Par Steve Voss, vice-président chargé de l'analyse avancée chez Power Factors
Voici le troisième article de cette série Ce que vous devez savoir sur l'analyse des données solaires. Dans cette série, Steve Voss, vice-président chargé de l'analyse avancée chez Power Factors, vous explique tout ce que vous devez savoir sur l'analyse des données solaires pour tirer le meilleur parti de vos données. Ne manquez aucun article : Suivez Power Factors sur LinkedIn.
Lepremier article de cette série a présenté deux concepts - le modèle d'ascendance analytique de Gartner et la "pyramide de valeur des données" - afin de préparer le terrain pour une discussion plus approfondie sur l'analyse des données PV. Ledeuxième article a abordé trois principes fondamentaux nécessaires pour faciliter la conversion des données en informations : une gestion solide des données, l'auditabilité (montrer son travail !) et la flexibilité et des fonctionnalités.
Maintenant que nous avons posé les bases, cet article explore des exemples de la façon dont l'analyse descriptive peut apporter une valeur considérable aux propriétaires et aux exploitants de centrales photovoltaïques.
Comme nous l'avons vu dans le dernier article, l'analyse descriptive nous dit ce qui s'est passé. Elles ne nous donnent pas d'informations sur pourquoi quelque chose s'est produit ou ce qu'il faut faire à ce sujet (ces questions relèvent respectivement de l'analyse diagnostique et de l'analyse prescriptive).
Mais cela ne signifie pas que les analyses descriptives sont nécessairement simples ou faciles à compiler. Lorsque vous avez affaire à des appareils qui cessent régulièrement de communiquer ou d'être calibrés, même des informations de base telles que l'énergie produite ou l'ensoleillement incident peuvent nécessiter des efforts considérables pour être correctes.
L'analyse descriptive peut également résulter de processus complexes comportant plusieurs étapes. Le cadre de caractérisation du courant continu Power Factors(illustré ci-dessous à la figure 1) en est un exemple.
La caractérisation des DC est l'aboutissement de nombreuses étapes rigoureuses, notamment l'agrégation et la gestion des données, la normalisation des hiérarchies de dispositifs et des métadonnées, la validation, l'estimation et l'édition (VEE), la capacité des données et la gestion des événements.
L'objectif du cadre de caractérisation des courants continus est d'isoler les périodes de fonctionnement où le système n'est pas altéré par des conditions externes - telles que l'arrêt, l'écrêtage, l'ombrage, la neige ou la réduction - et de fournir ensuite une caractérisation détaillée du comportement du système dans ces conditions.
À la base, la caractérisation CC est un ensemble de résultats analytiques descriptifs basés sur l'analyse de régression des relations entre variables indépendantes et variables dépendantes, axés sur les performances CC des panneaux photovoltaïques. Ce cadre de caractérisation nécessite de nombreuses étapes, un degré élevé de "capacité de données"(voir l'article 2 de cette série pour en savoir plus sur ce que nous entendons par "capacité de données") et représente un ensemble d'informations sophistiqué et approfondi.
Il convient de noter que, même après toutes les étapes et l'analyse sophistiquée requise, cet ensemble de résultats analytiques n'est encore "que" de l'analyse descriptive. Il ne nous dit pas pourquoi les résultats sont ce qu'ils sont et ne nous donne aucune recommandation sur ce que nous devrions faire.
Mais, bien entendu, ces résultats sont extrêmement utiles. Par exemple, un analyste des performances pourrait examiner ces résultats pour évaluer l'impact des performances du courant continu sur les performances globales du site et, sur la base des résultats, pourrait utiliser les informations pour indiquer une cause fondamentale qui explique probablement pourquoi les performances du courant continu sont mauvaises (thermique, tension, etc.).
Un autre point important à noter à propos des analyses descriptives est qu'elles s'appuient les unes sur les autres et informent d'autres résultats analytiques. Cette idée est à la base duconcept des "5 pourquoi" - qui se manifeste dans Kaizen, la fabrication sans gaspillage et Six Sigma - où le "pourquoi" précédent devient le "quoi" pour l'itération suivante.
De nombreuses actions ne nécessitent pas d'aller jusqu'à la cause première (le cinquième pourquoi) et de nombreux rapports descriptifs de grande valeur peuvent être créés dès les premières étapes de ce processus itératif.
Par exemple, pour l'équipe de terrain chargée de restaurer le réseau hors ligne, il suffit de s'arrêter à la troisième raison : La carte de contrôle principale est tombée en panne. Pour le gestionnaire d'actifs, un rapport analytique descriptif détaillant l'énergie perdue et la partie responsable selon le contrat peut être le résultat de la plus grande valeur. Pour un ingénieur en fiabilité, une étape intermédiaire critique pourrait être un rapport descriptif indiquant la fréquence de défaillance d'un certain composant par rapport à d'autres modes de défaillance avant de décider s'il faut poursuivre l'investigation.
Le point important ici est que, quel que soit le stade du processus analytique - et quel que soit le niveau de sophistication requis pour y parvenir - l'analyse descriptive représente un point final où un ensemble d'informations a été établi. Plus important encore, elle représente un point de départ à partir duquel il est possible d'effectuer d'autres recherches.
Le cas d'utilisation le plus courant de l'analyse descriptive est le reporting. Les rapports peuvent avoir de nombreux objectifs. Tout d'abord, la capacité à produire un rapport reproductible et cohérent démontre un niveau minimum de contrôle de l'actif et de ses données. Souvent, les rapports servent de documentation à l'appui d'accords contractuels - comme un reçu pour une transaction par carte de crédit.
Ces types de rapports sont très importants, mais leur compilation prend souvent beaucoup de temps et ils contiennent peu d'informations exploitables. C'est pourquoi il est utile de minimiser l'effort humain investi dans l'assemblage et la validation des rapports de conformité grâce à l'automatisation.
Plus facile à dire qu'à faire, n'est-ce pas ? Mais c'est là qu'intervient un système logiciel de gestion des performances qui trouve l'équilibre optimal entre flexibilité et fonctionnalité.(Pour en savoir plus sur les trois éléments fondamentaux nécessaires pour relever les défis de l'industrie photovoltaïque - dont l'un est la flexibilité et la fonctionnalité - voir l'article 2).
Lorsqu'il s'agit d'automatiser les rapports de conformité, un système de gestion de la performance est indispensable :
Tout cela implique la nécessité d'un pipeline de gestion des données robuste et automatisé(élément fondamental n° 1) qui traite automatiquement la plupart des cas d'utilisation sans (presque) aucune intervention manuelle.
Pour favoriser véritablement le succès des énergies renouvelables, les logiciels de gestion des performances d'aujourd'hui doivent automatiser la plupart des analyses d'une manière vérifiable et configurable, libérant ainsi un temps humain précieux pour les analyses où l'ingéniosité humaine est requise.
Voici les cinq étapes pour y parvenir :
Le cas d'utilisation suivant de l'analyse descriptive est l'aide à la décision. Des informations descriptives correctement assemblées peuvent permettre aux utilisateurs de prendre rapidement des décisions très fiables.
Par exemple, le tableau de bord « Peer Comparison » Power Factorspermet aux utilisateurs d'analyser facilement un parc d'actifs à l'aide de divers indicateurs clés de performance (KPI) et d'identifier rapidement les points sur lesquels concentrer leurs efforts pour mettre en place des mesures correctives.
Bien entendu, lorsque les questions, les réponses et les décisions de suivi sont récurrentes et peuvent être mises en pratique, cela représente le prochain point focal évident pour le développement des capacités analytiques (plus d'informations à ce sujet dans les prochains articles).
La dernière application dont nous parlerons dans cet article est l'utilisation de l'analyse descriptive pour créer un ensemble cohérent et commun d'informations sur l'ensemble des actifs et dans le temps. Un point de données (ou un rapport) descriptif isolé peut servir un objectif important, mais il manque souvent de contexte pour la comparaison. Le résultat est-il bon ? Mauvais ? Une amélioration ? Dégradé ?
L'application à un processus d'amélioration continue (CIP) en est un excellent exemple. L'un des éléments clés de ce processus consiste à sélectionner les paramètres appropriés à cibler, puis à suivre et à évaluer l'impact des modifications apportées au processus, aux pièces, aux procédures, aux fournisseurs, aux points de consigne, etc. Dans ce cas, lesite why est la variable testée et le résultat descriptif est la réponse à la question de savoir si un résultat ciblé a été atteint.
L'analyse comparative est une autre application à forte valeur ajoutée des ICP cohérents (c'est-à-dire de l'analyse descriptive) recueillis sur une variété d'actifs au fil du temps. Une analyse comparative de haute qualité - effectuée correctement et de manière significative - n'est pas une mince affaire. Dans le cas du CIP, l'utilisateur mène essentiellement une expérience contrôlée.
L'analyse comparative, quant à elle, représente l'expérience incontrôlée par excellence. Il s'agit essentiellement de prendre les résultats et les conditions disponibles pour l'étude et de voir quels enseignements peuvent en être tirés. Pour être efficace, l'étalonnage des performances doit répondre à trois exigences :
Pour les points 1 et 2, cela signifie généralement des quantités massives de données ! Pour le point 3, en particulier dans le cas où les données doivent être rendues anonymes pour être consolidées, il s'agit de s'assurer que les méthodes et les résultats peuvent être contrôlés et validés - sans qu'il soit nécessaire de retourner à la source des données.
Une approche courante de l'évaluation comparative ressemble à la CIP dans le sens où elle tente d'isoler une mesure unique (par exemple, le temps moyen de défaillance (MTTF)) et de la comparer à un ensemble défini de cas de test (par exemple, des modèles d'onduleurs). Cela a bien sûr sa valeur.
L'inconvénient de cette approche est toutefois sa portée limitée. Cette approche de l'évaluation comparative est conçue à dessein et ne peut répondre qu'à une seule question à la fois. Une autre approche consiste à rassembler un ensemble de données d'étalonnage multidimensionnel à grande échelle, puis à permettre à l'utilisateur de sélectionner les dimensions sur lesquelles trier, filtrer et regrouper les ICP.
Les produits Power Factorscouvrent actuellement plus de 125 GW de capacité de production dans les secteurs de l'éolien, du solaire, du stockage et de l'hydroélectricité, sur les cinq continents, et comprennent des ensembles de données sur les performances, les services sur site et la gestion des actifs. L'une de nos principales initiatives pour 2022 consiste à collaborer avec nos clients afin d'explorer les moyens les plus efficaces d'exploiter ces données pour poser des questions spécifiques et dégager de nouvelles perspectives.
L'analyse descriptive est souvent considérée comme la forme d'analyse la moins utile. Pourtant, elles découlent souvent d'une analyse sophistiquée. En tant que conversion essentielle des données en informations, l'analyse descriptive sert de base nécessaire - de point de départ - pour les itérations futures de l'analyse de niveau supérieur (comme nous le verrons dans la suite de cette série).
Souvent chronophages et répétitives, les analyses descriptives nous offrent la possibilité d'améliorer notre efficacité grâce à l'amélioration de la qualité et à l'automatisation. Mais surtout, il ne faut jamais sous-estimer la valeur d'une information analytique descriptive accessible et de haute qualité pour stimuler la créativité, ouvrir de nouvelles pistes de recherche et révéler des idées cachées.
Steve Vossa rejoint Power Factors 2016 et possède plus de 20 ans d'expérience dans le secteur de l'énergie solaire. Avant de rejoindre Power Factors, Steve a travaillé pendant un an chez Panasonic Energy Services et pendant neuf ans chez SunEdison en tant que directeur de l'ingénierie avancée. Steve est titulaire d'un MBA de l'université du Wisconsin à Madison et d'un master en science et ingénierie des matériaux de l'université de Stanford. Il a effectué ses études de premier cycle à l'université du Colorado à Boulder.Retrouvez Steve sur LinkedIn.