您的位置:首页 > 原油频道 > 原油资讯 >

Bentley数字孪生技术助力芬兰供水供热系统全面可视化-当前看点

来源: 中国能源网 时间: 2023-02-02 15:08:43

利用人工智能优化城市管道基础设施系统


(资料图片)

Silo AI是北欧最大的私人人工智能实验室,开发了可定制的AI驱动的解决方案和产品,可实现城市基础设施、能源和物流智能监控和预测。为提高芬兰供水和分区供热管网的性能、可靠性和能效,Silo AI启动了一个项目,为城市管道运营商开发数据驱动的智能资产优化服务。Silo AI业务开发主管HarriKaukovalta表示:“很大一部分供水和分区供热管网使用寿命即将到期,漏水事件给管网运营商和社会带来高昂的成本,也给管网用户带来不便。”管网性能低下增加了燃料消耗和水资源浪费,这从商业角度及环境角度来看都是不利的。

因此,Silo AI开始与赫尔辛基环境服务局HSY和芬兰最大的电网运营商之一合作,试点采用其解决方案,帮助这些系统运营商提供更可持续的能源服务,从而优化分区供热资产的性能并消除管道泄漏。Kaukovalta表示:“供热和供水的可靠性直接影响人们生活。”这项称为Silo Flow的系统优化服务将有助于运营商预测管网故障,优先主动进行资产维护,以避免代价高昂的维修和潜在管网关闭,确保高效可靠的服务,同时将对环境的影响降至最低。

分散的数据妨碍了管网全局概览

芬兰拥有16000多公里分区供热管道,Kaukovalta表示:“尽管芬兰的分区供热系统得到很好的保养,但每年平均每10公里管网都会发生一次泄漏。”供水管网也存在这种情况。因此,Silo AI试图利用人工智能和数据分析来确定易发生泄漏的区域,并优先考虑管道维护翻修。然而,管道优化和管道运行需整合大量数据源和数据格式,但从这些数据源中分析得到的数据和结果未实现可视化,或是使用多种工具进行了可视化,从而导致管网演示不完整和不准确。由于信息来源分散,很难全面了解管网,导致投资规划受限,而且,泄漏检测也不及时,只能在泄漏发生后才检测到。

Kaukovalta表示:“需优先对最可能发生泄漏的区域进行维护翻修。”然而,多个来源的分散数据和手动工作流不利于运营商准确识别潜在风险,无法在其成为成本高昂、破坏环境的问题之前就前瞻性地解决这些风险,导致管网关闭和服务中断。此外,运营商需实现整个管网的可视化,以预测所需的管道维护并确定优先级。为此,Silo AI意识到,需要用户友好的、基于 Web 的界面来集成多个管道数据源,并对其先进的数据分析进行可视化,以便为运营商提供资产运行状况的全面概览,在泄漏发生之前系统地识别并消除泄漏隐患。

开发基于iTwin的预测模型

为了预测管道维护需求和优化管网管理,Silo AI基于Bentley iTwin平台开发了智能Silo Flow预测模型。该解决方案将Silo AI先进的数据分析与Bentley基于云的界面相结合,实现了管道数据和资产轻松、可访问的可视化。Kaukovalta表示:“Bentley iTwin平台框架为数据和数据分析结果的可视化提供了简单直观的方式。”通过将先进的数据科学与尖端的可视化技术相结合,分区供热和供水管网运营商可在泄漏或资产故障发生前准确定位需要维护的资产。他们可以优化管网,在适当时间和地点投入资源,以确保安全可靠的客户服务,同时提高能效和助力碳中和。

作为Silo Flow的基础,Bentley iTwin平台将多源数据集成到动态更新的数字孪生模型中,并将其与实景数据、传感器和人工智能相结合,同时网络运营商无需使用任何额外设备。该组合解决方案可将数据整合并分析为一种可理解的实用格式,从而推动基于数据的决策。在完全可访问的可视化界面中工作,运营商可全面了解资产运行状况,分析和预测更佳的冷却效果及可在哪些方面实现节约和更高效的生产力,从而优化分区供热中的热平衡及整个管网内的水流。

可提高能效并促进成本节约和可持续发展

Bentley灵活的iTwin平台易于使用,可将Silo AI实施的新的数据分析功能可视化。借助Bentley iTwin平台,Silo AI可以简单且经济高效地实现各种数据源和数据分析结果可视化。Bentley应用程序的灵活性和数据互用性缩短了项目时间,任何需要添加的内容都可以轻松地添加到这一数字化平台中。使用iTwin将可视化工作量减少了 50%,并显著缩短了针对泄漏预测和流量优化的AI解决方案交付时间。Kaukovalta表示:“该项目能在创纪录的时间内交付,是因为iTwin模型非常容易使用,并通过Bentley iTwin平台实现出色的可视化。”

由于可轻松获取数据且可视化分析结果,管网运营商可以改善管道运营,使得维护需求及可能的风险区域明确标识并可视化。基于iTwin的智能解决方案可预测管道维护需求,以确保客户满意度和可持续发展,避免泄漏造成不必要的电网关闭、环境破坏和浪费。Silo AI将客户的分区供热管网供应温度降低了3℃,在提高能效的同时,降低了燃料消耗。Kaukovalta表示:“Silo Flow增加了可预测性并恢复了对系统的控制,同时助力优化能源生产。”

由于冷却性能,每提升1℃可使分区供热管网能源性能提高1%-1.5%,运营商可通过管道系统优化、防止泄漏、消除资源损失及对未来的维护和管网投资进行预算,提供更可持续的服务并提高投资回报率。目前,该解决方案已在多个客户和管道类型中得到进一步应用。

标签: 解决方案 人工智能 数据分析