Rozdział 5
Realizacje
Wybrane wdrożenia, zanonimizowane. Każde opisane w tym samym porządku: problem, rozwiązanie, efekt. Tam, gdzie efekt jest zmierzony, podana jest liczba.
Automatyczne sterowanie farmami PV przy ujemnych cenach
Problem: farmy wyłączane ręcznie przy ujemnych cenach. Przy postoju nie było wiadomo, czy to awaria, czy ograniczenie od OSD.
Rozwiązanie: system pobierający ceny PSE co 15 minut, sterujący falownikami i informujący operatorów w grupie na komunikatorze. Rozwijany i utrzymywany od 2022 r.
Plany produkcji wysyłane bez udziału człowieka
Problem: plany produkcji dla operatora przygotowywane ze stałych profili.
Rozwiązanie: model produkcji dla każdej farmy oparty na prognozie pogody i automatyczna wysyłka plików XML do API operatora.
Efekt: błąd dobowy mniejszy o ok. 30–40% niż przy metodach naiwnych, codzienna wysyłka planów na ok. 4 tygodnie do przodu.
Prognoza ceny CEN i ryzyka ceny ujemnej
Problem: decyzje o pracy instalacji podejmowane bez wiedzy o cenie na kolejne godziny.
Rozwiązanie: probabilistyczna prognoza na dziś i jutro, zapisywana do bazy i dostępna w panelu.
Efekt: ok. 40% mniejszy błąd niż „jak wczoraj”, ROC-AUC 0,93 dla cen ujemnych.
Automatyzacja procesu projektowego w biurze architektonicznym
Problem: powtarzalne czynności w Revicie, ręczne raportowanie, ręczny start projektu.
Rozwiązanie: zestaw dodatków do Revita, automatyczny start projektu z danymi przestrzennymi (generator planów sytuacyjnych 3D), raportowanie i CI/CD w procesie projektowym.
Efekt: 40 h ręcznej pracy tygodniowo zastąpione 10 minutami działania skryptów i 2 h weryfikacji.
Automatyczna weryfikacja danych u generalnego wykonawcy
Problem: ręczne wyciąganie i sprawdzanie danych z modeli konstrukcyjnych, dane projektów rozproszone w wielu formatach.
Rozwiązanie: pipeline w Pythonie (IfcOpenShell, pandas) przetwarzający ok. 200 modeli IFC, ujednolicenie modeli, rysunków i specyfikacji w centralnej bazie, lokalny model wizyjny do odczytu dokumentów.
Efekt: proces skrócony z 3 dni ręcznej pracy do 3 h weryfikacji, dane wielu projektów dostępne do analiz dla zarządu.
Analizy opłacalności projektów OZE
Problem: ocena lokalizacji i opłacalności farm PV, turbin wiatrowych i inwestycji liniowych.
Rozwiązanie: parametryczna geometria projektu z danych GIS oraz prognozy miesięczne z danych o nasłonecznieniu, pogodzie i cenach energii.
Projekty open source
Simple Asset Manager (dodatek do Blendera), meshroom2blender oraz poprawki w IfcOpenShell. Leysa korzysta z otwartego oprogramowania i oddaje mu część pracy.