Utility: la data science per minimizzare i rischi

Per minimizzare i rischi di guasto dei sistemi, la Data Science mette a disposizione delle utility importanti strumenti di analisi predittiva: la visione di IBM; il ruolo di Watson

Pubblicato il 08 Apr 2020

Da anni le utility devono affrontare nuove sfide, la proliferazione di concorrenti non tradizionali, abbinata a una richiesta crescente di servizi di qualità a prezzi accessibili, sta spingendo sempre più società del settore ad affrontare problemi prestazionali con l’obiettivo di migliorare al massimo le funzionalità delle proprie reti distributive. Un’operazione complessa, che nella Data Science sta però trovando un forte alleato, in grado di mettere a disposizione strumenti capaci di estrarre valore dalla correlazione di tutti i dati raccolti attraverso sistemi intelligenti di gestione e controllo. Il risultato è un’ottimizzazione continua di asset e risorse, che migliorando le prestazioni garantiscono non solo un servizio migliore al cliente, ma anche importarti recuperi d’efficienza e marginalità per le utility. Smart grid e analisi predittiva consentono, infatti, di operare importanti tagli su alcune voci di costo, riducendo al minimo la componente di rischio legata a guasti, interruzioni del servizio e furti sulle reti. Tre voci che, oltre a ridurre gli introiti delle utility, ledono anche la loro immagine di fornitori altamente affidabili.

La Data Science per prevenire i guasti

Per minimizzare i rischi di guasto dei sistemi, la Data Science mette a disposizione delle utility importanti strumenti di analisi predittiva: analytics e algoritmi di apprendimento automatico che applicati ai dati raccolti sulle reti tramite sensori e tracker elaborano modelli probabilistici di malfunzionamento. Le società di energy management possono così intervenire preventivamente sui sistemi in uso, evitando di incorrere in successive interruzioni di servizio che, oltre a rappresentare perdite economiche per sé e per i clienti, rappresentano anche pericolosi danni d’immagine sul mercato. Chi si affida a una utility deve, infatti, poter contare su una erogazione continua del servizio e qualsiasi sospensione mina il rapporto di fiducia con il fornitore. La Data Science aiuta a costruire questo rapporto in modo solido grazie a un’efficiente manutenzione preventiva.

Ridurre il rischio di blackout

Di norma qualsiasi interruzione di servizio viene imputata dai clienti a guasti sulle reti dei fornitori. Spesso, invece, questi blackout sono effetto di misure preventive attivate da sistemi automatici di protezione. Fino a qualche anno fa le società di energy management disponevano solo di algoritmi e modelli statici per studiare questi fenomeni, non di soluzioni real time. Oggi sempre più utility stanno facendo il salto, implementando sistemi per l’interruzione intelligente dell’alimentazione, capaci non solo di prevedere in tempo reale l’influenza delle condizioni meteorologiche sulla rete elettrica, ma anche di rilevare interruzioni causate da eventi che avvengono sugli smart meter o in specifiche aree. Strumenti intelligenti che grazie all’analisi dei dati in real time riconoscono il tipo di interruzione e avvisano in merito. Non solo. Una volta analizzate le cause dell’interruzione, tutti i dati sono messi a disposizione di algoritmi predittivi incaricati di elaborare modelli probabilistici su blackout futuri. Si tratta, dunque, di un ecosistema di soluzioni intelligenti che grazie alla Data Science aiuta a migliorare l’esperienza e la soddisfazione dei clienti, fornendo informazioni in tempo reale su eventi che non dipendono dal loro fornitore.

La Data Science per mettere al sicuro le smart grid e rilevare frodi

Sebbene sia un reato penale, il furto di energia elettrica rappresenta una delle tipologie di furto più diffuse in Italia, capace di causare anche gravi danni economici alle società di energy management. Per questo le utility compiono da sempre enormi sforzi per arginare il fenomeno e cercare di prevenire qualsiasi sottrazione illecita. Per farlo, è importante monitorare attentamente i flussi sulle smart grid a cui, di norma, i ladri si attaccano utilizzando un semplice innesto diretto al cavo di distribuzione. Questo monitoring in tempo reale permette alle società di energy management di intervenire immediatamente quando sulla rete accade qualcosa di sospetto. Occorre, però disporre di una Advanced Metering Infrastructure, un sistema integrato di smart meter, reti di comunicazione e sistemi di gestione dei dati in grado di fornire report sui consumi e attivare controlli da remoto. A questi sistemi si affiancano, poi, specifiche soluzioni di sicurezza per le smart grid: soluzioni progettate per monitorare i comportamenti degli utenti e rilevare possibili attività illecite da parte di hacker.

Data Science come strumento di Risk management in ambito Energy

Il Risk management è una disciplina incentrata sulla capacità di misurare i livelli di rischio. Un calcolo di perdite e severità dei danni che può essere eseguito solo sulla base di dati estremamente affidabili. Un prerequisito che la Data Science aiuta a soddisfare, mettendo a disposizione delle società di energy management algoritmi avanzati per selezionare, filtrare e analizzare correttamente tutte le informazioni utili all’interno dei Big Data raccolti attraverso le smart grid. In questo modo si evitano sovraccarichi di dati superflui, che spesso portano solo a risultati scadenti. Al contrario, l’implementazione dei migliori strumenti di analisi è in grado di offrire incredibili vantaggi competitivi, prospettando anche nuovi modi per risolvere vecchi problemi. In altre parole, il Risk management affrontato attraverso la lente della Data Science offre al settore Energy la capacità di trasformare i dati in azioni, mitigando i rischi attraverso un’accurata analisi di tutte le informazioni disponibili.

Data Risk Management per mettere al sicuro i dati sensibili delle utility

Come molti altri settori, anche il mercato dell’energy management è sottoposto a forti rischi legati a inosservanze relative al trattamento dei dati sensibili di clienti e fornitori. Rischi che possono avere un impatto pesante sui processi di business di una utility e sulla sua brand reputation. Per azzerarli, la Data Science offre strumenti impareggiabili in grado non solo di rilevare e analizzare i pericoli legati al trattamento dati, ma anche di suggerire misure per una loro maggiore tutela. In particolare, questi strumenti permettono di identificare le informazioni sensibili, offrendo una vista completa su quelle a maggior valore. Parallelamente tool di analisi avanzata consentono di avere una visibilità anticipata sulle minacce che possono potenzialmente arrivare a toccarli, creando modelli di rischio immediatamente comprensibili.

IBM: un approccio integrato per le esigenze delle utility

Occorre poi considerare che, in questa fase storica le utility dell’energia sono sottoposte a numerose sfide, che impattano direttamente sul proprio modello di business. Il riferimento è all’avvento delle energie rinnovabili, alle sempre più stringenti normative ambientali e alle nuove esigenze dei consumatori finali. Per affrontare con successo queste sfide serve avere il controllo completo dei dati a propria disposizione. Il problema classico delle utility, però, è l’esistenza di veri e propri silos di dati, che restano quindi legati a ciascuna branca di attività (operazioni di rete, manutenzione, pianificazione, finanza, supply chain) senza dialogare tra loro. Quello che servirebbe invece alle utility è un approccio di tipo integrato, che permetta un’analisi complessiva e continua di tutti i parametri, così da prendere le decisioni più opportune. In quest’ottica IBM ha sviluppato IBM IoT for Energy, una vera e propria soluzione di analisi a disposizione degli operatori del settore energetico, che si basa proprio sul principio della integrazione dei dati. Questa piattaforma rende possibile acquisire e aggregare tutte le fonti di informazione pertinenti al mondo energy, aggiungendo a tutto questo la connessione a IBM Watson IoT, che consente a sua volta di eseguire le analisi necessarie nella maniera più avanzata possibile. Ottimizzando così il lavoro dei fornitori di energia e velocizzando la loro capacità di reazione.

@RIPRODUZIONE RISERVATA

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Argomenti trattati

Aziende

I
IBM
W
Watson

Approfondimenti

D
Data Science

Articolo 1 di 2