Projekt ötletek az Okos Jövő Innovációs Klaszter részére

Átírás

1 Projekt ötletek az Okos Jövő Innovációs Klaszter részére IBM Magyarországi Kft. Prikk János Energiaipari üzletág - szektorvezető

2 Napirend Okos Jövő Innovációs Klaszter projekt lehetőségek Bemutatkozás IBM kutatás fejlesztési potenciál BIG DATA innovációs projekt EV innovációs projekt 2

3 IBM bemutatkozás A világelső informatikai vállalkozások egyike Az IBM 2011-ben ünnepelte 100 éves fennállását és 77 éve működik hazánkban is Az USA-ban második a foglalkoztatottak számát tekintve 430,000 dolgozóval (2012) Magyarországon több mint 5000 dolgozó, a Magyar Köztársaság stratégiai partnere 2012-es éves árbevétel meghaladja a 103 milliárd USD-t Világelső az évente bejelentett szabadalmak számát tekintve (6478db csak 2012-ben) 3

5 IBM = 100 év innováció 5

6 IBM = Kutatás Almaden Watson, New York Dublin Zürich Haifa Beijing, Sanghaj Tokyo Austin Delhi, Bengalu ru Nairobi, Kenya Rio de Janeiro, Sao Paolo Melbourne 6 6 kontinens, 12 kutatólabor Éves szinten 6mrdUSD kutatási költségvetés (az árbevétel 6%-a) 5 Nobel díjas a kutatók között 1993 és 2013 között több mint 67,000 szabadalmazott IBM találmány (több mint az Accenture, Amazon, Apple, EMC, HP, Intel, Oracle/SUN, Symantec cégeknek összesen)

8 Merre halad az energiaipar? 8

9 Mi is az a BIG DATA? 9

10 Cognitive Systems Programmable Systems Computer Intelligence Tabulating Systems Mass Production Counting and Tracking Systems Product Centric, Process Driven. Mass Customization Operational Systems Personalization Systems of Engagement Customer Centric, Data Driven. 10 Time

11 Cloud Computing Cloud Mobile Social Media Internet of Things 11

12 Okos Jövő Innovációs Klaszter projekt lehetőségek Geospatial Customer Location information Demographics, usage patterns Customer service Field Service / Maintenance Executive team Events Generation Trading partners, capacity, generation schedules Sales Grid Equipment, sensors, smart meters 12 Finance Marketing weather, local events Social Customer sentiment

13 Business analytics and Optimization BIG DATA Streams Real-time Analytics Intelligence Analysis Data in Motion Data at Rest Information Ingestion and Operational Information Stream Processing Data Integration Master Data Video/Audio Network/Sensor Entity Analytics Predictive Landing Area, Analytics Zone and Archive Raw Data Structured Data Text Analytics Data Mining Entity Analytics Machine Learning Exploration, Integrated Warehouse, and Mart Zones Discovery Deep Reflection Operational Predictive Decision Management BI and Predictive Analytics Navigation and Discovery Data in Many Forms Information Governance, Security and Business Continuity 13

14 Business analytics and Optimization Platform Data in motion PMU/PDC Data Consolidation Correlation and Optimization Resource Allocation High Volume / High Velocity Events Real-time Analytics SENSE ANALYZE ACT InfoSphere Streams Control Signals Operational Systems Weather/ Environment Condition Monitoring SCADA Data at rest GIS Demand Response Load Forecast Trading RCM EAM Data in many forms Bulletins Test and Inspection Raw and composite measurements and events Information Server Structured ETL/ELT and TxN Replication Unstructured Data Integrati on Big Insights Informix TimeSeries Historian Structured Data Pure Data for Analytics Data Warehouse Aggregated Streaming Data Scoring Models Constraints and Rule Definition Optimization Predictive Analytics Mathematical Optimization Presentation: KPIs, Dashboards, and Drill-downs Business Analytics ilog CPLEX Statistical Analytics Predictive Maintenance and Quality (PMQ) Analytic Data Store Orchestration and Integration Pre and Post Processing Decision Mgt Asset Master Work History Search/ Discovery Geo- Spatial Intelligent Operations Center (IOC/IOW) KPIs and Integrated Dashboards Information Consolidation and Situational Awareness Work Orders Asset Status Operations Guidance Capital Planning Inventory Planning Enterprise Asset Management Asset Management Asset Management Operations 14 Logs

15 Mi a projekt célja? Célunk olyan műszaki megoldások kifejlesztése, meghonosítása és kipróbálása, mely lehetővé teszi az Okos Hálózat -ban keletkező valós-idejű, esemény- és kumulatív adatok valamint a fogyasztókkal történő kapcsolattartás során keletkező, illetve a már felhalmozódot adatok egységes, feldolgozásával új típusú információk előállítását és kommunikációját a piac szereplői felé. 15

16 Mely területek érintettek? Ügyfélismeret és ügyfélkezelés Kockázatkezelési és visszaélés felderítési megoldások Személyreszabott, új és innovatív szolgáltatások Valós idejű adatkezelés és beavatkozások Komplex eseménykezelés Új generációs eszközmenedzsment és létesítmény monitoring 16

17 Lehetséges projekt eredmények? Tanulmány, mely azonosítja a lehetséges meglévő vagy jövőben kiépülő adatforrásokat, szenzorokat, elemzi azok adatszolgáltatási profilját, illetve azonosítja a felhasználási eseteket és a valós üzleti igényeket. Infokommunikációs infrastruktúra Smart Grid információfeldolgozás megvalósítására. Big Data adatmodell Megjelenítési és információelérési megoldások. Innovatív szolgáltatások 17

18 K+F tevékenységek? Új típusú, innovatív energetikai szolgáltatások kidolgozása Új típusú, komplex eseménykezelés kifejezetten kisfeszültségű fogyasztói hálózatok menedzsnentjének javítása, illetve a hálózati veszteségek csökkentése érdekében. Új tarifaszámítási algoritmusok kidolgozása a fogyasztói szokások befolyásolása, illetve a VER rendszeregyensúly hatékonyabb biztosítása érdekében. Módszerek, folyamatok fejlesztése a megújuló alapú energiatermelés hatékonyabb és gazdaságosabb működtetését segítő vezérlő és tervezési információk gyorsabb, pontosabb, személyreszabottabb előállítása érdekében. VER számára eszközélettartam optimalizálási módszerek fejlesztésa Big Data elemzések felhasználásával. 18

20 20

21 Az EV (Electric Vehicle) üzemeltetés bonyolult? Real time pricing and automatically charge modulation based on customer preferences enable customers to smartly charge at home Charge operators will be able to accept all payment forms (periodic and PoS) Charge Provider D Charge Provider A Utility 1 Charge Provider C With appropriate integration with system operators and charge posts, electric vehicles can effectively harness renewable generation for charge A central authorization system identifies users and allows them to charge out work with the energy consumption properly metered and displayed on their monthly utility bill Charge Provider B Charge Provider B EVSE Health is reported to operator and availability and key characteristic provided to prospective users Charge Provider A Charge Provider B Utility 2 Vehicles will be able to charge on different networks with the appropriate systems in place Utilities will be able to accurately meter PEV charging and provide charge event data on monthly statements 21

22 EV ökoszisztéma New Entrants / Third Parties Battery Data (Battery Leasing Companies) Customer Information Charge post location Energy Provider Consumption Information Billing Data User Identification Grid Constraints Demand Forecasts Energy Pricing Automotive OEM Vehicle Diagnostics Vehicle Usage Patterns Battery Information End Consumer Charge post location and status Vehicle recharge price Usage data Electric Vehicle Ecosystem Government / Regulatory Usage Data Tax Information CO2 Emission Data Charge Operator Subscriber Information User Authorization Consumption Information Billing Data HW Diagnostics / Management Localized Load Management 22

23 Lehetséges működési modellek Electricity, Maintenance, etc. Utility Operated Customer Payment Utility Utility Owned Electricity, Maintenance Electricity Customer Payment 3 rd Party Payment Utility 3 rd Party Operated Electricity. Maintenance Payment Customer 3 rd Party EVSE usage Utility 3 rd Party Owned Utility Operated Payment Utility As Sales Channel Electricity, Maintenance Electricity 3 rd Party Operated Customer Payment 3 rd Party Payment Utility Note: 3 rd Party could include Service Providers, Municipals, Customers, etc. 23

24 Mi a projekt célja? Célunk olyan műszaki megoldások kifejlesztése, meghonosítása és kipróbálása, melyek kényelmessé, gazdaságossá és vonzóvá teszik az elektromos járművek széleskörű használatát nem csak a közösségi, hanem az üzleti vagy akár személyes közlekedésben is. 24

25 Lehetséges projekt eredmények? Tanulmány, mely leírja az elektromos járművek használatának műszaki, kereskedelmi és üzemeltetési modelljét és folyamatait valamint javaslatot ad az érintett piaci szereplők közötti feladatmegosztásra. Maximum 100 töltőoszlopból álló hálózat infrastruktúra tervezése, kiépítése és karbantartása Menedzsment rendszer tervezése, fejlesztése és üzembe állítása töltőoszlop kezelés, elszámolási folyamat, töltési folyamat- és ügyfélkapcsolat kezelés céljából. Piaci modell fejlesztése és bevezetése (szolgáltatói és végfelhasználói szerződések, új piaci szereplők) a bevont piaci szereplőkre. Okos töltési infrastruktúra és működési modell kialakítása. 25

26 K+F tevékenységek? Üzleti értéklánc és működési modell tervezése és fejlesztése, illetve a hazai piaci és szabályozói környezetbe való illesztése. Egységes elektromos jármű mendzsment rendszer fejlesztése. Elektromos járművek fedélzeti adatgyűjtő, kommunikációs és töltésvezérlő infrastruktúrájának tervezése, fejlesztése és integrációja. Egységes okos töltést megvalósító rendszer tervezése, fejlesztése és kialakítása. Működési logika és optimalizálási módszer fejlesztése elektromos járművek Smart Home integrációjához. Működési logika és optimalizálási módszer fejlesztése elektromos járművek VER integrációjához a megújuló alapú termelés növelésének és rendszerbe szabályozhatóságának érdekében. Közösségi közlekedésre specializált villamos hajtású jármű használati módszerek és megoldások kutatása és fejlesztése. 26

27 Köszönöm a figyelmet!. Prikk János janos.prikk@hu.ibm.com

28 IBM = Innovatív energiaipari megoldás példák 1. IEVEP IBM Intelligent Electric Vehicle Platform 2. Smart Charging IBM Flexible Load Management 3- HyREF IBM Hybrid-DA based Renewable Energy Forecasting Solution 28