Miten Supersensen avulla muodostetaan reaaliaikainen tilannekuva kaukolämpölaitoksesta?

Tuotannon tehostaminen ja päästötehokkuuden parantaminen koskettavat varmasti kaikkia teollisuusyrityksiä. Olemme aiemmissa blogiteksteissämme käsitelleet sitä, miksi reaaliaikainen tilannekuva ja data ylipäätään ovat keskeisiä näiden tavoitteiden saavuttamiseksi energiateollisuudessa ja kaukolämmön tuotannossa. 

Olemme onnistuneesti toteuttaneet tällaisia ratkaisuja useille energiateollisuuden yrityksille ja halusimme nyt kertoa vaiheittain siitä, miten reaaliaikainen tilannekuva muodostuu ja mitä trendikäs IoT-termi tarkoittaa tässä yhteydessä.
 

Kaukolämpöverkon ja laitosten määrittely 

Aivan ensimmäiseksi on määritettävä yhteen suunnitelmaan kaikki lämmöntuotannon ja -jakelun piiriin kuuluvat laitokset ja laitteistot. Tämä kattaa yksinkertaisimmillaan voimalaitoksen sekä jakeluverkon. Usein kaukolämpöyhtiöllä on kuitenkin päävoimalaitoksen lisäksi vähintään yksi pienempi varavoimalaitos, ja suuremmalla yhtiöllä voi luonnollisesti olla useampia päävoimalaitoksia sekä lukuisia satelliitteina toimivia varavoimalaitoksia. Olennaista on kuitenkin kirjata tarkat tiedot näistä kaikista. 

Näistä on olennaista tietää esimerkiksi se, että onko laitoksilla yhteinen vai erilliset valvomot, onko niissä yhtenäiset automaatiojärjestelmät ja ovatko ne ylipäätään liitettyinä toisiinsa.
 

Fyysisen ratkaisun suunnittelu

Seuraavassa vaiheessa on määriteltävä konkreettiset keinot, joilla dataa kerätään yhteen paikkaan, eli miten IoT-ratkaisut käytännössä toteutetaan. Tähän vaikuttaa kaukolämpölaitoksen automaatiojärjestelmä, se onko käytössä esimerkiksi Citecin, WinCC tai Siemensin järjestelmä ja miten data saadaan tästä järjestelmästä ulos. Tai jos käytössä ei ole valvomotekniikkaa, vaan voimalaitos toimii paikallisohjauksessa, tulee tähän suunnitella ratkaisu datan siirtämiseksi eteenpäin. 

Toisaalta, jos esimerkiksi osa satelliittilaitoksista ei ole yhteydessä samaan järjestelmään, tulee lisäksi näihin asentaa vaadittavat fyysiset laitteet, jotta data saadaan käyttöön myös näistä. Samoin huomioidaan mahdolliset tulevat laajennukset ja se, miten uudet laitokset saadaan ratkaisun piiriin.
 

Ohjelmistoratkaisun suunnittelu

Kun kaikki datalähteet on saatu kytkettyä IoT-ratkaisuilla verkkoon, tulee näiden keräämä data ohjata johonkin. Supersensen yhteydessä tuo paikka on Microsoftin Azure pilvipalvelu ja datan omistajana toimii kaukolämpöyritys itse. Supersense jatkojalostaa eri lähteistä peräisin olevan datan yrityksen kannalta hyödylliseen muotoon.  

Olennaista on se, että dataa kertyy ja sitä jalostetaan koko ajan, jolloin käyttäjä pääsee näkemään reaaliajassa kaiken, mitä voimalaitoksissa sekä kaukolämpöverkossa tapahtuu makrotasolla ja pystyy halutessaan porautumaan myös mikrotason tapahtumiin. 

Ohjelmistoratkaisussa voidaan lisäksi hyödyntää koneoppimisratkaisuja, jotka mahdollistavat esimerkiksi tulevien tuotantotarpeiden ennustamisen perustuen historiatietoon. Tämän tarkkuutta voidaan parantaa entisestään yhdistämällä tuotantodataan esimerkiksi säätilatietoja ja -ennusteita.
 

Datan esittäminen

Viimeinen vaihe liittyy datan esittämiseen selkeässä muodossa. Tämä voi tarkoittaa esimerkiksi dashboard-näkymien määrittämistä eri tehtävissä toimiville henkilöille. Näistä dashboardeista he näkevät reaaliajassa ne mittarit, jotka auttavat heitä omalta osaltaan optimoimaan voimalaitoksen tuotanto- ja päästötehokkuutta. Dashboardit toteutetaan Microsoftin PowerBI:llä, jolloin käyttäjät voivat luoda uusia näkymiä aina halutessaan. 

Jos hyödynnetään lisäksi ennusteita, saadaan myös ne esitettyä saman dashboardin kautta ja näin tehostettua tuotannon optimointia entuudestaan.  

Lisäksi dataa kyetään kokoamaan kätevästi raporteiksi saman ratkaisun avulla.
 

Edellytykset tulevaisuuden kaukolämpötuotannolle

Tämä antaa energiayhtiölle edellytykset tehdä konkreettisia toimenpiteitä sekä tuotannon- että päästötehokkuuden parantamiseksi. Datan kertyessä tuotanto- sekä päästötehokkuus vain paranevat entisestään.  

Lisäksi reaaliaikaista tilannekuvaa voidaan käyttää ongelmatilanteiden välttämiseen ja ratkaisemiseen käyttämällä sitä pohjana huoltohenkilökunnan työnohjausjärjestelmässä. Datalle on myös muita hyödyntämiskeinoja löydettävissä helposti. 

Reaaliaikainen tilannekuva on perusedellytys kaikelle tehostamistyölle, joten sen eteen on järkevää aloittaa ponnistelut mieluummin aiemmin kuin myöhemmin.