Projekt ötletek az Okos Jövő Innovációs Klaszter részére

Projekt ötletek az Okos Jövő Innovációs Klaszter részére IBM Magyarországi Kft. Prikk János Energiaipari üzletág - szektorvezető

© 2013 IBM Corporation

Okos Jövő Innovációs Klaszter projekt lehetőségek

Napirend • Bemutatkozás • IBM kutatás fejlesztési potenciál • BIG DATA innovációs projekt • EV innovációs projekt

2



IBM bemutatkozás

• A világelső informatikai vállalkozások egyike • Az IBM 2011-ben ünnepelte 100 éves fennállását és 77 éve működik hazánkban is • Az USA-ban második a foglalkoztatottak számát tekintve 430,000 dolgozóval (2012) • Magyarországon több mint 5000 dolgozó, a Magyar Köztársaság stratégiai partnere • 2012-es éves árbevétel meghaladja a 103 milliárd USD-t • Világelső az évente bejelentett szabadalmak számát tekintve (6478db csak 2012-ben) 3




4



IBM = 100 év innováció

5



IBM = Kutatás Dublin Zürich Almaden

Watson, New York Beijing, Sanghaj

Haifa

Tokyo

Austin Delhi, Bengalu ru Nairobi, Kenya

Rio de Janeiro, Sao Paolo Melbourne

6

• 6 kontinens, 12 kutatólabor • Éves szinten 6mrdUSD kutatási költségvetés (az árbevétel 6%-a) • 5 Nobel díjas a kutatók között • 1993 és 2013 között több mint 67,000 szabadalmazott IBM találmány (több mint az Accenture, Amazon, Apple, EMC, HP, Intel, Oracle/SUN, Symantec cégeknek összesen) © 2013 IBM Corporation



7



Merre halad az energiaipar?

8



Mi is az a BIG DATA?

9


Okos Jövő Innovációs Klaszter projekt lehetőségek Cognitive Systems

Computer Intelligence

Programmable Systems

Tabulating Systems

Personalization Systems of Engagement Mass Production

Mass Customization

Counting and Tracking Systems

Operational Systems

Product Centric, Process Driven.

Customer Centric, Data Driven.

Time 10



Cloud Computing

Cloud

Mobile

Social Media

Internet of Things

11



Geospatial

Customer

Location information

Demographics, usage patterns

Customer service

Field Service / Maintenance

Executive team Events

Generation Trading partners, capacity, generation schedules

Sales Grid

Equipment, sensors, smart meters 12

Finance

Marketing

weather, local events

Social Customer sentiment © 2013 IBM Corporation


Business analytics and Optimization – BIG DATA Streams

Data in Motion

   

Video/Audio Network/Sensor Entity Analytics Predictive

Information Ingestion and Operational Information

Data at Rest

Data in Many Forms

13

Intelligence Analysis

Real-time Analytics

 Stream Processing  Data Integration  Master Data

Landing Area, Analytics Zone and Archive

Exploration, Integrated Warehouse, and Mart Zones    

Discovery Deep Reflection Operational Predictive

 Raw Data  Structured Data  Text Analytics  Data Mining  Entity Analytics  Machine Learning

Decision Management

BI and Predictive Analytics

Navigation and Discovery

Information Governance, Security and Business Continuity



Business analytics and Optimization – Platform Data Consolidation

Data in motion

Correlation and Optimization InfoSphere Streams

Real-time Analytics

High Volume / High Velocity Events

SENSE

ANALYZE

Resource Allocation

Control Signals

ACT

Operational Systems

PMU/PDC Weather/ Environment Condition Monitoring SCADA

GIS Demand Response Load Forecast Trading RCM

Data in many forms Bulletins Test and Inspection

14

Operations Logs

Unstructured

EAM

Information Server Structured ETL/ELT and TxN Replication

Data at rest

Aggregated Streaming Data

Raw and composite measurements and events

Data

Integrati Big Insights on

Scoring Models

Informix TimeSeries

Constraints and Rule Definition

Mathematical Optimization

Business Analytics

Intelligent Operations Center (IOC/IOW) KPIs and (IOC/IOW)

Statistical Decision Analytics Mgt Predictive Maintenance and Quality (PMQ) Analytic Data Store

Integrated Dashboards

Inventory Planning

Information Consolidation and Situational Awareness

Orchestration and Integration Pre and Post Processing Data Warehouse

Capital Planning

GeoSpatial

Presentation: KPIs, Dashboards, and Drill-downs

Pure Data for Analytics

Search/ Discovery

Optimization

Historian

Structured Data

Operations Guidance

iLog CPLEX

Work Orders Asset Status

Predictive Analytics Asset Master Work History

Enterprise Asset Management Asset Asset Management Management



Mi a projekt célja? Célunk olyan műszaki megoldások kifejlesztése, meghonosítása és kipróbálása, mely lehetővé teszi az „Okos Hálózat”-ban keletkező valós-idejű, esemény- és kumulatív adatok valamint a fogyasztókkal történő kapcsolattartás során keletkező, illetve a már felhalmozódot adatok egységes, feldolgozásával új típusú információk előállítását és kommunikációját a piac szereplői felé.

15



Mely területek érintettek?

•Ügyfélismeret és ügyfélkezelés •Kockázatkezelési és visszaélés felderítési megoldások •Személyreszabott, új és innovatív szolgáltatások •Valós idejű adatkezelés és beavatkozások •Komplex eseménykezelés •Új generációs eszközmenedzsment és létesítmény monitoring

16



Lehetséges projekt eredmények? • Tanulmány, mely azonosítja a lehetséges meglévő vagy jövőben kiépülő adatforrásokat, szenzorokat, elemzi azok adatszolgáltatási profilját, illetve azonosítja a felhasználási eseteket és a valós üzleti igényeket. •Infokommunikációs infrastruktúra „Smart Grid” információfeldolgozás megvalósítására. •„Big Data” adatmodell • Megjelenítési és információelérési megoldások. •Innovatív szolgáltatások 17



K+F tevékenységek? • Új típusú, innovatív energetikai szolgáltatások kidolgozása • Új típusú, komplex eseménykezelés kifejezetten kisfeszültségű fogyasztói hálózatok menedzsnentjének javítása, illetve a hálózati veszteségek csökkentése érdekében. •Új tarifaszámítási algoritmusok kidolgozása a fogyasztói szokások befolyásolása, illetve a VER rendszeregyensúly hatékonyabb biztosítása érdekében. •Módszerek, folyamatok fejlesztése a megújuló alapú energiatermelés hatékonyabb és gazdaságosabb működtetését segítő vezérlő és tervezési információk gyorsabb, pontosabb, személyreszabottabb előállítása érdekében. •VER számára eszközélettartam optimalizálási módszerek fejlesztésa „Big Data” elemzések felhasználásával. 18




19



20



Az EV (Electric Vehicle) üzemeltetés bonyolult?

Charge operators will be able to accept all payment forms (periodic and PoS)

Real time pricing and automatically charge modulation based on customer preferences enable customers to smartly charge at home

Charge Provider D

Charge Provider C

Charge Provider A

Utility 1

With appropriate integration with system operators and charge posts, electric vehicles can effectively harness renewable generation for charge

A central authorization system identifies users and allows them to charge out work with the energy consumption properly metered and displayed on their monthly utility bill

Charge Provider B

Charge Provider B

Charge Provider A

Charge Provider B

Utility 2

Vehicles will be able to charge on different networks with the appropriate systems in place

EVSE Health is reported to operator and availability and key characteristic provided to prospective users Utilities will be able to accurately meter PEV charging and provide charge event data on monthly statements 21 21



EV ökoszisztéma

New Entrants / Third Parties  Battery Data (Battery Leasing Companies)  Customer Information  Charge post location

End Consumer  Charge post location and status  Vehicle recharge price  Usage data

Energy Provider  Consumption Information  Billing Data  User Identification  Grid Constraints  Demand Forecasts  Energy Pricing

Electric Vehicle Ecosystem

Automotive OEM  Vehicle Diagnostics  Vehicle Usage Patterns  Battery Information

Government / Regulatory  Usage Data  Tax Information  CO2 Emission Data

Charge Operator  Subscriber Information  User Authorization  Consumption Information  Billing Data  HW Diagnostics / Management  Localized Load Management 22 22



Lehetséges működési modellek Electricity, Maintenance, etc.

Customer

Utility

Payment

Utility Operated Utility Owned Electricity, Maintenance

Customer

Electricity

3rd Party

Utility

Payment

Payment

3rd Party Operated

Electricity. Maintenance

3rd Party

Customer Utility Operated

Electricity, Maintenance

Customer 3rd Party Operated

Utility

Payment

3rd Party Owned

Utility As Sales Channel

Payment EVSE usage

Payment

Electricity

3rd Party

Utility Payment

Note: “3rd Party could include Service Providers, Municipals, Customers, etc. 23 23



Mi a projekt célja?

Célunk olyan műszaki megoldások kifejlesztése, meghonosítása és kipróbálása, melyek kényelmessé, gazdaságossá és vonzóvá teszik az elektromos járművek széleskörű használatát nem csak a közösségi, hanem az üzleti vagy akár személyes közlekedésben is.

24



Lehetséges projekt eredmények? • Tanulmány, mely leírja az elektromos járművek használatának műszaki, kereskedelmi és üzemeltetési modelljét és folyamatait valamint javaslatot ad az érintett piaci szereplők közötti feladatmegosztásra. • Maximum 100 töltőoszlopból álló hálózat infrastruktúra tervezése, kiépítése és karbantartása •Menedzsment rendszer tervezése, fejlesztése és üzembe állítása töltőoszlop kezelés, elszámolási folyamat, töltési folyamat- és ügyfélkapcsolat kezelés céljából. •Piaci modell fejlesztése és bevezetése (szolgáltatói és végfelhasználói szerződések, új piaci szereplők) a bevont piaci szereplőkre. •Okos töltési infrastruktúra és működési modell kialakítása.

25



K+F tevékenységek? • Üzleti értéklánc és működési modell tervezése és fejlesztése, illetve a hazai piaci és szabályozói környezetbe való illesztése. •Egységes elektromos jármű mendzsment rendszer fejlesztése. •Elektromos járművek fedélzeti adatgyűjtő, kommunikációs és töltésvezérlő infrastruktúrájának tervezése, fejlesztése és integrációja. •Egységes okos töltést megvalósító rendszer tervezése, fejlesztése és kialakítása. •Működési logika és optimalizálási módszer fejlesztése elektromos járművek Smart Home integrációjához. •Működési logika és optimalizálási módszer fejlesztése elektromos járművek VER integrációjához a megújuló alapú termelés növelésének és rendszerbe szabályozhatóságának érdekében. •Közösségi közlekedésre specializált villamos hajtású jármű használati módszerek és megoldások kutatása és fejlesztése.

26


Köszönöm a figyelmet! . Prikk János [email protected]



IBM = Innovatív energiaipari megoldás példák 1. IEVEP – IBM Intelligent Electric Vehicle Platform 2. Smart Charging – IBM Flexible Load Management 3- HyREF – IBM Hybrid-DA based Renewable Energy Forecasting Solution

28


Projekt ötletek az Okos Jövő Innovációs Klaszter részére

Recommend Documents