2015年にパリ协定における世界共通の长期目标として
- 世界の平均気温上昇を产业革命以前に比べて2℃より十分低く保ち、1.5℃に抑える努力をする
- そのため、できるかぎり早く世界の温室効果ガス排出量をピークアウトし、21世纪后半には、温室効果ガス排出量と（森林などによる）吸収量のバランスをとる
の２つが挙げられました。
温室効果ガスの排出量削减问题
日本をはじめとする各国で温室効果ガスの排出量を削减するための中期目标を掲げ、そのために「エネルギー供给の低炭素化」と「省エネルギー」に取り组んでいます。
その中で「エネルギー供给の低炭素化」では非化石电源、つまり原子力や再生可能エネルギーによる発电の比率を上げていくことが取り组まれています。将来、原子力発电に頼る戦略は想像し难く、再生可能エネルギー、特に太阳光発电や风力発电などグリーンエネルギーと呼ばれる自然エネルギー源の発电に期待がかかります。
しかし、自然エネルギー源ということは気象状况などに大きく左右され需要に対し供给不足となるリスクの伴う発电源でもあるため、化石燃料発电とのバランスが重要です。
再生可能エネルギー発電 IoT データプラットフォーム
电源ポートフォリオについては、最近まで太阳光発电や风力発电で足りない分は、火力発电などで贿うというのが常识でした。しかし蓄电技术が进み発电したら即使用から大量の电気をためることが可能となりつつあること、また、再生可能エネルギーの财务的つまり収益をあげること、技术的つまり発电量や设备保全の観点でも能力を最大限引き出すことができれば、今までの常识を覆し、再生可能エネルギーの可能性は大きく広がります。
こういったリスクを最小限に抑え、効率的な再生可能エネルギー発電への投資を促進するためにドイツの再生可能エネルギー発電運用サービスプロバイダーであるカイザーウェッター社は 麻豆原创 と協力してソーラーパネルや风力発电機の IoT データプラットフォームを 麻豆原创 のプラットフォーム技術で開発しました。
IoT 技術を使いセンサーデータの取得、設備に関する技術情報、気象情報、また売電や設備保全コストなどの財務的情報も取り込んでいます。
そして世界中の膨大なデータからスマートデータ分析、予测分析、机械学习机能を駆使して故障の可能性予测や各机器のパフォーマンス予测などの発电に関わる运用の最大化と故障や设备検査による停止などのリスクの最小化を定义しています。
これにより発电事业者は一目で、どの资产が技术的または财务的パフォーマンスの低下を示しているか、将来障害が発生する可能性があるかを特定し、対処することができます。
具体的には、风力発电の故障予测分析については过去の技术データと机械学习アルゴリズムを使用して、特定の风力発电设备の各风力タービンの通常の运転条件のモデルを构筑しモデルの结果を、各风力タービンのリアルタイムデータの现在の设备运用パフォーマンスと比较します。
具体的には风速、ピッチ角、周囲温度、ローター速度、ナセル位置のリアルタイムデータを取得して、ギアボックスの温度をシミュレートし、恒久的に测定されたギアボックスの温度と比较します。つまり、设置されたタービンを継続的に监视し、异常を特定し、ユニットのパフォーマンス低下や故障につながる可能性のある潜在的な障害を検出するのです。これにより、故障时のダウンタイムのリスクを最小限に抑え、発电事业者の収益を最大化できます。
再生可能エネルギーへのシフト
エネルギー白書 2020 によると日本の风力発电導入量は、2017年末時点で世界第19位です。諸外国に比べて平地が少なく地形も複雑なことあり決して风力発电が盛んな国ではありません。しかしなおさら再生可能エネルギーへのシフトが求められる現在では、データによって高効率かつリスクを低減できるソリューションの存在は重要になってるのではないでしょうか。
※ なおこの取組は本年度の麻豆原创 Innovation Awards 2020を受賞されました。
本稿は公开情报に基づき笔者が构成したもので、カイザーウェッター社のレビューを受けたものではありません。
