Как изкуственият интелект ще подобри енергийната ефективност

• Технологията е уникално позиционирана да поддържа едновременно разрастването на интелигентните електроенергийни мрежи и огромните количества данни, които те генерират
  
  
• Едно от най-разпространените приложения на изкуствения интелект в енергийния сектор е за подобряване на прогнозите за предлагането и търсенето
  
  
• За енергопотреблението на изкуствения интелект и по-широките екологични въздействия от използването му обаче не се събират систематично данни, което налага предприемането на мерки за постигане на по-голяма прозрачност

Енергийните системи стават все по-сложни с нарастването на потребностите от електроенергия и увеличаващите се усилия за декарбонизация. Днес те трябва да могат да поддържат многопосочно протичане на електричество между разпределените източници, мрежата и потребителите. Увеличаващият се брой присъединени към мрежата устройства – от зарядни станции за електрически превозни средства до жилищни соларни инсталации, правят тези електроенергийни потоци по-непредсказуеми. Същевременно връзките между енергийната система и транспортния, сградния и индустриалния сектор се задълбочават. Резултатът е много по-голяма необходимост от обмен на информация, а това налага използването на по-мощни инструменти за планиране и управление на еволюиращите енергийни системи.

Тази необходимост идва точно в момента, когато възможностите на изкуствения интелект се разширяват със зашеметяваща скорост.
Затова не е учудващо, че енергийният сектор предприема стъпки да се възползва от мощта на AI с оглед повишаване на ефективността и ускоряване на иновациите в областта. Технологията е уникално позиционирана да поддържа едновременно разрастването на интелигентните електроенергийни мрежи и огромните количества данни, които те генерират. Смарт електромерите генерират и изпращат няколко хиляди пъти повече данни към разпределителните компании, отколкото аналоговите си предшественици. Новите устройства за мониторинг на потоците в електроенергийните мрежи подават на операторите с един порядък повече данни от технологиите, които заменят.

Тези обеми са сред основните причини енергийните компании да виждат изкуствения интелект като все по-критичен ресурс. Според скорошно проучване изкуственият интелект вече се използва за над 50 приложения в енергийната система, а пазарът на технологията в сектора може да достигне стойност от до 13 млрд. щатски долара.

Прогнозиране на предлагането и търсенето

Едно от най-разпространените приложения на изкуствения интелект в енергийния сектор е за подобряване на прогнозите за предлагането и търсенето. Добиването на по-добра представа за това и кога е налична възобновяема енергия, и кога е необходима, е критично важно за електроенергийните системи от следващо поколение. Това обаче може да е по-сложно за възобновяемите технологии, тъй като слънцето не грее постоянно и невинаги има вятър.

Тук своята роля може да изиграе машинното самообучение. То може да спомогне за осигуряване на вариращо предлагане спрямо покачващото се или понижаващото се търсене. По този начин максимално ще се увеличи финансовата стойност на възобновяемата енергия и ще се даде възможност за по-лесното й интегриране в мрежата.
Добивът от вятърните мощности например може да се прогнозира чрез метеорологични модели и информация за местоположението на турбините. Отклонения във вятърния поток обаче могат да доведат до по-висок или по-нисък добив от очаквания, което ще повиши оперативните разходи. За да се справят с това, през 2019 г.

Google и дъщерната й компания DeepMind, специализирана в изкуствения интелект, разработват невронна мрежа, която да увеличи точността на прогнозите за портфолиото от възобновяеми енергийни източници на технологичния гигант с общ капацитет 700 MW. Въз основа на исторически данни мрежата разработва модел за прогнозиране на бъдещия добив до 36 часа предварително с много по-голяма точност, отколкото е била възможна преди.

Тази по-добра видимост позволява на Google да продава електроенергията си предварително, а не в реално време. Компанията заявява, че това, заедно с други базирани на изкуствен интелект решения за повишаване на ефективността, е увеличило финансовата стойност на вятърната й енергия с 20%. По-високите цени могат да доведат и до по-нататъшни инвестиции във възобновяеми източници. Разработеният от Google софтуер се тества пилотно и в голяма енергийна компания.

В допълнение, с по-ясна картина за пиковете в добива, компании като Google могат да изместят времето на пиково потребление, например при големи изчислителни товари, така че то да съвпадне с тях. По този начин се избягва необходимостта от закупуване на допълнителна енергия от пазара. Ако се разшири още, този капацитет може да окаже съществено влияние върху насърчаването на изместването на товарите и изглаждането на пиковете, особено в комбинация с по-добри прогнози за търсенето.

Увеличена надеждност и сигурност

Друго ключово приложение на изкуствения интелект е прогнозната поддръжка – експлоатационните параметри на енергийните активи се следят и анализират постоянно с цел ранно засичане на неизправности. Поддръжката обикновено се осъществява регулярно по график – стълбовете на една преносна линия например могат да се инспектират веднъж на предварително определен интервал и да се извършват необходимите ремонтни дейности. Този универсален подход може да доведе до неефективности, ако поддръжката се извърши прекалено рано или прекалено късно, което е по-проблемният вариант.

За да преодолеят това предизвикателство, редица електроразпределителни дружества разработват поддържащи изкуствен интелект схеми, които да подпомогнат мониторинга на физическите активи и които използват исторически данни за експлоатационните параметри и прекъсвания с оглед прогнозиране на необходимостта от намеса. Една от тези компании например разработва алгоритъм за машинно самообучение за прогнозиране на това кога е нужно да се подменят кабелите средно напрежение в мрежата. Алгоритъмът използва данни от набор от източници, за да идентифицира модели в генерирането на електроенергия и да извести за всякакви несъответствия. Според проучване на компанията прогнозната поддръжка може да редуцира прекъсванията на електроподаването с 30% в сравнение с конвенционалния подход.

Аналогично, през 2019 г. базирано в Италия електроразпределително дружество започва да инсталира сензори на електропреносните линии, които да следят нивата на вибрации. Алгоритми за машинно самообучение позволяват на компанията да регистрира потенциални проблеми благодарение на получените данни и да разграничава какви са причините за тях. В резултат дружеството редуцира броя на прекъсванията по тези линии с 15%.

Естонски технологичен стартъп пък използва платформа за машинно самообучение с материал от преносните линии, заснет с дронове, за да открива дефекти. Китайската електроенергийна корпорация използва широко изкуствен интелект с цел анализиране на данни от интелигентни електромери с оглед идентифициране на проблеми с оборудването на клиентите.

В идните години потенциалните приложения на изкуствения интелект в енергийните системи вероятно ще се увеличат многократно. Освен по-добро прогнозиране на предлагането и търсенето на енергия и прогнозната поддръжка на физически активи, технологията може да се използва за управление на мрежата, улесняване на реакцията спрямо енергийните потребности и предоставяне на разширен набор от услуги за потребителите.

Справянето с рисковете също е ключово

Без помощта на изкуствения интелект системните оператори и електроразпределителните дружества ще могат да използват ефективно едва частица от новите източници на данни и процеси, които предлагат нововъзникващите дигитални технологии и ще пропуснат значителен дял от потенциалните ползи. Трябва обаче да се отчетат и рисковете, свързани с изкуствения интелект, преди мащабът на разпространение на технологията в сектора да се разрасне. Рисковете включват, но не се ограничават до заплахи за киберсигурността и поверителността, влиянието на отклонения или грешки в данните и несъответствия заради недостатъчно обучение, данни или грешки в кодирането.

Наличието на персонал, разполагащ с подходящите умения, е значително предизвикателство за всеки сектор, желаещ да се възползва от потенциала на изкуствения интелект. В световен мащаб най-бързо расте търсенето на специалисти в областта на изкуствения интелект и машинното самообучение. Енергийният сектор ще трябва да се състезава с останалите браншове, за да вербува най-добрите учени и програмисти, а фирмите, желаещи да запазят персонала, разбиращ сектора, трябва да помислят за обучение и преквалификация на съществуващия персонал.

Изкуственият интелект потребява и повече енергия от други форми на изчисление – ключово съображение предвид факта, че светът се опитва да изгради една по-ефективна енергийна система. За обучението на един-единствен модел се изразходва повече електроенергия, отколкото консумират 100 американски домакинства за цяла година. За енергопотреблението на изкуствения интелект и по-широките екологични въздействия от използването му обаче не се събират систематично данни, което налага предприемането на мерки за постигане на по-голяма прозрачност. Най-ефективната изчислителна инфраструктура и алгоритми за изкуствен интелект трябва да бъдат приоритизирани, за да се избегне компенсирането на ползите по отношение на ефективността.