Big data blijft tot de verbeelding spreken. De theorie beweert hoe belangrijk ‘het’ is en hoeveel waarde ‘het’ wel niet kan vertegenwoordigen. Op de laatste EMC World in Las Vegas sprak ICT/Magazine met Anders Rhod Gregersen, Chief Specialist voor het Deense Vestas Wind Systems A/S. Zijn praktijkverhaal uit de eerste hand is een prachtig bewijs dat de theorieën omtrent big data kloppen.
Vestas is een wereldwijde speler op het gebied van windenergie. Met een marktaandeel van 20 procent is Vestas de grootste producent van windenergie ter wereld. Onder hun naam oogsten bijna 57.000 turbines de wind. Een slordige 33.000 daarvan worden ook door Vestas onderhouden. De waardeketen van Vestas bestaat uit 1) projectplanning en ontwerpen, 2) inkoop en fabricage van windturbines, 3) constructie en installatie en 4) operatie en onderhoud. Met zijn team ondersteunt Gregersen deze volledige waardeketen, maar voor dit verhaal zoomt hij in op projectplanning.
Windenergie wordt al snel in verband gebracht met maatschappelijk verantwoord ondernemen. Gregersen laat er evenwel geen misverstand over bestaan wat de motivatie is van de investeerders achter de windturbines: “Die doen dat niet omdat groene energie onze planeet zou redden of om andere nobele redenen. ROI is veruit de voornaamste drijfveer om in windenergie te investeren. Het levert geld op. Dat is dan ook het doel van de projectplanningsfase: het zekerstellen van een business-case.”
Windkarakter
Vestas maakt een product dat de kinetische energie van wind omzet in elektriciteit. Maar hoe maak je een business-case met iets ongrijpbaars als wind? Volgens Gregersen is een dergelijke business-case alleen te maken als je werkelijk alles over wind begrijpt. “Je moet op voorhand weten of er op een potentieel windturbinepark enige wind geoogst kan worden. Wat voor wind waait er? Hoe is het daar gesteld met de turbulentie? Wat gebeurt er als de wind vanuit verschillende richtingen waait? Het plaatsen van windturbines op een vlak gebied in Denemarken of Nederland vormt in dat opzicht een minder grote uitdaging. Het punt is dat de meeste goede locaties al in gebruik zijn. Dus zijn we steeds vaker aangewezen op complex terrein, waar vaker turbulentie is. Onaantrekkelijk, want veel turbulentie leidt tot hogere operationele kosten, omdat turbines er sneller door slijten. De gebruikelijke wijze om de vragen over het windkarakter te beantwoorden, is het inhuren van een specialistisch onderzoeksbedrijf. Deze plaatst dan een meetmast van ongeveer 150 meter hoog. Gedurende zo’n twee jaar verzamelt deze mast data over die specifieke locatie. De klant/investeerder begint dus met een aanbetaling van een slordige € 200.000, moet vervolgens twee jaar wachten en heeft geen enkele zekerheid dat dit onderzoek leidt tot de gewenste antwoorden. Geen goede start voor een business-case.”
Petaschaal
Hij was werkzaam voor CERN toen Gregersen in 2010 werd benaderd door Vestas met de vraag om hun supercomputer uit te bouwen. Doel: het transformeren van de business. Rond 2008 stond de computer van Vestas op de 356ste plaats in de top 500 van supercomputers. Geen kleine jongen dus. Gregersen: “Vanaf 2010 hebben we flink geïnvesteerd in computerpower, waarbij wij ongeveer Moore’s Law volgen: iedere 18 maanden een verdubbeling. Uiteindelijk konden we beschikken over de op drie na grootste supercomputer voor commercieel gebruik. Ook bouwden we een big-data-systeem, ruim voordat die term de hypestatus kreeg die het vandaag de dag heeft. Met deze indrukwekkende computerpower hebben we het weer vanaf 1 januari 2000 tot vandaag gerendered. Een normaal meteorologisch instituut kan voorspellen of je morgen een dikke jas of paraplu moet meenemen. Alleen wordt hun voorspelling minder accuraat hoe verder ze in de toekomst gaan, omdat ze geen metingen hebben die hun voorspellingen kunnen ondersteunen. Het weer van de afgelopen zestien jaar van praktisch de gehele planeet hebben we achterwaarts wiskundig gerendered, we gingen dus terug in de tijd. Deze resultaten ondersteunen we met 35.000 actuele meetpunten verspreid over de planeet, afkomstig van de meteorologische gemeenschap. Onze simulatiemodellen zijn uitermate precies als het om wind gaat. In de modellen van een weervoorspeller is wind slechts een bijproduct. Voor hen maakt het niet uit of het 6 meter of 6,2 meter per seconde waait. Maar voor ons is dat enorm belangrijk. Een verdubbeling van de windsnelheid levert acht keer zoveel stroom op. Op basis van de resultaten konden we virtuele metingen doen met een accuratesse van één vierkante kilometer. Daarbij meten we 200 parameters die met wind en het weer te maken hebben. Het aardoppervlak beslaat ongeveer 510 miljoen kilometer, dus je kunt nagaan hoeveel data dit genereert. We spreken hier over data op petaschaal.”
Voorspellen
Van de totale energieproductie in Denemarken in 2015 kwam 42 procent van windenergie. “Anders dan bij energie die door fossiele brandstof of waterkracht wordt opgewekt, heb je geen controle over de productie bij windenergie”, vertelt Gregersen. “Je gebruikt de energie zoals het komt, en vult dat indien nodig aan met andere bronnen. En ook wordt de manier van leveren geregeld met data en simulatiekracht. Een van onze digitale producten is het voorspellen van de hoeveelheid windenergie. Wij kunnen exact de productie van een windturbinepark voorspellen. Dat klinkt eenvoudiger dan het is. Stel je een windturbinepark voor in het Duitse Zwarte Woud. Tijdens de winter zitten er geen bladeren aan de bomen, waardoor de wind heel anders zal zijn dan in de zomer met bladerrijke boomtoppen. Deze en alle andere variabelen kunnen wij simuleren, omdat we de data van al onze 56.000 turbines hebben. Die data zijn een van onze voornaamste assets.”
Het systeem
De vele petabytes aan te analyseren data laten zich niet via relationele databases benaderen. “Dat was onze voornaamste uitdaging in 2010/2011”, herinnert Gregersen zich. “We hadden geen andere keuze dan zelf een big-data-oplossing te bouwen. In de basis repliceert het systeem de functionaliteit van relationele databases, waardoor we kunnen querieën alsof we met een relationele database werken. In werkelijkheid is het gebouwd op een Hadoop-stack, wat later bekendheid verwierf als de drijvende kracht achter big data. Hierdoor konden wij de interactie met onze klanten – de eigenaren van de windparken – en de inzichten binnen onze organisatie op een compleet andere manier aanpakken. Een klant hoefde nu niet meer twee ton in een onzeker onderzoek te stoppen dat twee jaar in beslag nam. Nu konden wij op praktisch iedere plek op onze planeet inzoomen om een virtuele lay-out te maken van een windpark, alsof het Google Earth is. Binnen vijf minuten heb je een volledig rapport over je cashflow wanneer je een X-aantal windturbines op plek Y plaatst. Dit kunnen wij doen omdat we over de benodigde ingrediënten beschikken: we kennen het windkarakter van die plek van de afgelopen 16 jaar, en dankzij onze simulatiemodellen kennen we de turbulentiekenmerken.”
Optimalisatie
“Je kunt veel over de cultuur van bedrijven zeggen door te kijken naar hun helden”, aldus Gregersen. “Vestas is zonder twijfel een constructiebedrijf. Onze helden zijn de mensen die de briljante componenten ontwikkelen voor onze windturbines. Maar hoe slim hun ontwerpen van de generator, tandwielkast en transformator ook zijn, ze lopen onherroepelijk aan tegen de wet van Betz.” Deze natuurwet zegt dat onafhankelijk van de windsnelheid maximaal 59 procent van de kinetische energie aan een luchtstroom kan worden onttrokken. Dit is het theoretisch maximale rendement dat kan worden bereikt. Volgens Gregersen komen ze al aardig in de buurt van dat natuurlijke maximale rendement. Volgende optimalisatiestappen kunnen dan nog worden gezet op het verminderen van de ‘levelized costs of electricity’, LCOE. Dat is de bedrijfswaarde van de geproduceerde eenheden elektriciteit gedeeld door de kosten per eenheid elektriciteit, berekend over de gehele levenscyclus. Wat Gregersen daarnaast doet met zijn team, is de simulatiemodellen van de individuele turbine in eerste instantie uitbreiden naar een heel park met turbines en vervolgens naar de volledige turbinevloot. Hiervoor worden de gerenderde weerdata gebruikt in combinatie met de data afkomstig van de ongeveer 1000 sensoren op iedere windturbine. Voor de hele vloot is dat dus data van ruim 50 miljoen sensoren. “De meeste windparken leveren nieuwe data met een interval van tien minuten. We verzamelen deze data met een hoge frequentie, op het niveau van secondes. Daardoor kunnen we vragen beantwoorden als: Welk ecosysteem omringt deze data en simulatie? Van welke kant komt de wind het turbinepark binnen? Hoe moeten we de turbines positioneren zodat ze de optimale windoogst behalen? Met iedere turbine neemt de windkracht af. Dus in plaats van de individuele turbine te optimaliseren – wat sub-optimalisatie zou betekenen – optimaliseren we het park als geheel. Het kan dan beter zijn voor het rendement om de eerste rij turbines 20 procent van de wind te laten oogsten, zodat de rij daarachter ook 20 procent kan oogsten. Dit vereist een dataomgeving waar je informatie tussen turbines kunt uitwisselen. Hiertoe moet een turbine exact kunnen simuleren wat er gebeurt als de wind binnenkomt. Op deze manier kunnen we het park of de gehele vloot als één geheel laten opereren.”
Bimodal
Dit verhaal gaat niet alleen over de techniek van big data en simulatiemodellen. De organisatorische kant van het succes van Vestas is minstens zo belangrijk. Ontwikkeling wordt traditioneel afgerekend op de capaciteit met nieuwe functionaliteit te komen. De operatie wordt afgerekend op SLA’s en hun betrouwbaarheid. Die twee meetwijzen vinden elkaar vrijwel nergens. “Traditionele IT zoekt naar optimale efficiency qua proces en kosten”, doceert Gregersen. “Dat werkt uitstekend in een statische wereld. Daar is waarschijnlijk inderdaad één optimale werkwijze, die je dan helemaal kostenefficiënt kunt bijslijpen. Maar als er één wereld bestaat die niet statisch is, is dat wel de wereld van windenergie. Dus restte ons niets ander dan op een agressieve manier digitale oplossingen te creëren om onze analoge business te transformeren. Terugkijkend werken we binnen R&D van Vestas eigenlijk al sinds 2008 met agile en devops. Wij lieten de ontwikkelaars hun eigen hondenvoer eten, door hen te laten werken met de software die ze zelf hadden gemaakt. In zekere zin gaven ze zichzelf dus feedback. Toentertijd werd deze aanpak als schaduw-it bestempeld en werd er een beetje meewarig naar gekeken. Maar het bleek de ideale manier om de analoge wereld van windturbines de juiste digitale ondersteuning te bieden. Daarmee evolueerde het van schaduw-it naar de nieuwe manier van werken binnen Vestas.”
Op de vraag of alle data worden bewaard, reageert Gregersen bijna verbaasd: “Natuurlijk! Dat heeft alles te maken met de digitale mogelijkheden. De oplossing die de meeste waarde uit data kan halen, moet nog worden uitgevonden. De dag dat die oplossing beschikbaar komt, wil ik bij mijn data kunnen.”
