Warum dulden wir immer noch Ausfallzeiten bei Stromausfällen?

Eine der größten Ursachen für Ausfallzeiten und Datenverluste sind nicht Hacker oder andere schändliche Aktivitäten, sondern massive Stromausfälle, die durch fehlerhafte Geräte oder Maschinen-„Ausfälle“ verursacht werden. Tatsächlich ist der Stromausfall die häufigste IT-bedingte Katastrophe, mit der die meisten Unternehmen konfrontiert sind. Der massive Stromausfall in San Francisco zum Beispiel brachte Hightech-Unternehmen in der ganzen Stadt zusammen mit den Ampeln, Bussen und dem BART-System der Stadt zum Erliegen.

Die meisten Unternehmen haben keine genauen Verluste bekannt gegeben, da viele noch mit PG&E Corp., dem verantwortlichen Versorgungsunternehmen, verhandeln, aber einige haben Verluste in der Nähe von 100.000 bis 300.000 US-Dollar geltend gemacht, was Gesamtverluste in Millionenhöhe für den geschäftigen IT-Sektor der Stadt bedeutet. .

Siehe auch: elf-x führt sein IoT-Netzwerk mit geringem Stromverbrauch in ganz Kanada ein

Strom und Infrastruktur

Auch San Francisco war nicht die einzige Stadt, die im April letzten Jahres unter einem großen Stromausfall litt. Auch in New York gab es in diesem Jahr weit verbreitete Stromausfälle, bei denen Passagiere während des morgendlichen Pendelns in U-Bahn-Tunneln gestrandet waren. Dies kommt, nachdem New York jedes Jahr schlechte Noten auf ihrer Infrastructure Report Card erhalten hatte. Dennoch hat New York durchweg bessere Noten von der Organisation erhalten als das Land als Ganzes, was besorgniserregend ist.

Viele fragen sich, ob so etwas in Zukunft häufiger werden wird, da die ohnehin angespannten Strominfrastruktursysteme in Amerikas Großstädten älter werden und durch die wachsende Bevölkerung überlastet werden. Werden Stromausfälle etwas sein, das Unternehmen nur akzeptieren und bewältigen müssen? Ich glaube nicht. Diese Herausforderungen sind zwar real und stellen eine ernsthafte Herausforderung für Stromversorgungssysteme dar, aber die Einführung neuer Technologien wird es Versorgungsunternehmen und ihren Kunden ermöglichen, besser vorbereitet zu sein und Stromausfälle möglicherweise ganz zu vermeiden.

Da ist eine Kristallkugel

Trotz dieser Herausforderungen werden Stromausfälle möglicherweise nicht nur seltener, sondern können möglicherweise ganz vermieden werden. Mit Predictive Analytics, der Kristallkugel der Technologie, sind sowohl Versorgungsunternehmen als auch die von ihnen abhängigen Organisationen besser auf diese Probleme vorbereitet. Prädiktive Analysen ermöglichen es dem Personal, Frühwarnbenachrichtigungen zu erhalten, wenn Probleme unmittelbar bevorstehen, sodass sie das Problem lösen können, bevor der Stromausfall eintritt.

Einige Probleme können Tage oder Wochen vor dem Stromausfall erkannt werden. Bei der Verwendung von Predictive Analytics zur Identifizierung dieser Probleme können sich Lasten bewegen und es können geplante Ausfälle auftreten, um Schäden zu minimieren. Unternehmen könnten eine Vorwarnung zu diesen Problemen erhalten und die geeigneten Schritte unternehmen, um Verluste während dieses Zeitraums zu mindern. Darüber hinaus könnten Energieversorger mit Predictive Analytics notwendige Wartungskosten im Voraus erkennen. Beispielsweise könnten Teile bereits unterwegs sein, bevor das System gewartet werden muss.

Auch die Wartungsfenster würden sich verlängern, da prädiktive Systeme den Gerätezustand überwachen könnten, um genauere Erkenntnisse darüber zu gewinnen, wann bestimmte Systeme ersetzt werden müssen. Das passiert jetzt in der Dienstleistungsbranche. „Mithilfe von KI und maschinellem Lernen sind wir jetzt in der Lage, Wartungspläne zu optimieren, Teile mit hohem Risiko für den Austausch zu bestimmen und sicherzustellen, dass die Techniker die richtigen Werkzeuge und Ersatzteile haben, damit sie keine unnötigen und wiederholten Fahrten machen müssen“, sagte Shahar Chen , Mitbegründer von Aquant mit Sitz in New York.

Der reale Nutzen solcher Systeme wäre schwer zu quantifizieren, aber beträchtlich. Die längere Lebensdauer der Geräte, die verbesserte Effizienz und die Steigerung der Produktivität würden nicht nur für den Energieversorger, sondern auch für alle Kunden dieses Unternehmens spürbar sein.

Predictive Analytics und höhere Gewalt

Dank maschinellem KI-Lernen können wir möglicherweise sogar die Auswirkungen von Naturkatastrophen auf Stromversorgungssysteme vorhersehen. Forscher der Texas A&M University haben kürzlich ein Intelligenzmodell entwickelt, das die Auswirkungen von Hochgeschwindigkeitswinden bei Unwetter vorhersagen kann, sodass Bäume, die in kritischen Gebieten auf Stromleitungen fallen könnten, zuerst beschnitten werden. Im Moment wird diese Art von Arbeit willkürlich gemacht. Die Vorhersage eines optimalen Baumtrimmplans ist nur eine der Anwendungen des Modells. „Jede Art von Umweltdaten, die eine gewisse Relevanz für das Stromnetz haben, können in dieses Vorhersage-Framework eingespeist werden“, sagt Dr. Mladen Kezunovic, der das System mit mehreren Doktoranden entwickelt hat.

In Gebieten, in denen wiederkehrendes Unwetter eine Rolle spielt, können laut Exacter, einem IoT-Unternehmen, das sich mit elektrischen Systemen befasst, seine Algorithmen Geräte erkennen, die abgenutzt sind oder Anzeichen eines Ausfalls aufweisen, bevor ein großer Sturm zuschlägt. Versorgungsunternehmen priorisieren dann die vorbeugende Wartung an den am dichtesten besiedelten und betroffenen Standorten. Nach dem Sturm bieten sie Gesundheitsbewertungen an, um die elektrischen Systeme so schnell wie möglich in Betrieb zu nehmen.

Siehe auch : Nokia trägt dazu bei, die Region Chengdu zu einem intelligenten Kraftwerk zu machen

Ein Win-Win-Szenario

Predictive Analytics bietet ein Win-Win-Szenario für Versorgungsunternehmen und die von ihnen abhängigen Organisationen. Durch die Benachrichtigung von Teams über drohende Risiken (potenzielle Stromausfälle) können sie die notwendigen Maßnahmen ergreifen, um Schäden zu mindern und Reparaturen abzuschließen. Darüber hinaus erhalten Unternehmen Vorwarnungen vor bevorstehenden Ausfallzeiten und können eigene Maßnahmen ergreifen. Produktivität und Effizienz werden sich auf der ganzen Linie verbessern.

Wirklich spannend ist, wie KI und maschinelles Lernen so unmittelbar umsetzbare Erkenntnisse liefern können. Versorgungsunternehmen haben bereits damit begonnen, Predictive Analytics einzuführen und werden ihre Ausgaben in diesem Bereich in den kommenden Jahren erhöhen. Laut Navigant Research werden Versorgungsunternehmen bis 2023 50 Milliarden US-Dollar für Netzüberwachungsgeräte ausgeben. Während Infrastruktur und Systeme Upgrades erfordern, können unsere technischen Fortschritte diese meisten Probleme lösen, bevor es zu einem weiteren kostspieligen und unbequemen Ausfall kommen kann. Das ist jedenfalls meine Vorhersage.