Brug af Big Data i Energi (og Logistik) Professor Torben Bach Pedersen Center for Data-intensive Systemer (Daisy) Institut for Datalogi. Aalborg Universitet tbp@cs.aau.dk
Logistik: Big RFID Data BagTrack styr på bagagen HTF: Daisy, Lyngsoe, SAS, IATA, AAL, Bagagestrimler med RFID chips i læs på afstand Nummerplade (ID), rute, dato Vision: verdensomspændede bagageinformation i realtid reducer bagageproblemer med 50% i 2020 og spar 1.2 mia. US$/år Daisy BI forskning Rensning af data mening af RFID læsninger Realtids data og forespørgsler OLAP/DW analyser processer og målinger Data mining: problemer og årsager i event sekv. Store og komplekse data, 1000+ lokationer Departure Transfer Arrival Sådan skaber du værdi med Big Data, 13. september 2016 2
Big Energy Data hvorfor? Samfundsudfordringer og løsninger Global opvarmning og CO2 reduktioner Energi forsyningssikkerhed reducer energiindkøb udefra Atomkraft risici og udfasning Løsning: mere energi fra vedvarende energi kilder (RES) EU 20-20-20 mål, DK: 2020: 50% el fra RES, 2035: 100% el og varme fra RES, 2050: 100% RES i alle sektorer Effekt: fra fossil til electrisk energi Elbiler og varmepumper: bruger hver årligt som en husstand Det danske elforbrug (ikke energi) forventes tredoblet i 2050 Sådan skaber du værdi med Big Data, 13. september 2016 3
Energi som vinden blæser Svingende RES energi Vind Sol Bølger/tidevand CRES 22 kwp (Greece ) Vejrforhold m.m. afgør energiproduktion Windpark 2410 kwp (Greece) Sådan skaber du værdi med Big Data, 13. september 2016 4
For lidt eller for meget energi 2008 DK Vest tal Nye DK for el fra vind, % of total 2015: 42% December 2014: 57,4% Stiger til 60% i 2025 Fremtiden er her i dag! Sådan skaber du værdi med Big Data, 13. september 2016 5
Fleksibelt forbrug kan hjælpe (Op)vaskemaskiner, frysere,.. : kan køre fleksibelt Elbiler kan blive (af-) ladet fleksibelt under parkering Varmepumper kan køre fleksibelt indenfor temperatur interval Op mod 80-85% af det fremtidige (tredoblede) forbrug er fleksibelt! Sådan skaber du værdi med Big Data, 13. september 2016 6
Energi-fleksibilitet: Flex-Offers Fleksibilitet i forbrug specificeres, med eksplicit fleksibilitet I tid, volumen, pris 1. Jeg kommer hjem kl 22 og vil have min elbil ladet op billigst muligt inden kl 6. 2. Min intelligente energistyring laver et flex-offer (FO) 3. Baseret på forudsigelser af vejr og elpriser bestemmer min elhandler at Foet skal starte kl. 3 4. Kl. 3 går elbilen i gang med at oplade hvis den ikke har fået ny besked inden kw 2h Profile t 10pm earliest starting time Flexibility interval 6 am latest starting time 8 am Sådan skaber du værdi med Big Data, 13. september 2016 7
Use case: Balancering Demand Supply Flex-offers Non-schedulable Mål: 8-9% peak reduktion! demand Sådan skaber du værdi med Big Data, 13. september 2016 8
Demand Supply Use case: Mere Grøn El Non-schedulable RES Flexoffers Non-schedulable demand Sådan skaber du værdi med Big Data, 13. september 2016 9
Flex-Offer Livscyklus Tusinder af macro FOs Fit m. forecasts+begrænsninger, priser, forhandling Skedulering Send Til forbrugere Millioner af micro FOs Kan delvist genkøres flere gange for at håndtere ændringer Sådan skaber du værdi med Big Data, 13. september 2016 10
MIRABEL: balancer i real-tid Sådan skaber du værdi med Big Data, 13. september 2016 11
MIRABEL Resultater 7-13% besparelse for balanceansvarlig 13-50% reduktion af spidsbelastning Det initielle mål var 8-9% Højere basis-belasting Bedre integration af vind+sol (RES) 70% af negativ effekt af svingende vind+sol kan neutraliseres hvis 15% af elforbruget er fleksibelt og kontrollerbart Husholdninger kan spare 10-20% Med energilager: op til 50% CO 2 besparelse Best Poster Award, World Smart Grid Forum 2013 IT4Energy, April 28, 2015 12
Totalflex Markedsbaseret Total fleksibilitet Balance/begrænsninger Resultater Detektering/forudsigelse af forbrug/fleksibilitet via Big Data+machine learning Avanceret Undgå flaskehalse i nettet Smart home integration Marked for fleksibilitet Spar 49% på reguler pris Existing electricity markets Electricity company BRP Buying bid CVPP Virtual Energy market Selling bid Aggregator flex-offer TVPP Buying bid DSO Sådan skaber du værdi med Big Data, 13. september 2016 13
Arrowhead Største FP7 projekt 80+ partners: collaborative automation Virtual Market of Energy Nem SOA integration Cases: elektromobilitet produktion boliger erhverv Sådan skaber du værdi med Big Data, 13. september 2016 14
GOFLEX Integration af RES i distributionsnettet MIRABEL+ Totalflex + udvidelser Horizon 2020 Budget 66 mio. Rangeret no. 1 12 partnere IBM Research DSO Tyskland DSO Schweiz DSO Cypern Sådan skaber du værdi med Big Data, 13. september 2016 15
DiCyPS: Data-intensive CPS Data+processer+brugere: energi, transport, sundhed, Sådan skaber du værdi med Big Data, 13. september 2016 16
Big Data i Energi (og Logistik) Big Logistics Data BagTrack Styr på bagagen RFID tags på bagage Big data analyser giver store besparelser men det kræver et stort forarbejde! Big Energy Data Flex-offers: fleksibelt forbrug Ny, Big Data teknologi til smart energi Mere kraftfuld og effektiv end traditionelle metoder MIRABEL, Totalflex, Arrowhead, GOFLEX projekterne Stor støtte fra DK og EU Store besparelser i penge og CO2 Understøtter meget mere grøn energi Nyt spinout FlexShape kommercialiserer flex-offer teknologien Sådan skaber du værdi med Big Data, 13. september 2016 17
Referencer http://people.cs.aau.dk/~tbp http://daisy.aau.dk/bagtrack/ http://www.lyngsoesystems.com/en/solutions/airportsairlines/ http://www.totalflex.dk http://www.arrowhead.eu http://www.dicyps.dk http://www.flexshape.dk Sådan skaber du værdi med Big Data, 13. september 2016 18