AI • 物聯網 • 網路邊緣

Blaine Mathieu 是重塑能源分配變革的代表性人物。

他家的屋頂有一個 30 千瓦的太陽能電池板，用來將電力輸送回電網。Mathieu 是 Pratexo 的執行長，該公司為公用事業提供邊緣運算軟體平台，是「產消合一者」，同時消耗又生產電力。

這種雙向能源流動並不是公用事業的唯一變化。為了避免全球氣溫上升和氣候變遷帶來了最嚴重的影響，未來的整合式能源系統必須脫碳。世界經濟論壇指出，到 2050 年，必須轉為 50-80%（而非現在的 20%）的直接電力。

Mathieu 表示，脫碳與電動車的增加也讓局勢變得更深不可測。「因此，我們正在從連續、井然有序的集中式能源生產模式迅速轉變為脫碳、分散式、普及化且數位化的模式，」Mathieu 引用 Gartner 近期在該領域的研究指出。

電力生產中的推拉力量正在迫使該產業捐棄將系統視為「持久耐用」的思維模式。反之，，Mathieu 表示系統必須是「專為變革打造」的智慧電網。這種思維模式的重新啟動是一種根本性的轉變，而且「只有軟體才能實現那種快速演進與變革，」他補充道。

分散式電源與分散式運算

為了適應必經的快速演進與變革，公用事業產業仰賴於邊緣（感應器和機器運作之處）資產衍生的 IoT 資料。前提是，應用 AI 與機器學習從 IoT 資料流獲得的深入解析，可讓公用事業變得更高效。

為了獲得這些優勢，將演算法引進邊緣的資料會比反向更為高效。「每天都有數百座風車產生十億位元組的資料時，不可能將這一切都推向中央雲端，」Mathieu 表示。「反之，您應該在本地前置處理部分甚至全部的原始資料，然後僅將重要事件中較輕的事件流傳送至雲端，進一步分析。」

對於部署分散式運算以供邊緣分析而言，這是令人信服的論據。

Mathieu 表示，資料進出雲端的成本並不是轉向分散式運算的唯一影響因素。需要持續監控電網並在數毫秒內對變化做出反應。在這種情況下，邊緣分散式運算的低延遲也特別具有吸引力。

為電網的發展開疆闢土

分散式運算可能是現今分散式電網的首選，但它缺乏雲端運算的流暢協調能力。在分散式運算模型中，必須遠端管理及協調靠近現場變壓器的遙遠邊緣節點。並非流暢無縫。

但 Mathieu 表示，透過 Pratexo，電力公司也可以魚與熊掌兼得：可以為邊緣部署分散式運算模型，並且仍然享受雲端運算的輕鬆協調與管理。

挪威的智慧電網

挪威公用事業服務供應商 HallingdalKraftnett（HKN）是 Pratexo 智慧能源電網解決方案發揮功用的完美典範。

挪威有超過 70% 的車輛是電動車，，因此對電網造成巨大壓力。HKN 管理超過 3,000個遠端變電站；出狀況的話，必須在毫秒內作出回應。

由於智慧電網監控解決方案是一個預先架構及專為電網監控而定製的框架，配備有一組儀表板、基本分析，以及與現有硬體整合，Pratexo 只需混搭幾塊樂高積木，即可為 HKN 開發自訂解決方案。

HKN 拖放式解決方案包含與變壓器設備、外部功率計、濕度表與溫度感應器整合。它也使用麥克風，聆聽變壓器聲音，偵測名為局部放電的劈啪作響聲。音波分析器機器學習演算法處理這些聲音，並且比標準手動檢查通訊協定更快的動作，為維護團隊提供警示。

每個變電站的邊緣節點在本地處理資料，然後將資料路由至遠端變電站之間形成的區域微雲端。如此降低延遲有助於 HKN 部署基於狀態的維護，並在數秒內針對問題做出反應。因此，它們可避免因停電而造成的嚴厲處罰。

所有的 Pratexo 部署都是採用 Intel 處理器。「我們部署的平台幾乎所有的軟體元件與元素，首先都是為了與 Intel 相容編寫的，」Mathieu 表示，並補充說明該公司已與 Intel^® OpenVINO^™ 工具組整合，用於在其他應用程式中進行邊緣實施的 AI 處理。

電網的未來

Mathieu 表示，Pratexo 提供的軟體靈活且可組合，正是加速因應氣候變遷所需的利器。

「您不是部署靜態且難以變更的軟硬體架構，而是將技術思維轉向可組合性，也就是能夠在必要的時候迅速更換及變更或增強單一元件，」Mathieu 如是說。如此一來，我們便打造了易於適應變化的智慧電網。

「軟體變化多端。如果我們能採用最好的軟體元件，應用於公用事業與電氣化，這是實現眼前目標的唯一方法，」Mathieu 表示。

這不失為一件好事，尤其氣候變遷的現實日益明顯地令人擔憂，更是如此。
 

由 insight.tech 編輯副總監 Georganne Benesch 編輯。