoeven te maken", aldus Shahar Chen. , mede-oprichter van het in New York gevestigde Aquant.

Het werkelijke voordeel van dergelijke systemen zou moeilijk te kwantificeren zijn, maar aanzienlijk zijn. De langere levensduur van de apparatuur, verbeterde efficiëntie en een verhoging van de productiviteit zouden niet alleen voelbaar zijn voor het energiebedrijf, maar ook voor alle klanten van dat bedrijf.

Voorspellende analyses en daden van God

Dankzij AI-machine learning kunnen we misschien zelfs anticiperen op de effecten van natuurrampen op energiesystemen. Onderzoekers van de Texas A&M University hebben onlangs een intelligentiemodel ontwikkeld dat de effecten van snelle wind tijdens zwaar weer kan voorspellen, zodat eerst bomen die op hoogspanningsleidingen in kritieke gebieden kunnen vallen, worden gesnoeid. Op dit moment wordt dit soort werk op willekeurige basis gedaan. Het voorspellen van een optimaal schema voor het snoeien van bomen is slechts een van de toepassingen van het model. "Elke vorm van milieugegevens die relevant is voor het energiesysteem kan in dit voorspellingskader worden ingevoerd", zegt dr. Mladen Kezunovic, die het systeem met verschillende afstudeerders heeft ontwikkeld.

In gebieden waar terugkerend zwaar weer een factor is, zegt Exacter, een IoT-bedrijf dat zich bezighoudt met elektrische systemen, dat zijn algoritmen apparatuur kunnen identificeren die defect is of tekenen van storing vertoont voordat een grote storm toeslaat. Nutsbedrijven geven vervolgens prioriteit aan preventief onderhoud aan de meest dichtbevolkte en getroffen locaties. Na de storm voeren ze gezondheidsbeoordelingen uit om elektrische systemen zo snel mogelijk weer aan de gang te krijgen.

Zie ook : Nokia helpt de regio van Chengdu tot een slimme krachtpatser te maken

Een win-win-scenario

Predictive analytics biedt een win-winscenario voor nutsbedrijven en de organisaties die daarvan afhankelijk zijn. Door teams op de hoogte te stellen van dreigende risico's (mogelijke stroomuitval), kunnen ze de nodige actie ondernemen om schade te beperken en reparaties uit te voeren. Bovendien krijgen bedrijven geavanceerde waarschuwingen voor aanstaande downtime en kunnen ze hun eigen stappen ondernemen. De productiviteit en efficiëntie zullen over de hele linie verbeteren.

Wat echt opwindend is, is hoe AI en machine learning zulke onmiddellijk bruikbare inzichten kunnen bieden. Nutsbedrijven zijn al begonnen met het omarmen van voorspellende analyses en zullen de komende jaren hun uitgaven op dit gebied opvoeren. Volgens Navigant Research zullen nutsbedrijven tegen 2023 $ 50 miljard uitgeven aan netwerkbewakingsapparatuur. Dus hoewel infrastructuur en systemen wel degelijk moeten worden geüpgraded, kunnen onze technologische vorderingen deze meeste problemen oplossen voordat er weer een dure, ongemakkelijke storing kan optreden. Dat is in ieder geval mijn voorspelling.