Анализ рынка облачных IoT-платформ и приложений для оптимизационного управления энергосетями
Прослушать текстКомпания J’son & Partners Consulting завершила подготовку глобального исследования облачных IoT-платформ и приложений для сквозного управления энергосетями, включая управление конечным потреблением электроэнергии. Отрасль электроэнергетики наиболее показательна для изучения процессов цифровой трансформации и понимания роли облачных IoT-платформ и приложений в них, поскольку уже реализованный в электроэнергетике, пусть и в ограниченном масштабе, механизм взаимодействия участников процесса сквозной оптимизации всей цепочки от генерации до конечного потребления электроэнергии, в наибольшей степени соответствует целевому облику цифровой экономики и доказывает его достижимость.
Применительно к электроэнергетике ключевым отличием SmartGrid от традиционных иерархических сетей энергоснабжения с ручным диспетчерским управлением является возможность реализации автоматически исполняемых алгоритмов оптимизации как иерархических, так и распределенных гетерогенных систем энергоснабжения. Потребность в сквозной оптимизации обуславливает необходимость развития экосистем отраслевых IoT-платформ и приложений (IIoT-платформ), содержащих интегрированные цифровые модели энергосистемы и модели поведения конечных потребителей, и агрегирующих необходимые для их наполнения данные (Рис. 1).
Основная причина почему именно в электроэнергетике реализуется полноценная модель цифровизации, для большинства других отраслей являющаяся лишь отдаленной перспективой, состоит в том, что экономический эффект, превышающий затраты на его достижение, достигается в электроэнергетике только при условии сквозной оптимизации, охватывающей генерацию, распределение, сбыт и конечных потребителей. Анализ реализуемых в мире, в частности, в США, крупномасштабных проектов трансформации энергосетей в умные энергосети со всей очевидностью показывает, что достижение экономического эффекта существенно превосходящего затраты на цифровизацию возможно только в случае сквозной оптимизации генерации, распределения, сбыта и конечного потребления электроэнергии, причем центры затрат и центры достижения экономического эффекта не совпадают, что означает необходимость новых экономических механизмов взаимодействия участников цепочки сквозной оптимизации, позволяющих перераспределять эффект между ее участниками. Если же рассматривать каждого из участников этой цепочки в отдельности (изолированно), то внутренних эффектов оказывается недостаточно для обеспечения окупаемости инвестиций в умные сети.
Примером такой сквозной оптимизации являются в первую очередь программы Demand Response, нацеленные на предотвращение (сглаживание) резких пиков энергопотребления за счет управления энергопотреблением в жилом секторе - промышленные потребители в таких программах как правило не участвуют ввиду технологических ограничений своих производственных процессов. Для генерации сглаживание пиков позволяет увеличить коэффициент использования установленной мощности (КИУМ) за счет отсутствия необходимости держать значительные мощности в холодном резерве, как следствие – снизить себестоимость выработки киловатт-часа. Сбытовые компании значительно экономят на дополнительных закупках на оптовом рынке электроэнергии, поскольку спотовые цены на электроэнергию в пики потребления кратно выше средних и эти затраты не могут быть переложены на конечных потребителей, большая часть которых использует фиксированные тарифы.
Доказанный на практике эффект от сглаживания пиков энергопотребления составляет сотни миллионов долларов в год для крупной энергоснабжающей организации в США, что полностью окупает затраты на внедрение всех элементов умной энергосети. Столь значительный экономический эффект сквозной оптимизации позволяет сбытам и генерации делиться выгодой с конечными потребителями, без участия которых сглаживание пиков невозможно. Наряду с выплатой бонусов энергосбытовые компании субсидируют (вплоть до 100%) установку средств автоматизации управления климатом и энергопотреблением в зданиях – конечных потребителях, поскольку наибольший эффект от программ Demand Response достигается при условии автоматического взаимодействия систем управления ограничением энергопотребления (DRMS) энергосбытовых компаний и систем управления инженерным и бытовым оборудованием зданий (BMS, умные термостаты и пр.).
Именно облачная модель оказывается оптимальной для решения трех ключевых задач, определяющих экономический успех цифровизации электроэнергетики и ЖКХ:
Возможность для поставщика электроэнергии точечно («по требованию») подключать потребителей, участие которых в программах сглаживания пиков потребления (DemandResponse) дает наибольший экономический эффект, переведя все затраты в операционные и оплачивая их только по фактически участвующим в программах DR объктам, то есть по тем клиентам, подключение которых к умной инфраструктуре дает эффект превышающий затраты на их подключение.
Возможность API-интеграции с внешними источниками данных: как с внутрикорпоративными информационными системами энергосбытовой компании, так и с информационными системами других участников цепочки генерации и сбыта электроэнергии, а также с внешними сервисами (прогноза погоды, сервисами аналитики потребительского поведения и т.п.).
Возможность накапливать и централизованно обрабатывать широкую номенклатуру данных, получаемых как от умных подключенных счетчиков, так и от других источников данных, включая внешние, что критически важно для построения корректных математических моделей энергосети и, как следствие, для корректного предсказания пиков энергопотребления путем имитационного моделирования, что, собственно, и формирует саму возможность оптимизации.
Такое понимание подходов к цифровизации электроэнергетики, где центральную роль играют облачные IoT-платформы, в индустрии сложилось не сразу и характеризует переход к новому, «облачному» этапу цифровизации электроэнергетики. Он характерен для Северной Америки и Западной Европы, но не для Китая, несмотря на лидерство этой страны по количеству установленных умных счетчиков. Как следствие, несмотря на то, что по доле установленных умных счетчиков Китай занимает более 50% от общего количества умных счетчиков в мире, потребление облачных сервисов для сбора и анализа данных с умных счетчиков в Китае отсутствует практически полностью. Это делает Китай, пока не перешедший к этапу облачной цифровизации, потенциально наиболее перспективным рынком для разработчиков и провайдеров облачных IoT-платформ и приложений для электроэнергетики.
интеграционные, используемые преимущественно для сбора данных и реализации наиболее востребованных задач мониторинга, в частности, автоматического выявления отключений потребителей и случаев воровства электроэнергии,
и аналитические, используемые для оптимизационного предиктивного управления энергосетями в режиме реального времени, в том числе для управления программами DemandResponse и объектами распределенной генерации.
По оценкам J’son & Partners Consulting глобальный объем потребления сервисов обоих видов облачных IoT-платформ достиг в 2018 году $860 млн., а темпы роста потребления в период 2015-2018 гг. составили 85% CAGR. По прогнозу J’son & Partners Consulting, мировой объем потребления рассматриваемых видов платформ вырастет в 2023 году до $4,8 млрд, CAGR составит 41%.
Поэтому для России в еще большей степени чем для США и Западной Европы целесообразен подход «pay as you go», предлагаемый в формате управляемых сервисов, основанных на использовании облачных IoT-платформ (интеграционных и аналитических). Метод «большого взрыва», реализованный в Китае и на первом этапе цифровизации – в США и Западной Европе, в России неприменим.
Реализацию сквозного оптимизационного управления энергопотреблением, охватывающего и конечных потребителей, в России имеет смысл начинать с индивидуального жилого фонда, действуя точечно, и лишь на следующем этапе переходить к охвату многоквартирного жилья. Это возможно только при использовании облачных IoT-платформ.
Что касается внешнего рынка для российских разработчиков, то их коммерческий успех в России, где характерны наиболее жесткие требования по удельной себестоимости, станет важной предпосылкой для успеха и на других рынках, в частности, на потенциально наиболее интересном рынке Китая.
Необходимо отметить, что в настоящее время потребление облачных сервисов интеграционных и аналитических платформ в России составляет лишь около $3,2 млн. Функционал сбора данных с умных подключенных счетчиков потребления электроэнергии реализован преимущественно с использованием проприетарных on-premise систем коммерческого учета электроэнергии (АСКУЭ), а в структуре потребления превалируют крупные коммерческие компании, такие как Роснефть, РЖД, но не сбытовые компании. В результате общее проникновение интеллектуальных систем учета потребления электроэнергии в России крайне мало и составляет десятые доли процента от общего количества объектов – потребителей электроэнергии, а облачные IoT-платформы для создания таких систем практически не используются.
При реализации проектов внедрения интеллектуальных систем учета потребления электроэнергии в крупных корпорациях применяется метод «локального большого взрыва» - подключаются все крупные объекты - потребители электроэнергии в рамках одной компании. Мотивацией служит возможность подбора оптимальных тарифов из перечня доступных для коммерческих потребителей (в том числе почасовых), снижение потерь от воровства электроэнергии, своевременное выявление случаев отключения подачи электроэнергии, автоматизация процессов биллинга и выверки счетов. Поскольку подключаются объекты с большими объемами потребления электроэнергии, то перечисленных выше эффектов оказывается достаточно, чтобы компенсировать затраты на развертывание проприетарных АСКУЭ. При этом ни о каком участии в программах сглаживания пиков энергопотребления в данном случае речи не идет, то есть экономический эффект локализован внутри крупного коммерческого потребителя электроэнергии.
Очевидно, что такой подход неприменим для развертывания АСКУЭ в жилом секторе – ни по себестоимости подключения и эксплуатации, ни по достижимым экономическим эффектам. Попытки реализовать облачный подход в России пока носят крайне ограниченный характер, и концентрируются в основном в небольших управляющих компаниях. Это не позволяет окупать затраты на подключение даже к относительно простым облачным сервисам. Более того, при всех очевидных преимуществах облачных IoT-платформ над on-premise АСКУЭ, ввиду относительно невысокого уровня цен на электроэнергию в России для достижения высокого уровня проникновения удельная стоимость подключения к интеграционным (MDMS) и аналитическим платформам должна быть примерно в 3 раза ниже чем для глобального рынка, образованного в настоящее время на 90% потреблением в Северной Америке и Западной Европе, то есть регионами с высокой стоимостью электроэнергии и высоким подушевым доходом. Однако в настоящее время наблюдается ровно противоположная картина – средний размер платежа за функционал MDMS в формате облачного сервиса в 3 раза больше чем таковой на глобальном рынке.
Ввиду превалирования проприетарного подхода к развертыванию АСКУЭ в России и концентрации этого рынка преимущественно в сегменте крупных коммерческих компаний, у российских разработчиков АСКУЭ отсутствуют стимулы и возможности к развитию облачных IoT-платформ для реализации функционала систем интеллектуального учета потребления электроэнергии. В свою очередь, отсутствие таких платформ блокирует развитие наиболее перспективного глобально направления аналитических платформ, поскольку основой для их успешной разработки является возможность обучать прогностические модели на основе большого объема накопленных за длительный исторический период реальных данных, которые могут быть получены только из облачных интеграционных IoT-платформ, отсутствующих в России. Также отсутствуют в России и управляемые сервисы с использованием таких платформ, получающие широкое распространение в Северной Америке и Западной Европе.
Таким образом, разработчикам IoT-приложений и платформ для электроэнергетики, ориентированным на успех на глобальном рынке, целесобразно делать ставку на сегмент аналитических платформ, вступая в партнерства с глобальными лидерами в сегменте интеграционных платформ, используя их как источник данных для обучения имитационных прогностических моделей.
Незначительный размер российского рынка облачных интеграционных и аналитических платформ в денежном выражении – $3,2 млн. в 2018 году (факт), $10,4 млн. в 2022 году и $39,6 млн. в 2029 году (прогноз), означает что:
при минимальной стоимости разработки конкурентоспособной IoT-платформы в десятки миллионов долларов и достижимом размере рынка в единицы миллионов долларов создание платформ, ориентированных исключительно на внутрироссийский рынок, экономически нецелесообразно;
продвижение облачных сервисов на базе IoT-платформ в России как самодостаточного продукта не имеет экономического смысла, необходимо пакетировать их в рамках комплексных управляемых услуг аутсорсинга функций телеметрии и телеуправления энергосетями и конечным потреблением;
необходимо субсидирование установки на стороне конечных потребителей элементов систем «Умный дом», без наличия которых невозможно автоматическое управление конечным энергопотреблением.
Ключевым условием для реализации достижения указанных выше объемов российского рынка облачных IoT-платформ в электроэнергетике является введение в России полноценных программ стимулирования управления конечным потреблением (аналогов программ Demand Response в Северной Америке, Западной Европе и ряде других регионов), в отсутствие которых экономический эффект, превосходящий затраты на цифровизацию электроэнергетики, недостижим, вне зависимости от источников финансирования цифровизации.
Для индустрии и регуляторов, ведущих обсуждение нормативной базы для цифровизации электроэнергетики, имеет смысл скорректировать рассматриваемый в настоящее время в качестве основного подход «большого взрыва» к внедрению систем интеллектуального учета потребления электроэнергии с учетом накопленного в США и Западной Европе опыта, с переносом акцентов на развитие систем экономической мотивации конечных потребителей и энергокомпаний.
Подписаться на новости
Роль IIoT платформ в цифровизации энергосетей (Smart Grid)
Отрасль электроэнергетики наиболее показательна для изучения процессов цифровой трансформации и понимания роли облачных IoT-платформ и приложений в них, поскольку уже реализованный в электроэнергетике, пусть и в ограниченном масштабе, механизм взаимодействия участников процесса сквозной оптимизации всей цепочки от генерации до конечного потребления электроэнергии, в наибольшей степени соответствует целевому облику цифровой экономики и доказывает его достижимость. Цифровая отрасль образуется путем автономного, без непосредственного участия человека, взаимодействия цифровых систем, ее составляющих, с целью их взаимной оптимизации на основе автоматически исполняемых алгоритмов оптимизации. Главное условие установления взаимодействия – экономический эффект от взаимодействия систем должен превышать затраты на это взаимодействие. Человек участвует в этом процессе опосредованно, определяя правила (автоматически исполняемые алгоритмы или правила формирования алгоритмов) и выступая бенефициаром результатов взаимодействия.Применительно к электроэнергетике ключевым отличием SmartGrid от традиционных иерархических сетей энергоснабжения с ручным диспетчерским управлением является возможность реализации автоматически исполняемых алгоритмов оптимизации как иерархических, так и распределенных гетерогенных систем энергоснабжения. Потребность в сквозной оптимизации обуславливает необходимость развития экосистем отраслевых IoT-платформ и приложений (IIoT-платформ), содержащих интегрированные цифровые модели энергосистемы и модели поведения конечных потребителей, и агрегирующих необходимые для их наполнения данные (Рис. 1).
Основная причина почему именно в электроэнергетике реализуется полноценная модель цифровизации, для большинства других отраслей являющаяся лишь отдаленной перспективой, состоит в том, что экономический эффект, превышающий затраты на его достижение, достигается в электроэнергетике только при условии сквозной оптимизации, охватывающей генерацию, распределение, сбыт и конечных потребителей. Анализ реализуемых в мире, в частности, в США, крупномасштабных проектов трансформации энергосетей в умные энергосети со всей очевидностью показывает, что достижение экономического эффекта существенно превосходящего затраты на цифровизацию возможно только в случае сквозной оптимизации генерации, распределения, сбыта и конечного потребления электроэнергии, причем центры затрат и центры достижения экономического эффекта не совпадают, что означает необходимость новых экономических механизмов взаимодействия участников цепочки сквозной оптимизации, позволяющих перераспределять эффект между ее участниками. Если же рассматривать каждого из участников этой цепочки в отдельности (изолированно), то внутренних эффектов оказывается недостаточно для обеспечения окупаемости инвестиций в умные сети.
Примером такой сквозной оптимизации являются в первую очередь программы Demand Response, нацеленные на предотвращение (сглаживание) резких пиков энергопотребления за счет управления энергопотреблением в жилом секторе - промышленные потребители в таких программах как правило не участвуют ввиду технологических ограничений своих производственных процессов. Для генерации сглаживание пиков позволяет увеличить коэффициент использования установленной мощности (КИУМ) за счет отсутствия необходимости держать значительные мощности в холодном резерве, как следствие – снизить себестоимость выработки киловатт-часа. Сбытовые компании значительно экономят на дополнительных закупках на оптовом рынке электроэнергии, поскольку спотовые цены на электроэнергию в пики потребления кратно выше средних и эти затраты не могут быть переложены на конечных потребителей, большая часть которых использует фиксированные тарифы.
Доказанный на практике эффект от сглаживания пиков энергопотребления составляет сотни миллионов долларов в год для крупной энергоснабжающей организации в США, что полностью окупает затраты на внедрение всех элементов умной энергосети. Столь значительный экономический эффект сквозной оптимизации позволяет сбытам и генерации делиться выгодой с конечными потребителями, без участия которых сглаживание пиков невозможно. Наряду с выплатой бонусов энергосбытовые компании субсидируют (вплоть до 100%) установку средств автоматизации управления климатом и энергопотреблением в зданиях – конечных потребителях, поскольку наибольший эффект от программ Demand Response достигается при условии автоматического взаимодействия систем управления ограничением энергопотребления (DRMS) энергосбытовых компаний и систем управления инженерным и бытовым оборудованием зданий (BMS, умные термостаты и пр.).
Именно облачная модель оказывается оптимальной для решения трех ключевых задач, определяющих экономический успех цифровизации электроэнергетики и ЖКХ:
Возможность для поставщика электроэнергии точечно («по требованию») подключать потребителей, участие которых в программах сглаживания пиков потребления (DemandResponse) дает наибольший экономический эффект, переведя все затраты в операционные и оплачивая их только по фактически участвующим в программах DR объктам, то есть по тем клиентам, подключение которых к умной инфраструктуре дает эффект превышающий затраты на их подключение.
Возможность API-интеграции с внешними источниками данных: как с внутрикорпоративными информационными системами энергосбытовой компании, так и с информационными системами других участников цепочки генерации и сбыта электроэнергии, а также с внешними сервисами (прогноза погоды, сервисами аналитики потребительского поведения и т.п.).
Возможность накапливать и централизованно обрабатывать широкую номенклатуру данных, получаемых как от умных подключенных счетчиков, так и от других источников данных, включая внешние, что критически важно для построения корректных математических моделей энергосети и, как следствие, для корректного предсказания пиков энергопотребления путем имитационного моделирования, что, собственно, и формирует саму возможность оптимизации.
Такое понимание подходов к цифровизации электроэнергетики, где центральную роль играют облачные IoT-платформы, в индустрии сложилось не сразу и характеризует переход к новому, «облачному» этапу цифровизации электроэнергетики. Он характерен для Северной Америки и Западной Европы, но не для Китая, несмотря на лидерство этой страны по количеству установленных умных счетчиков. Как следствие, несмотря на то, что по доле установленных умных счетчиков Китай занимает более 50% от общего количества умных счетчиков в мире, потребление облачных сервисов для сбора и анализа данных с умных счетчиков в Китае отсутствует практически полностью. Это делает Китай, пока не перешедший к этапу облачной цифровизации, потенциально наиболее перспективным рынком для разработчиков и провайдеров облачных IoT-платформ и приложений для электроэнергетики.
Рынок IIoT платформ в электроэнергетике: объем, динамика, сегментация
Используемые облачные платформы для сбора данных с подключенных элементов SmartGrid и сквозного оптимизационного управления энергосетями можно классифицировать на два вида:интеграционные, используемые преимущественно для сбора данных и реализации наиболее востребованных задач мониторинга, в частности, автоматического выявления отключений потребителей и случаев воровства электроэнергии,
и аналитические, используемые для оптимизационного предиктивного управления энергосетями в режиме реального времени, в том числе для управления программами DemandResponse и объектами распределенной генерации.
По оценкам J’son & Partners Consulting глобальный объем потребления сервисов обоих видов облачных IoT-платформ достиг в 2018 году $860 млн., а темпы роста потребления в период 2015-2018 гг. составили 85% CAGR. По прогнозу J’son & Partners Consulting, мировой объем потребления рассматриваемых видов платформ вырастет в 2023 году до $4,8 млрд, CAGR составит 41%.
Ситуация в России
Российский рынок предъявляет к разработчикам IoT-платформ существенно более жесткие требования нежели рынки Северной Америки и Западной Европы. Во-первых, в структуре жилого фонда, на который в основном ориентированы программы Demand Response в мире, в России превалирует жилье в многоквартирных домах, подключенных к централизованным системам отопления и горячего водоснабжения (65% от общего количества квартир и индивидуальных жилых домов). Для таких объектов характерен минимальный эффект от оптимизации энергопотребления. Кроме того, в многоквартирных домах установка собственных источников генерации, что является важным элементом Smart Grid, практически нереализуема. Во-вторых, стоимость электроэнергии в России – одна из самых низких в мире (в 2,5 раза ниже чем в США), что еще более снижает размер достижимого экономического эффекта – в среднем $80 в год на подключенный объект жилого сектора против $200 в США, и ужесточает требования к удельной себестоимости сбора и анализа данных об энергопотреблении, и автоматического управления им.Поэтому для России в еще большей степени чем для США и Западной Европы целесообразен подход «pay as you go», предлагаемый в формате управляемых сервисов, основанных на использовании облачных IoT-платформ (интеграционных и аналитических). Метод «большого взрыва», реализованный в Китае и на первом этапе цифровизации – в США и Западной Европе, в России неприменим.
Реализацию сквозного оптимизационного управления энергопотреблением, охватывающего и конечных потребителей, в России имеет смысл начинать с индивидуального жилого фонда, действуя точечно, и лишь на следующем этапе переходить к охвату многоквартирного жилья. Это возможно только при использовании облачных IoT-платформ.
Что касается внешнего рынка для российских разработчиков, то их коммерческий успех в России, где характерны наиболее жесткие требования по удельной себестоимости, станет важной предпосылкой для успеха и на других рынках, в частности, на потенциально наиболее интересном рынке Китая.
Необходимо отметить, что в настоящее время потребление облачных сервисов интеграционных и аналитических платформ в России составляет лишь около $3,2 млн. Функционал сбора данных с умных подключенных счетчиков потребления электроэнергии реализован преимущественно с использованием проприетарных on-premise систем коммерческого учета электроэнергии (АСКУЭ), а в структуре потребления превалируют крупные коммерческие компании, такие как Роснефть, РЖД, но не сбытовые компании. В результате общее проникновение интеллектуальных систем учета потребления электроэнергии в России крайне мало и составляет десятые доли процента от общего количества объектов – потребителей электроэнергии, а облачные IoT-платформы для создания таких систем практически не используются.
При реализации проектов внедрения интеллектуальных систем учета потребления электроэнергии в крупных корпорациях применяется метод «локального большого взрыва» - подключаются все крупные объекты - потребители электроэнергии в рамках одной компании. Мотивацией служит возможность подбора оптимальных тарифов из перечня доступных для коммерческих потребителей (в том числе почасовых), снижение потерь от воровства электроэнергии, своевременное выявление случаев отключения подачи электроэнергии, автоматизация процессов биллинга и выверки счетов. Поскольку подключаются объекты с большими объемами потребления электроэнергии, то перечисленных выше эффектов оказывается достаточно, чтобы компенсировать затраты на развертывание проприетарных АСКУЭ. При этом ни о каком участии в программах сглаживания пиков энергопотребления в данном случае речи не идет, то есть экономический эффект локализован внутри крупного коммерческого потребителя электроэнергии.
Очевидно, что такой подход неприменим для развертывания АСКУЭ в жилом секторе – ни по себестоимости подключения и эксплуатации, ни по достижимым экономическим эффектам. Попытки реализовать облачный подход в России пока носят крайне ограниченный характер, и концентрируются в основном в небольших управляющих компаниях. Это не позволяет окупать затраты на подключение даже к относительно простым облачным сервисам. Более того, при всех очевидных преимуществах облачных IoT-платформ над on-premise АСКУЭ, ввиду относительно невысокого уровня цен на электроэнергию в России для достижения высокого уровня проникновения удельная стоимость подключения к интеграционным (MDMS) и аналитическим платформам должна быть примерно в 3 раза ниже чем для глобального рынка, образованного в настоящее время на 90% потреблением в Северной Америке и Западной Европе, то есть регионами с высокой стоимостью электроэнергии и высоким подушевым доходом. Однако в настоящее время наблюдается ровно противоположная картина – средний размер платежа за функционал MDMS в формате облачного сервиса в 3 раза больше чем таковой на глобальном рынке.
Ввиду превалирования проприетарного подхода к развертыванию АСКУЭ в России и концентрации этого рынка преимущественно в сегменте крупных коммерческих компаний, у российских разработчиков АСКУЭ отсутствуют стимулы и возможности к развитию облачных IoT-платформ для реализации функционала систем интеллектуального учета потребления электроэнергии. В свою очередь, отсутствие таких платформ блокирует развитие наиболее перспективного глобально направления аналитических платформ, поскольку основой для их успешной разработки является возможность обучать прогностические модели на основе большого объема накопленных за длительный исторический период реальных данных, которые могут быть получены только из облачных интеграционных IoT-платформ, отсутствующих в России. Также отсутствуют в России и управляемые сервисы с использованием таких платформ, получающие широкое распространение в Северной Америке и Западной Европе.
Таким образом, разработчикам IoT-приложений и платформ для электроэнергетики, ориентированным на успех на глобальном рынке, целесобразно делать ставку на сегмент аналитических платформ, вступая в партнерства с глобальными лидерами в сегменте интеграционных платформ, используя их как источник данных для обучения имитационных прогностических моделей.
Незначительный размер российского рынка облачных интеграционных и аналитических платформ в денежном выражении – $3,2 млн. в 2018 году (факт), $10,4 млн. в 2022 году и $39,6 млн. в 2029 году (прогноз), означает что:
при минимальной стоимости разработки конкурентоспособной IoT-платформы в десятки миллионов долларов и достижимом размере рынка в единицы миллионов долларов создание платформ, ориентированных исключительно на внутрироссийский рынок, экономически нецелесообразно;
продвижение облачных сервисов на базе IoT-платформ в России как самодостаточного продукта не имеет экономического смысла, необходимо пакетировать их в рамках комплексных управляемых услуг аутсорсинга функций телеметрии и телеуправления энергосетями и конечным потреблением;
необходимо субсидирование установки на стороне конечных потребителей элементов систем «Умный дом», без наличия которых невозможно автоматическое управление конечным энергопотреблением.
Ключевым условием для реализации достижения указанных выше объемов российского рынка облачных IoT-платформ в электроэнергетике является введение в России полноценных программ стимулирования управления конечным потреблением (аналогов программ Demand Response в Северной Америке, Западной Европе и ряде других регионов), в отсутствие которых экономический эффект, превосходящий затраты на цифровизацию электроэнергетики, недостижим, вне зависимости от источников финансирования цифровизации.
Для индустрии и регуляторов, ведущих обсуждение нормативной базы для цифровизации электроэнергетики, имеет смысл скорректировать рассматриваемый в настоящее время в качестве основного подход «большого взрыва» к внедрению систем интеллектуального учета потребления электроэнергии с учетом накопленного в США и Западной Европе опыта, с переносом акцентов на развитие систем экономической мотивации конечных потребителей и энергокомпаний.
Обсудить
Назад
