Ignora esplorazione

Previsione dei livelli delle cisterne di petrolio e gas

Al giorno d'oggi, la maggior parte delle strutture adotta un approccio di tipo reattivo ai problemi relativi ai livelli delle cisterne. Questo spesso genera versamenti, chiusure di emergenza, procedure di bonifica costose, problemi normativi e spese elevate per riparazioni e multe. La previsione del livello delle cisterne consente di gestire e risolvere questi e altri problemi.

Le previsioni vengono create sfruttando la potenza dei dati storici e in tempo reale, prontamente disponibili grazie a sensori, misuratori e record e che consentono di:

  • Prevenire versamenti e chiusure di emergenza delle cisterne
  • Individuare malfunzionamenti o guasti dell'hardware
  • Pianificare manutenzione, chiusure e logistica
  • Ottimizzare le operazioni e l'efficienza degli stabilimenti
  • Individuare le perdite e i blocchi di liquido negli oleodotti e nei gasdotti
  • Ridurre i costi, le multe e i tempi di inattività

Il processo di previsione del livello delle cisterne inizia in corrispondenza del pozzo petrolifero o del giacimento di gas. Il petrolio viene misurato all'ingresso nello stabilimento tramite misuratori e viene inviato alle cisterne. I livelli nelle cisterne vengono monitorati e registrati durante la fase di raffinazione e quindi l'output di petrolio, gas e acqua vengono registrati tramite sensori, misuratori e record. Le previsioni vengono create con i dati provenienti dallo stabilimento. Ad esempio, è possibile generare previsioni ogni 15 minuti.

Cortana Intelligence Suite è adattabile e personalizzabile per soddisfare i requisiti di stabilimenti e aziende.

Descrizione

Nota: se hai già distribuito questa soluzione, fai clic qui per visualizzare la distribuzione.

Per altri dettagli sulla struttura di questa soluzione, vedere la guida relativa alla soluzione in GitHub.

Tempo stimato per il provisioning: 20 minuti

Cortana Intelligence Suite offre strumenti di analisi avanzata tramite Microsoft Azure per l'inserimento di dati, l'archiviazione di dati, l'elaborazione di dati e le analisi avanzate, tutti elementi essenziali per la creazione di una soluzione di previsione dei livelli delle cisterne.

Questa soluzione combina diversi servizi di Azure per offrire vantaggi significativi. Hub eventi raccoglie i dati sul livello della cisterna in tempo reale. Analisi di flusso aggrega i dati in streaming e li rende disponibili per la visualizzazione. Azure SQL Data Warehouse archivia e trasforma i dati sul livello della cisterna. Machine Learning implementa ed esegue il modello di previsione. Power BI visualizza il livello della cisterna in tempo reale e i risultati della previsione. Data Factory esegue infine l'orchestrazione e pianifica l'intero flusso di dati.

Il pulsante 'Distribuisci' avvierà un flusso di lavoro che distribuirà un'istanza della soluzione in un gruppo di risorse della sottoscrizione di Azure specificata. La soluzione include più servizi di Azure, illustrati di seguito, oltre a un processo Web che simula i dati, in modo che immediatamente dopo la distribuzione sia disponibile una soluzione end-to-end funzionante.

Per le istruzioni delle operazioni post-distribuzione, vedere qui.

Dettagli tecnici e flusso di lavoro

  1. I dati vengono inseriti in Hub eventi di Azure e nel servizio Azure SQL Data Warehouse come punti dati o eventi che verranno usati nel resto del flusso della soluzione.
  2. Analisi di flusso di Azure analizza i dati per offrire analisi in tempo quasi reale sul flusso di input dall'Hub eventi e consentire la pubblicazione diretta in Power BI per la visualizzazione.
  3. Il servizio Azure Machine Learning viene usato per creare previsioni sul livello delle cisterne di un'area specifica sulla base degli input ricevuti.
  4. Azure SQL Data Warehouse viene usato per archiviare i risultati delle previsioni ricevuti dal servizio Azure Machine Learning. Questi risultati vengono quindi utilizzati nel dashboard di Power BI.
  5. Azure Data Factory gestisce l'orchestrazione e la pianificazione della ripetizione del training del modello ogni ora.
  6. Infine, si usa Power BI per la visualizzazione dei risultati, affinché gli utenti possano monitorare il livello delle cisterne di uno stabilimento in tempo reale e usare tali previsioni sul livello per prevenire i versamenti.

Dichiarazione di non responsabilità

©2017 Microsoft Corporation. Tutti i diritti sono riservati. Queste informazioni vengono fornite "così come sono" e sono soggette a modifiche senza preavviso. Microsoft non fornisce alcuna garanzia, espressa o implicita, in merito alle informazioni fornite qui. Per la generazione della soluzione sono stati usati dati di terze parti. La responsabilità per il rispetto dei diritti di altri, inclusi l'acquisizione e la conformità delle licenze rilevanti per la creazione di set di dati simili, è a tuo carico.

Architetture delle soluzioni correlate

Ottimizzazione della fornitura di energia

In una rete elettrica, i consumatori di energia usano vari tipi di componenti di fornitura, commercio e stoccaggio dell'energia, ad esempio sottostazioni, batterie, parchi eolici e pannelli solari, microturbine, nonché offerte per domanda e risposta per soddisfare le rispettive domande e ridurre i costi dell'impegno per l'energia. A questo scopo, l'operatore della rete deve determinare la quantità di energia da impegnare per ogni tipo di risorse per un intervallo di tempo, in base ai prezzi della richiesta di vari tipi di risorse e le capacità e le caratteristiche fisiche di tali risorse.