Мотивы и результаты внедрения технологий Big Data в сферу жилищно-коммунального хозяйства

The article discusses the possibility and expediency of the use of technology to work with large data (Big Data) to monitor the processes of energy supply and energy consumption in the field of housing and communal services of the Russian Federation. The possibility of implementing Big Data technology tools and resources of cloud computing. Examples of tasks that you can use technology Big Data. The evaluation of the advantages and prospects of this approach. We consider cloud computing platform (Cloud Computing) as a basis for collecting and processing large volumes of data practices Big Data. Examples of data sharing technologies in the field of housing.

МОТИВЫ И РЕЗУЛЬТАТЫ ВНЕДРЕНИЯ ТЕХНОЛОГИЙ BIG DATA В СФЕРУ ЖИЛИЩНО-КОММУНАЛЬНОГО ХОЗЯЙСТВА.

Развитие технологий хранения и обработки информации было спровоцировано ростом объема разнородной информации. Особый интерес наблюдается в направлении использования парадигмы «Больших Данных» (Big Data). Концепция Big Data представляет собой модель масштабного управления массивами распределенных слабоструктурированных данных. [1]

Сегодня технология работы с Big Data реализуется в различных отраслях. В основном это финансовые учреждения и банки, предприятия сервис-провайдеров телекоммуникационных услуг, энергетики, маркетинга и т.п. В частности, к подобной сфере относятся автоматизированные системы управления технологическими процессами генерации, транспортировки, потребления и утилизации энергоносителей в службах тепло-, водо-, газо- и энергоснабжения. Контроллеры узлов учета энергопотребления собирают большое количество архивных и оперативных данных. Обработка этих данных при помощи технологий Big Dat способно повысить эффективность работы систем диспетчерского управления потреблением энергоресурсами, и поэтому целесообразно использовать их при создании автоматизированных систем энергетического мониторинга нового поколения.

Внедрение технологий Big Data в сферу энергетики ЖКХ

Модели и методы работы с Big Data занимают особое место среди современных информационных технологий. Технологии работы с Big Data обеспечивают разносторонний анализ информации, оперативно извлекаемой из больших объемов неструктурированных или слабоструктурированных данных.[2]

Внедрение и использование методов Big Data для автоматизации обработки информации в сфере энергетики является целесообразным, так как технология позволяет решить, ряд вопросов на этапе проектирования энергоснабжения новых районов в отношении определения проблемных зон и т.п. Сбор и обработка больших массивов данных с приборов учета энергии и промышленных контроллеров позволяет проводить ситуационный анализ и прогнозировать развитие ситуаций с целью предотвращения внезапных отключений, аварий и нештатных ситуаций при энергоснабжении районов города в режиме реального времени.

Сущестует ряд актуальных задач, для решения которых возможно применение технологий работы с Big Data: анализ спутниковых данных для планирования городского пространства; сбор, обработка и анализ данных о состоянии каналов транспортировки энергии, прогнозирование энергопотребления и т.п. Прогноз потребления электроэнергии, в частности, позволяет оптимизировать работу энергогенерирующих предприятий. Планирование экономичных режимов с учетом требования бесперебойного снабжения городских районов электроэнергией целесообразно осуществлять путем обработки и анализа энергетических данных с измерительных приборов, которые позволяют отслеживать использование ресурсов на протяжении дня.

В настоящее время развиваются технологии получения электроэнергии из альтернативных источников и восполняемых ресурсов. Например, есть возможность использовать малые гибридные энергетические комплексы, включающие солнечные батареи и ветряные генераторы с аккумуляторами энергии, которые позволят не только накапливать энергию, но и перераспределять ее излишки другим потребителям. Множество таких комплексов составляют основу для создания Smart Grid энергосетей. Однако, для управления процессами получения и перераспределения энергии в такой сети, требуется мощный инструмент анализа данных. Как результат, службы городского энергоснабжения могу экономить на закупках электроэнергии, а владельцам малого энергетического комплекса дает возможность получения коммерческой выгоды.

Оценивая ситуацию в России, можно сказать, что «Big Data» — тема, которая активно обсуждается основными технологическими, финансовыми и энергетическими компаниями. На ряду с этим, ЖКХ это та сферы, где обработка большого количества информации и алгоритмизация регуляторных решений может быть особенно полезна. К примеру, при организации работы электрической энергосистемы требуется в режиме реального времени синхронизировать деятельность огромного количества субъектов и выработать справедливое ценообразование с учетом многих факторов.

Однако, особенностью сферы энергетики нашей страны является то, что это одна из наиболее консервативных отраслей в нашей. Более 40% задач относятся к обычной отчетности. Но в последнее время наблюдается увеличение числа задач и проектов по аналитике данных в реальном времени. В основном это вызвано существенным ростом числа датчиков и устройств, выступающих в роли непрерывного генератора данных.

Таким образом, можно сказать, что методы интеллектуального анализа Big Data могут применяться в сфере коммунальных услуг для решения целого ряда задач.[4] Они помогают оптимизировать процессы производство энергии, повысить эффективность работы с клиентами. Анализ показателей энергоснабжения и энергопотребления данных в реальном времени помогает реагировать на возможные отключения энергоснабжения, оценивать энергетический рынок, прогнозировать спрос и предложение, вести учет финансов в процессе энергетического менеджмента.