为什么我们没有充分大数据

大家好,今日小经来聊聊一篇关于为什么我们没有充分利用大数据分析的文章,现在让我们往下看看吧！

就在三年前，作为《光伏》杂志的客座作者，我指出了将数据转化为信息的未开发价值。尽管在地平线上可以看到一些一线希望，但仍有许多差距。太阳能资产产生的大量数据正被提供给所有者和经营者。大部分没有被触动，反而被转化为智力。根据获得的信息，将实现更智能的操作——最大化能源生产，最小化停机时间，降低生命周期运营和维护成本。

那么，为什么向更智能运营的过渡如此缓慢，尽管潜在盈利能力增加了3%或更多？为什么数字革命仍然主要是在人们的头脑中，而不是基于领域？我们应该从记住更大的图景开始：太阳能技术已经成熟到可以取代风能或其他类似的能源资产，显著降低故障率的地步。OM在增加其管理的车队的情况下也提高了效率，即使这种规模经济在某些情况下可能会达到其自然极限。他们的责任通常在低成本交付的运营和维护合同中有明确规定。只有在资产管理价值链的不同步骤中尝试不规范的评估或开箱即用的方法，才会发现很多问题。

但是，尽管进步明显，我们还是摆脱不了资产管理团队管理的预算比投资团队的同行少很多的现实。所有者往往更关注新的投资，而不是改善现有资产。压倒一切的焦点是削减成本，在运营中几乎没有质量分析的空间。最重要的是，在数据采集这一关键问题上，监测和通信系统是支离破碎和缺乏的。

大多数OM承包商提供单一软件平台进行监控、优化和控制。但是，和往常一样，细节决定成败。经常错过使用数字数据的宝贵机会。尽管希望内置数据分析的新组件将彻底改变我们对资产长期状态的理解，但重启机会仍面临重大未编入预算的投资的挑战。

我感到非常欣慰的是，我三年前的预言至少有一个实现了。当时我说无人机的数据分析会是OM操作员和技术顾问未来工具包的一部分。我们团队是最早为无人机配备光热相机的团队之一，以加快对太阳能发电厂的现场检查。此后，这种做法在这一领域变得司空见惯。

理解数据

通过相互比较不同的数据集以及测量的生产数据，并基于卫星获得的辐照度数据计算潜在的生产估计，即使在SCADA数据丢失期间，也可以检测到串和逆变器技术的不可用性。这些实际可用性(包括SCADA数据丢失期间)可能与运行和维护报告中规定的可用性以及运行和维护合同中的定义有很大不同。棘手的是，即使在计算出更准确的可用性后，由于OM合同中的定义很差，尤其是过时的定义，并不是所有的性能和可用性问题都由保修来补偿。

监控软件故障：这带来了SCADA数据分析的另一个好处。它可以发现监控软件中的故障。在严重的SCADA数据丢失的情况下，可能会错误地报告不可用性，因为它只报告SCADA数据的覆盖期，而忽略数据丢失期间的不可用性。在某些情况下，操作和维护报告中可能没有解释这些数据丢失。

影响关键信号的重大数据问题会间接损害资产价值，因为它们可能增加资产估值所需的未来P50预测的不确定性。因此，完整的数据和先进的数据分析相结合，构成了资产在其生命周期内保值的重要组成部分，在运营期间和再融资时释放其价值。

未更新的方法：自动化数据评估有助于减少花费在数据分析上的时间。然而，由于舰队在技术、地理位置和法规方面的发展和多样化，坚持旧的方法有时仍然是首选，即使它不是最有效的选择。

大数据分析过程中遇到的问题的根本原因，也可能导致初步隐藏的设计或技术缺陷，或者表现不佳的承包商。说明全面综合的太阳能资产管理方法是超出日常运维活动范围的关键。

上升

尽管最简单的步骤可能只是在类似的基础上维修或更换组件——无论是监控软件、模块还是逆变器——但资产所有者和运营商在升级组件之前通常会三思而行。但是为什么还要再等五年左右呢？如果今天的投资会增加资产价值吗？

还有一些雷区，需要重新谈判运营管理协议或保险合同条款。在新收购的价格战中，重新协商关键KPI、保修、响应时间、违约金甚至更换承包商可能是提高整体利润的更快方法。

今天我想预测三年后数据分析和故障预测系统的人工智能(AI)的崛起。更令人兴奋的是自学习算法的出现，可以实现价格水平的实时分析。

在商业市场的未来场景中，企业购电协议和存储设备的共址，能够根据太阳能存储工厂的资产健康状况即时做出决定的算法，无论是存储还是出售能源，在我看来都是最合适的。为什么不让我负责三年后的这个预测？

这篇好文章是转载于：知行礼动