Einsatz von Echtzeitdaten bei Netzbetrieb und Instandhaltung Bernd Keller, Head of Solution Management, IBU Utilities, SAP AG 27. Februar 2014
Legal Disclaimer The information in this document is confidential and proprietary to SAP and may not be disclosed without the permission of SAP. This document is not subject to your license agreement or any other service or subscription agreement with SAP. SAP has no obligation to pursue any course of business outlined in this document or any related presentation, or to develop or release any functionality mentioned therein. This document, or any related presentation and SAP's strategy and possible future developments, products and or platforms directions and functionality are all subject to change and may be changed by SAP at any time for any reason without notice. The information on this document is not a commitment, promise or legal obligation to deliver any material, code or functionality. This document is provided without a warranty of any kind, either express or implied, including but not limited to, the implied warranties of merchantability, fitness for a particular purpose, or non-infringement. This document is for informational purposes and may not be incorporated into a contract. SAP assumes no responsibility for errors or omissions in this document, except if such damages were caused by SAP intentionally or grossly negligent. All forward-looking statements are subject to various risks and uncertainties that could cause actual results to differ materially from expectations. Readers are cautioned not to place undue reliance on these forwardlooking statements, which speak only as of their dates, and they should not be relied upon in making purchasing decisions. 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 2
Agenda SAP HANA und die SAP Real Time Data Platform Einsatz bei Netzbetreibern Enterprise Data Warehouse Analyse der Netzinfrastruktur Energiemengenbilanzierung Verbesserung der Stammdatenqualität Voraussagende Instandhaltung 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 3
SAP HANA und die SAP Real-Time Data Platform
These: Netzbetreiber benötigen eine integrierte IT-Plattform um die zukünftigen Anforderungen zu bewältigen Im Smart Grid müssen große Datenmengen aus verschiedenen Quellen gesammelt, verarbeitet und in zahlreichen Prozesse genutzt werden: Analyse der Netzauslastung und der Netzinfrastruktur Unterstützung innovativer Instandhaltungsstrategien Verarbeitung von Smart Meter Daten Lastmanagement, Demand Response Management und virtuelle Kraftwerke 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 5
Diese integrierte IT-Plattform muss viele Anforderungen erfüllen Daten aus verschiedensten Quellen Große Datenmengen Geo-Daten Echtzeitdaten Neue Geschäftsprozesse 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 6
Eigenschaften von SAP HANA In-memory Datenbank Traditionelle Architektur In-memory Architektur CPU CPU 0,1µs 0,1µs Mem ory 10.000µs Memory Disk Disk 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 7
Eigenschaften von SAP HANA In-memory Datenbank Vereinfachung der analytischen IT-Landschaft User Interface Berechnungen Query-Ergebnisse Aggregate Indizes Data Warehouse User Interface In-memory Analytics Operational Data Store Daten in Businessanwendungen Daten in Businessanwendungen 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 8
Eigenschaften von SAP HANA In-memory Datenbank Vereinfachung der analytischen IT-Landschaft Kalkulationen Datenbankschicht Applikationsschicht Kalkulationen in der Datenbank Kalkulationen 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 9
Eigenschaften von SAP HANA In-memory Datenbank Vereinfachung der analytischen IT-Landschaft SAP Predictive Analysis SAP and Custom Applications Business Intelligence Clients Kalkulationen in der Datenbank Bibliothek mit Vorhersagealgorithmen Predictive Analysis Library (PAL) SAP HANA R Integration for SAP HANA R 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 10
Eigenschaften von SAP HANA In-memory Datenbank Vereinfachung der analytischen IT-Landschaft Kalkulationen in der Datenbank Bibliothek mit Vorhersagealgorithmen Unterstützung von raumbezogenen Daten SAP HANA OLTP Analytics Planning Predictive Text Spatial BUSINESS DATA SPATIAL DATA REAL-TIME DATA Geo- Services Calc Model / Views Geo- Content Spatial Functions Columnar Spatial Processin g Spatial Data Types 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 11
Common Modeling and Design Environmenta SAP Sybase PowerDesigner Weitere Lösungen erweitern SAP HANA zur SAP Real-Time Data Platform ERP Business warehouse Business intelligence Mobile and embedded SAP Real-Time Data Platform Open APIs and federated access Datenbank für kalte Daten Prozessieren von Datenströmen und komplexen Ereignissen SAP Sybase ASE Transactional Data Management Stream Analytics and Complex SAP Sybase ESP Event Processing In-memory/real-time SAP HANA SAP Sybase IQ Analytics Enterprise Data Warehouse SAP Sybase SQL Anywhere Mobile and Embedded Data Management Information SAP Management Sybase Replication and Real-time Server, Data Movement SAP Data Services, SAP Information Steward etc. SAP Control Center Common Systems Management Werkzeuge für Upload von Daten und Datenqualität 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 12
Die SAP Real-Time Data Platform für Versorgungsunternehmen Visualisierungsund Anwendungsschicht SAP Business Suite incl. SAP for Utilities (IS-U) SAP Business Intelligence Weitere SAP Lösungen z.b. Predictive Maintenance Partnerlösungen z.b. Customer Insight, Revenue Intelligence Kundenlösungen Daten- und Kalkulationsschicht SAP Real-Time Data Platform for Utilities Powered by SAP HANA Datenquellen External Provider GIS ERP Data Historian SCADA, NIS etc. MDM AMI Headend GIS: Geo Information System MDM: Meter Data Management AMI: Advanced Metering Infrastructure SCADA: Supervisory Control and Data Acquisition NIS: Network Information Service 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 13
Einsatz bei Netzbetreibern Enterprise Data Warehouse
Beispielszenario Enterprise Data Warehouse SAP Real-Time Data Platform SAP NetWeaver BW and SAP BusinessObjects solutions SAP HANA SAP Sybase IQ* SAP Sybase Replication Server SAP Sybase ESP SAP Data Services Data historian ERP SCADA, NIS, etc. * Die direkte Kopplung von SAP Sybase IQ und SAP HANA als near-line store ist für 2014 geplant Other sources e.g. Excel, GIS 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 15
Enterprise Data Warehouse bei SCE (I) 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 16
Enterprise Data Warehouse bei SCE (II) 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 17
Einsatz bei Netzbetreibern Analyse der Netzinfrastruktur
Voraussage der Netzbelastung bei Alliander SAP Data Science Team 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 19
Voraussage der Netzbelastung bei Alliander: Architektur 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 20
Voraussage der Netzbelastung in Echtzeit SAP Data Science Team Load sensor data into OSI Real-time alerting Real-time load forecasting Continuous display of historical data and forecast Präsentiert auf der SAP IUC2013 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 21
Voraussage der Netzbelastung in Echtzeit: Architektur Provide forecasts to PI for internal analysis Event-driven analytics Analytical reporting Grid and sensor data Forecasting results + asset data Grid and asset master data SAP Tables Procedures for write back Tables R algorithm procedures, e.g. forecasting External data: - weather Filtered and cleansed OSI data Forecasting algorithm 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 22
Voraussage der Netzbelastung bei Alliander: Dashboard 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 23
Analyse von Trafobelastungen SAP Innovation Center Potsdam Demo umfasst reale Lastmessungen von 12.000 Trafos über 87 Wochen ~1 Milliarde Messungen (10 Minutenwerte) ~20 GB komprimierte Daten im Speicher Keine materialisierten Aggregate Szenarien Überblick Trafobelastung Vergleich der Trafos Identifizierung von kritischen Punkten Untersuchung wöchentlicher Muster und Voraussagen für den nächsten Tag Einfluss des Wetters Untersuchung von Lastspitzen Analyse des Verlusts an Lebensdauer Mögliche Folgeaktionen: Austausch von Trafos, Änderung der Netzkonfiguration, Demand Response Programm 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 24
Beispiele: Überblick Trafobelastung & Verlust an Lebensdauer 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 25
Analyse von Gaspipelines bei einem europäischen Netzbetreiber Aufgabe: Pipelines mit hohen Risiko identifizieren, die in der Nähe von Gebäuden liegen. Analyse einer großen Menge raumbezogener Daten Ergebnis: Beschleunigung mit SAP HANA um den Faktor 5000 (von 3 ½ Stunden auf 2,5 Sekunden) 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 26
Einsatz bei Netzbetreibern Energiemengenbilanzierung
Kundenbeispiel: Energiemengenbilanzierung bei ESB Networks Anforderung: Beschleunigung der Energiemengenbilanzierung Ergebnis: Prozess läuft mit Faktor 107 schneller Präsentiert auf der SAP IUC2013 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 28
Einsatz bei Netzbetreibern Verbesserung der Stammdatenqualität
Verbesserung der Qualität von Netzdaten Problem: Netzdaten sind in den meisten Fällen nicht vollständig und korrekt gepflegt Traditioneller Ansatz: Aus Expertenwissen und Interviews werden Regeln zum finden fehlender Werte abgeleitet. Datenbasierter Ansatz unter Einsatz von SAP HANA: Mit statistische Methoden werden auf Basis der Daten Regeln abgeleitet, die an bekannten Daten getestet und optimiert werden. Mit den Regeln werden fehlende Werte hergeleitet. 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 30
Completeness Completeness Der datenbasierte Ansatz ermöglicht deutliche Verbesserungen bei geringeren Kosten Isolierungsmaterial der Kabel Jahr der Kabelverlegung 90% 85% 100% 92% 80% 70% 60% 63% 71% 80% 60% 40% 20% 23% 63% 50% Initial Completeness Traditional Approach SAP PIO Approach 0% Initial Completeness Traditional Approach SAP PIO Approach 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 31
Einsatz bei Netzbetreibern Vorausschauende Instandhaltung
SAP Predictive Maintenance and Service Business Data Sales Service Engineering Asset Management Unstructured Data Recordings Weather predict health monitor asset create actionable insights R&D Engineer Service Coordinator Account Manager UI Mobile App Equipment M2M Agent Data Temperature Data Models Prediction Notification Asset Manager Web App Voltage Flexible Modeling Visual Rules Designer Predictive Analysis Warranty Manager 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 33
Zusammenfassung Versorgungsunternehmen können SAP HANA und die SAP Real-Time Data Platform schon jetzt als Plattform nutzen, um neuen Anforderungen und Geschäftsprozessen gerecht zu werden. Der beste Weg zu einer neuen Plattform hängt dabei von den individuellen Prioritäten und Voraussetzungen jedes Versorgungsunternehmens ab. 2013 SAP AG or an SAP affiliate company. All rights reserved. Public 35
Vielen Dank! Kontaktinformation: Bernd Keller Head of Solution Management, IBU Utilities, SAP AG bernd.keller@sap.com 2014 SAP AG or an SAP affiliate company. All rights reserved.