Case study: Jak digitální dvojče vydělá klientovi až o 2 miliony eur více

„Můžeme listy a polohu gondol větrných elektráren nastavit tak, aby turbíny generovaly ještě vyšší výstupní výkon?“ Tuto hypotézu od nás chtěl prověřit klient z energetického sektoru. Vytvořili jsme elektrárnám digitální dvojče, tedy jeden matematický a druhý AI predikční model, který na základě nastavení větrníku, síly a orientace větru predikoval maximální dosažitelný výstupní výkon, a množstvím simulací dali klientovi milionovou odpověď.

Energetická společnost, která ve východní Evropě provozuje na 200 větrných elektráren, chtěla vyhodnotit, zda efektivně využívá turbíny na své větrné farmě. Konkrétně ji zajímalo:

• Jaká je současná účinnost  turbín? 
• Existují optimální pozice gondoly (loď, ve které je umístěna turbína a na které jsou umístěny lopatky) a úhly listů, které zvýší efektivitu turbíny za daných povětrnostních podmínek a maximalizují tak výstupní výkon?

Jelikož energetická firma měla k dispozici obrovské množství naměřených dat (například o výkonu turbín v závislosti na jejich konfiguraci a proudění, rychlosti i směru větru) a informací z externích zdrojů a trhu (předpovědi počasí, ceny elektřiny,…), zvolili jsme jako simulační metodu tzv. digitální dvojče.  

Pod digitálním dvojčetem si můžete představit plně digitální model svého fyzického zařízení nebo systému. Může se jednat o interaktivní vícerozměrný fyzický model, nebo dokonce model ve virtuální realitě, osazený senzory internetu věcí, či o simulaci výkonu vaší infrastruktury nebo jejích kritických částí. Digitální dvojčata se tak hodí pro výrobní, logistické či energetické firmy, jejichž zařízení neumožňuje fyzické testování různých scénářů. 

V KPMG jsme ale konceptu digitálního dvojčete využili i při optimalizaci nákladů v oblasti řízení hotovosti (cash-handling) v bance, kdy jsme simulovali chování sítě s různým počtem poboček, bankomatů a poptávkou po hotovosti (vklady/výběry v ATM). 

Simulaci DIGI TWIN jsme zvolili hlavně proto, že testování na fyzickém zařízení – větrné elektrárně (nebo síti s reálnými pobočkami a bankomaty) – nebylo možné. Klient by kvůli tomu musel odstavit jednu ze svých turbín a hrozilo, že by se při špatně zvolených parametrech mohla poškodit. Navíc by simulace zabrala neúměrně více času.

Nejdříve jsme vytvořili matematický model (digitální dvojče), na jehož vstupu byly směr a rychlost větru. S jeho pomocí jsme ověřili, zda se výstup digitálního dvojčete (výstupní výkon) shoduje s výstupním výkonem skutečné elektrárny za stejných podmínek. 

Následně jsme na základě matematického modelu vytrénovali AI model (XGBoost), s jehož pomocí jsme predikovali výstupní výkon v kontextu různé konfigurace parametrů (pozice gondoly a úhel lopatek) s vhodně zvolenými omezujícími podmínkami, které popisovaly fyzické a technické možnosti elektrárny (například maximální přípustná rychlost rotace vrtule).

Ze simulace vyplynulo, že při kontrole úhlu listů může klient zvýšit výkon turbín o 2,73 % a při optimálním nastavení jak listů, tak i orientace celé gondoly pak dokonce o 2,9 %. Takovým zvýšením výkonu může jedna turbína vygenerovat více elektrické energie, a to v hodnotě až 9 300 eur za rok. Pokud klient optimálně nastaví všech svých 200 větrných elektráren, vyrobí o 32 tisíc megawatthodin elektřiny více, což znamená dodatečný příjem až 2,2 milionu eur.

Pokud vás case study zaujala a rádi byste optimalizovali i svá zařízení, neváhejte se nám ozvat.