Severstal, enerji tüketimini tahmin etmek için Nesnelerin İnternetini nasıl kullanıyor?

PAO Severstal, ülkemizin en büyük ikinci tesisi olan Cherepovets Metallurgical Plant'in sahibi olan bir çelik ve madencilik şirketidir. 2019 yılında şirket, 11,9 milyar $ gelirle 8,2 milyon ton çelik üretti.

PAO Severstal'ın iş gerekçesi

Görev

Severstal, hatalı elektrik tüketimi tahminleri nedeniyle şirketin kayıplarını en aza indirmeye ve ayrıca şebekeye yetkisiz bağlantıları ve elektrik hırsızlığını ortadan kaldırmaya karar verdi.

Arka plan ve motivasyon

Metalürji ve madencilik şirketleri, endüstrideki en büyük elektrik tüketicileri arasındadır. Kendi üretiminin çok yüksek bir payına sahip olsa bile, işletmelerin elektrik için yıllık maliyetleri onlarca hatta yüz milyonlarca doları buluyor.

Severstal'ın yan kuruluşlarının birçoğunun kendi elektrik üretim kapasitesi yoktur ve bunu toptan piyasadan satın alır. Bu tür şirketler, belirli bir günde ne kadar elektrik almak istediklerini ve hangi fiyattan almak istediklerini belirterek teklif verirler. Gerçek tüketim beyan edilen tahminden farklıysa, tüketici ek bir tarife öder. Bu nedenle, kusurlu bir tahmin nedeniyle, ek elektrik maliyetleri bir bütün olarak şirket için yılda birkaç milyon dolara ulaşabilir.

Çözüm

Severstal, enerji tüketimini doğru bir şekilde tahmin etmek için IoT ve makine öğrenimi teknolojilerini kullanmayı teklif eden SAP'ye yöneldi.

Çözüm, Severstal'ın Teknolojik Geliştirme Merkezi tarafından kendi üretim tesisleri olmayan ve toptan elektrik piyasasındaki tek tüketici olan Vorkutaugol madenlerinde uygulandı. Geliştirilen sistem, Severstal'ın tüm bölümlerinden 2,5 bin ölçüm cihazından, tüm yeraltı alanlarında ve aktif kömür madenindeki penetrasyon ve üretimin planları ve gerçek değerleri ile mevcut enerji tüketimi seviyeleri hakkında düzenli olarak veri toplar. . Değerlerin toplanması ve modelin yeniden hesaplanması, her saat alınan veriler temelinde gerçekleşir.

uygulama

Makine öğrenimi teknolojisini kullanan tahmine dayalı analiz, yalnızca gelecekteki tüketimi daha doğru bir şekilde tahmin etmeyi değil, aynı zamanda elektrik tüketimindeki anormallikleri de vurgulamayı mümkün kılar. Bu alandaki suistimaller için birkaç karakteristik model belirlemek de mümkündü: örneğin, bir kripto madenciliği çiftliğinin yetkisiz bir şekilde bağlanması ve işletilmesinin "nasıl göründüğü" biliniyor.

Sonuçlar

Önerilen çözüm, enerji tüketimi tahmininin kalitesini önemli ölçüde artırmayı (ayda %20-25 oranında) ve cezaları azaltarak, satın almaları optimize ederek ve elektrik hırsızlığına karşı koyarak yılda 10 milyon dolardan tasarruf etmeyi mümkün kılıyor.

Severstal, enerji tüketimini tahmin etmek için Nesnelerin İnternetini nasıl kullanıyor?
Severstal, enerji tüketimini tahmin etmek için Nesnelerin İnternetini nasıl kullanıyor?

Gelecek için planlar

Gelecekte sistem, üretimde kullanılan diğer kaynakların tüketimini analiz edecek şekilde genişletilebilir: inert gazlar, oksijen ve doğal gaz, çeşitli sıvı yakıt türleri.


Abone olun ve bizi Yandex.Zen'de takip edin — teknoloji, yenilik, ekonomi, eğitim ve paylaşım tek kanalda.

Yorum bırak