Quant Insight är en programvara som är tätt integrerad och riktad mot drift, analys och kundhantering. Lösningen är byggd för att maximera värdet av data från smarta elmätare (AMS) och andra IoT-sensorer i nätet.
Moduler i Quant Insight
Spänningsutmaningar i lågspänningsnätet
I leveranskvalitetsmodulen får du en överblick över nätets tillstånd, vilket gör det möjligt att identifiera anläggningar med problem relaterade till spänningskvalitet.
Ett exempel på en tidigare situation där Quant Insight kan hjälpa dig genom en spänningsutmaning är ett lågspänningsnät där betydande underspänning identifierades i vissa anläggningar, och där den kund som låg längst från transformatorn upplevde flimrande ljus. Med hjälp av leveranskvalitetsmodulen visualiserades avvikelsen enkelt, och det blev tydligt att flera mätpunkter påverkades.
Området och mätpunkterna med spänningsavvikelser.
Flera av anläggningarna var 1-fasanläggningar och dessutom kopplade till samma fas, vilket resulterade i ett sammanfallande spänningsmönster. Med denna insikt kunde elnätsbolaget vidta åtgärder: fasa om vissa anläggningar och trimma transformatorn. Tack vare Quant Insight hade man konstant överblick och kunde säkerställa att trimningen var acceptabel även för närliggande anläggningar. Dessa enkla ingrepp var betydligt billigare än mer omfattande fysiska förstärkningar av linjen.
Spänningsutvecklingen före och efter åtgärderna. Från toppen: fasomkoppling 22 november, fasomkoppling 24 november, transformatortrimning 24 november.
Från händelser till insikt
AMS-mätare och smarta sensorer skickar idag inte bara spännings- och strömdata – de genererar även händelser och larm. Dessa innehåller värdefull information om nätets tillstånd. När de sätts i system kan de ge tidiga indikationer på avvikelser.
I Quant Insight kan elnätsbolaget själv konfigurera regelverk för att övervaka specifika kombinationer av eller upprepade händelser – till exempel återkommande underspänning som kan tyda på ett fasbrott. Detta möjliggör proaktiv felhantering och filtrering av de mest relevanta händelserna för snabbare åtgärd.
Exempel på regelverk och händelseöversikt.
Genom att kombinera regelbaserade larm med fackkompetens hos nätbolaget blir det enklare att identifiera mönster, förstå samband och sätta in rätt åtgärder – utan att manuellt granska stora datamängder.
Proaktivitet sparar kostnader
Ett annat exempel visar hur återkommande spänningsdippar hos en kund i Sverige ledde till upptäckt av värmeutveckling i en säkringslist. Själva spänningsavvikelsen var inte kritisk i sig, men kunde över tid ha orsakat skador på utrustning och driftsavbrott.
Återkommande spänningsdippar avslöjade värmeutveckling i säkringslist.
Genom att upptäcka problemet tidigt kunde komponenten bytas ut innan allvarliga konsekvenser uppstod. Säkringslisten visade tydliga spår av överhettning och var synligt bränd. Detta är ett bra exempel på hur mätdata och händelser tillsammans ger insikt som möjliggör proaktivt underhåll – vilket sparar både tid och pengar.
Nästa steg: Mönsterigenkänning och maskininlärning
Vidareutvecklingen av Quant Insight handlar i stor utsträckning om att göra systemet ännu mer träffsäkert och självlärande. Den stora mängd data som samlas in är avgörande för driften av ett allt mer komplext nät. Genom användning av exempelvis maskininlärning kommer analysen av dessa data att skapa ytterligare värde – för proaktiva beslut och optimerad drift.