物聯網設備的增長使企業在數字化過程中能夠且必須處理的數據量增加了數百萬倍。為了提高處理效率，出現了一種非常強大的新計算模式：邊緣計算，它通過在邊緣處理機器學習和人工智能算法來補充集中式云基礎架構的處理，即在數據來源和離用戶或設備更近的節點處理機器學習和人工智能算法。

[[424051]]

邊緣的數據計算可以在移動網絡設備上的強大服務器或跨工廠的更小、更分布式的節點上執行。無論如何，它為新的創收和成本優化開辟了重要的機會。所有這一切都基于三個基本支柱：

1) 更大的可擴展性：通過將存儲和處理分布在多個位置，更高流量或更好算法的基礎設施和容量所需的投資得到更好的控制

2) 更高的數據安全和主權：通過不離開其原始位置，非法訪問或被盜的風險大大降低

3) 更多的數據處理和更低的響應延遲：頻率分析允許幾乎同時處理數千個數據。對于研究和答案，所需的時間約為毫秒。這意味著接近實時的用例，這在更面向批量信息離線分析的云環境中是不可想象的

IDG 的報告《推動第四次工業革命的邊緣計算解決方案》證實了這三大支柱的重要性。在對部署邊緣計算的 802 位行業領導者進行的一項調查中，30% 的受訪者回答他們的主要動機是帶寬成本、27% 的數據保護和 19% 的延遲限制。接受調查的公司中有 12% 來自能源行業。

物聯網邊緣計算在能源領域的優勢

發電本身是分散的：從傳統的線性結構，能源從大型發電廠傳輸到世界各地，到現代配電網絡，考慮采用更分散和更分散的模式，并結合可再生能源，產生消費的產消者，以及允許更大規模存儲的新元素。

所有這些都意味著網絡運維和供需預測的復雜性呈指數級增長。正在安裝不同的設備來了解這些復雜的結構，從簡單的物聯網傳感器或智能儀表到發電或傳輸設備中的通信接口，允許通過標準化協議提取數據。

物聯網邊緣計算特別適用于：

• 石油和天然氣配送基礎設施：由于故障導致一天停機的成本可能超過 2000 萬美元，對于大型運營商來說，平均一年是五次。 物聯網邊緣使實時分析數據成為可能，從而提前避免問題，或者更快地確定問題的原因。所有這一切都具有高度的安全性，以避免出現幾個月前在 Colonial Pipeline 發生的問題。
• 變電站：尤其是中低壓變電站，大型運營商數以萬計。這場革命的核心元素是智能變壓器，它除了“連接”之外，還可以對不同線路的電源進行實時動態調節，這些線路現在掛著新的元件，如充電器或電池。物聯網邊緣實時提供這些調整，從而防止故障和避免不必要的位移，以及生成可以提高整個價值鏈的投資回報率的新服務。
• 消費要點：2020年是能源自消費史無前例的一年。僅在西班牙，就安裝了 596 兆瓦，比 2019 年增加了 30%，其中一半以上安裝在工業公司中。但是，很少有用戶充分利用了這些安裝。通過物聯網邊緣計算，再加上可以測量生產或存儲條件的傳感器，或可以控制消耗的智能執行器(繼電器)，可以將節能提高兩位數。

能源領域物聯網邊緣計算的主要挑戰是什么?

物聯網邊緣是由技術制造商對尖端解決方案的穩健投資推動的，這些解決方案具有更小、功率更低、價格更低的微型計算機，可以作為大規模的物聯網邊緣計算節點。同樣，正在創建操作系統和軟件以使這些節點能夠以網絡安全的方式執行算法，通常打包在 Docker 等虛擬化軟件容器中。

然而，采用這些技術對工業能源公司來說并非沒有挑戰：

第一，培訓員工。

在傳統上主要由自動化工程師 (OT) 和少得多的 IT 和電信工程師 (IT) 組成的勞動力中引入這些新技術會造成所需技能的差距。這種差距在所謂的“PoC(概念證明)”中的物聯網項目數量上很明顯。進行實驗室實驗來進行物聯網邊緣計算相對簡單。盡管如此，當涉及到將項目帶到具有成百上千個分布式節點的自然環境時，由于缺乏內部能力，對市場驅動的 SLA 的需求可能會產生很大的挫敗感。

根據 Gartner Cool Vendors in Edge Computing, 2021 報告，“隨著邊緣計算從概念驗證和單體項目轉向可重復的企業應用程序，簡化部署的供應商產品正受到關注。讓您以獨特的方式解決物聯網邊緣復雜性的解決方案脫穎而出。

第二，調整工業能源企業的財務和法律結構。

目標是從傳統的重大投資模式 (CAPEX) 轉向初始投資較低的更靈活的模式。盡管如此，標準 IT 的 OPEX 可能更高(包括 SaaS 許可證、維護成本和升級服務)。這意味著文化變革，可能需要監管變革，以允許能源部門以所需的速度向前發展。

第三，但同樣重要的是，最大的挑戰是隨著生成和處理的信息增加而產生的數據所有權。

傳統上，生產數據屬于運營商。盡管如此，在一個更加分散的環境和一個日益復雜的價值鏈中，誰擁有數據和誰可以利用數據之間的界限變得模糊。

例如，在物聯網邊緣環境中用于能源分配的人工智能和機器學習算法需要使用用戶設備(智能電表、自耗、充電器、電池、傳感器等)生成的數據進行訓練。但是，這些數據屬于制造商的范圍，不能共享，因為這會違反數據保護法。

從這個意義上說，需要公共資助項目來創建財團來進一步分析這些問題。最好的例子是 Platoon 項目，該項目側重于通過基于 IDS 參考架構集成的數據開發來為智能電網提出解決方案，以便在歐洲代理之間進行信息交換。

盡管存在這些挑戰，但物聯網邊緣計算顯然可以通過其實時處理大量信息的能力來改變能源行業，并最終提高運營的安全性和效率。任何能夠充分應對這些挑戰的公司都將受益并處于能源行業轉型的最前沿。