ENG

Перейти в Дзен
Мнение, Технологии

Как AI меняет производство, передачу и потребление электроэнергии

Валерий Дзюбенко

Валерий Дзюбенко

Заместитель директора Ассоциации «Сообщество потребителей энергии»

AI-технологии только начинают свой путь в электроэнергетике, но их применение быстро расширяется и очень скоро может кардинально изменить то, как мы производим, передаём и потребляем электроэнергию. Дело в том, что наряду с уже распространёнными способами использования AI в индустрии, например для решения предикативных задач в ремонте и обслуживании оборудования, в электроэнергетике существует ряд специфичных направлений. Они интересны не только своей необычностью, но и тем влиянием, которое они могут оказать на привычную структуру отрасли, отношения в ней, а в итоге — на удобство ведения бизнеса и комфорт нашей жизни. 

Как AI меняет производство, передачу и потребление электроэнергии

В целом можно выделить пять направлений использования AI в электроэнергетике.

Первое направление — использование AI-технологий для предсказания выработки возобновляемых источников энергии (ВИЭ) — ветряных и солнечных электростанций. Для России с минимальной долей ветряных и солнечных электростанций в энергосистеме проблема метеозависимости ВИЭ актуальна пока только для некоторых территорий на юге страны, где их концентрация становится значимой для режима управления энергосистемой, но во многих зарубежных энергосистемах эта проблема из локальной уже переросла в общенациональную.

Как это работает? Обработка с помощью нейросетей исторических данных, погодных карт, спутниковой информации, данных метеостанций и видеосъёмок неба позволяет формировать прогноз уровня загрузки и объёмов выработки электроэнергии солнечными и ветряными электростанциями. Эти сведения о прогнозе загрузке объектов ВИЭ позволяют также заблаговременно спланировать загрузку топливных электростанций и режимы работы сети для передачи электроэнергии. Кроме того, изменение объёмов выработки электроэнергии от возобновляемых источников позволяет точнее прогнозировать ценовую ситуацию на спотовом рынке электроэнергии. Поскольку себестоимость выработки электроэнергии на объектах ВИЭ в силу отсутствия топливных затрат практически нулевая, значительные объёмы поставки дешёвой электроэнергии могут оказывать существенное давление на снижение рыночных цен в соответствующие временные интервалы.

В качестве примеров можно привести компанию Xcel, поставщика электроэнергии из штата Колорадо, которая внедряет AI-решения для обработки данных, поступающих из Национального центра исследования атмосферы, в том числе спутниковые наблюдения.

Другая компания, Nnergix, основанная в Испании, создала web-платформу, использующую для машинного обучения как метеоданные, так и данные энергокомпаний.

Основанная в Тель-Авиве компания Meteo-Logic также занимается анализом данных с фокусом на погодных предикативах и влиянии погоды на энергорынок. Компания использует машинное обучение и большие данные для создания самообучающихся алгоритмов, которые повышают точность погодных предсказаний для оценки влияния погоды на поставки электроэнергии.

Информация о солнечной активности традиционно считается более объёмной, понятной и операбельной, чем информация об энергии ветра.

Компания IBM, к примеру, продемонстрировала возможность улучшения прогнозов по солнечной активности с помощью AI-технологий на 30%. Технология уже объединила дюжину прогнозных моделей с множеством массивов данных о погоде, состоянии окружающей среды, состоянии атмосферы, функционировании солнечных и других электростанций. Используется диапазон прогнозирования от 15 минут до 30 дней. Разработчики заявляют о 50% превосходстве в точности над ближайшими конкурентами — другими моделями, предсказывающими солнечную активность.

Вместе с тем, согласно данным, полученным группой исследователей из инженерно-технологического университета Пешавара, использование нейросетей позволяет создавать достаточно точные прогнозы выработки электроэнергии ветряными электростанциями в диапазоне от часа до года со средней погрешностью, не превышающей 1,049% с дискретностью такого прогноза до суточной почасовой разбивки.

Таким образом, AI-технологии открывают широкие возможности для интеграции возобновляемых источников в энергосистемы, снижают их непредсказуемость и помогают выстраивать оптимальный баланс мощностей — как в текущих режимах, так и на перспективу. Более точное прогнозирование выработки электроэнергии также становится важно для владельцев ВИЭ-генерации при ужесточении правил работы на рынках электроэнергии — когда при развитии этого сегмента системные операторы начинают требовать от ВИЭ-генерации планировать выработку на предстоящие периоды времени. Справедливо и обратное влияние: появление AI-технологий, позволяющих достаточно точно прогнозировать выработку электроэнергии ВИЭ-генерацией на предстоящие периоды, позволяет снимать с рынков льготы, связанные с преимущественным безусловным приёмом ВИЭ-электроэнергии в сеть по факту выработки.

Второе направление использования AI в электроэнергетике — прогнозирование спроса и ценовой ситуации на спотовом рынке электроэнергии. Несмотря на то, что использование AI для прогнозирования торговой динамики на энергорынках в мире применяется уже давно и широко, в России этот способ только начинает привлекать широкое внимание. К примеру, в рамках исследования возможностей AI для повышения точности краткосрочного прогнозирования цен на рынке электроэнергии, выполненного в Высшей школе экономики, установлено, что средние абсолютные ошибки почасового прогноза за рассматриваемые в данной работе месяцы могут находиться в пределах от 2,48% до 3,41% (Краткосрочное прогнозирование цен на российском оптовом рынке электроэнергии на основе нейронных сетей. Золотова И. Ю., Дворкин В. В. // Проблемы прогнозирования. 2017. №6).

Применение AI-технологий для прогнозирования спроса и цен на рынке электроэнергии, помимо того, что приносит компаниям ощутимую экономию затрат, может служить информационной основой для технологий управления спросом, включая управление режимами работы распределённых генерирующих объектов и систем хранения энергии — в часы максимальной цены электропотребление может переключаться от общей сети на собственные энергоресурсы.

Следующее, третье направление использования AI в электроэнергетике — управление конфигурацией и режимами работы небольших локальных умных энергосетей (microgrids).

Микросети возникают там, где возможность обращения в централизованной общей сети сведена к минимуму или вовсе исключена — острова, удалённые и изолированные территории. Кроме этого, микросети позволяют эффективно связать между собой большое количество территориально близких локальных энергоисточников, например солнечных панелей, внутри централизованной энергосистемы, позволяя пользователям такой сети обмениваться электроэнергией внутри, практически не обращаясь в общую сеть. Микросеть, как правило, состоит из генерации, в том числе на основе возобновляемых источников, систем хранения и непосредственно самих электрических сетей, режим работы которых автоматически балансируется онлайн с помощью контроллеров, которыми оснащается всё оборудование, то есть микросеть реагирует на выдачу мощности от распределённых энергоисточников, а также на локальные колебания спроса, его пики и провалы.

Технологии искусственного интеллекта в микросетях используются для достижения высокой скорости автоматизации процессов и упреждения событий.

В качестве примера можно привести проект REIDS Наньянского технологического университета (Сингапур), который представляет собой восемь микросетей на острове Семакау, оснащённых ветряными, солнечными и дизельными генерирующими объектами, накопителями и системой хранения энергии на основе водорода. К международному консорциуму, реализующему этот проект, в составе которого компании Accenture, Alstom, Engie и Schneider Electric, присоединилась французская компания Metron. Задача интеллектуальной платформы Metron под названием Energy Virtual Assistant — помочь на основе собираемых данных оптимизировать производство, хранение и потребление энергии в микросетях.

Похожий пример проекта с использованием AI в микросети реализуется на островах Сили (Великобритания). Интеллектуальное решение в виде платформы GridShare для этого проекта поставляет компания Moixa. Оптимальный план функционирования оборудования и устройств внутри микросети формируется через машинное обучение на основе комплексных данных — прогнозов нагрузки и выработки, погодных условий, привычек и предпочтений потребителей и др.

Четвёртое направление использования AI-решений в электроэнергетике — повышение эффективности взаимодействия энергосистемы и потребителей через понимание, как себя ведёт спрос и что на него влияет. При этом областью применения могут быть как домохозяйства, так и энергоснабжение коммерческих и промышленных потребителей.

Все люди, как, впрочем, и компании, достаточно разные, но энергетики и регуляторы привыкли видеть потребителей очень укрупнённо — в основном через географические и демографические характеристики, в лучшем случае в виде типовых профилей потребления.

При этом очевидно, что потребители создают внушительный поток данных, который так или иначе доносится, поступает через электрическую сеть. Умные измерения позволяют получать очень разнообразную информацию не только о сетевой нагрузке, но и о наборе и интенсивности использования электрических устройств и оборудования и, таким образом, о привычках потребителей. К примеру, «совы», предпочитающие работать ночами, отличаются от тех, кто любит в шесть утра выходить на пробежку, не только временем пикового потребления электроэнергии, но и составом своих электроприборов.

В качестве примера можно привести решение под названием Verv от компании Green Running. Verv — это домашний ассистент по энергетике, который собирает информацию непосредственно с вводного электрощита в доме или квартире, при этом умеет распознавать данные по каждому энергопотребляющему устройству — насколько интенсивно оно используется. На выходе ассистент выдаёт решения, помогающие сокращать платежи и экономить энергию. Искусственный интеллект Verv также предупредит вас о высокой вероятности скорой поломки устройства.

Предложение другой британской компании — Voltaware — не только автоматически и в режиме реального времени определяет, какие приборы в тот или иной момент включены и какую долю вносят в общий счёт за электроэнергию, но и предупреждает родственников об отклонении от стандартного шаблона электропотребления в квартире опекаемого ими члена семьи, например пожилого родителя. Кроме того, у компании есть индустриальные решения — трёхфазные сенсоры, которые могут быть установлены на сетях промышленных предприятий и коммерческих организаций, обеспечивая наблюдение за работой оборудования и учёт энергозатрат.

Третье поколение термостатов Nest (стартап был приобретён компанией Google в 2014 году) оснащено возможностью к обучению — умеет на основе ваших привычек создавать расписание работы климатических устройств вашего дома или офиса, «чувствует», когда вы уходите, заблаговременно отключая оборудование. Для того чтобы данные функции активировались, умному термостату достаточно одну неделю «пожить» у вас.

AI-алгоритм Athena от компании Stem (Калифорния, США) используется для управления энергоснабжением в режиме онлайн с использованием систем хранения энергии. Athena собирает и анализирует данные о поведенческих привычках и создаёт на их основе сценарии для заряда и разряда накопителей энергии.

Технологии искусственного интеллекта используется также платформой Verdigris. Данные с устройств в коммерческих зданиях обрабатываются через облачный сервис и позволяют клиентам компании оптимизировать энергоснабжение. К примеру, в одном из отелей Сан-Франциско за трёхмесячный период с помощью платформы Verdigris удалось определить и исключить неэффективное энергопотребление, которое стоило бы владельцам отеля порядка $13 тысяч.

Компания DeepMind (DeepMind Techno­logies Ltd. основана в Лондоне в 2010 году, поглощена компанией Google в 2014 году) известна тем, что создала в 2015 году, на 10 лет раньше ожидаемого срока, AI-алгоритм (AlphaGo), обыгравший профессионального игрока в го. Но, кроме этого, использование AI-технологий от DeepMind позволило на 40% снизить электропотребление систем охлаждения дата-центров компании Google, что в течение нескольких лет сэкономило интернет-гиганту сотни миллионов долларов.

И наконец, пятое направление — общеиндустриальное, — в рамках которого AI используется для повышения эффективности использования традиционного оборудования — производственного и энергетического, замены планово-предупредительных ремонтов на предикативное обслуживание, а также для управления спросом на электроэнергию и в целом энергоресурсами предприятий, становящихся всё более распределёнными. В качестве примера решений для предикативного обслуживания оборудования можно привести российскую систему аналитики ПРАНА, основанную на MSET-алгоритме (multivariate state estimation technique) с картами Хоттелинга, машинным обучением и искусственным интеллектом. С помощью алгоритмов система в реальном времени сравнивает фактическое техническое состояние оборудования с эталонной моделью и определяет различия между ними; отклонение от эталонной модели сигнализирует о зарождающейся негативной тенденции — прогностическая составляющая выявляет отклонения за 2-3 месяца до того, как они могут привести к незапланированному останову оборудования.

AI-технологии также могут использоваться для платформ по управлению спросом (demand response) и распределёнными энергоресурсами. Интеллект, обученный реагировать на ценовые и производственные потоки данных, может взять на себя диспетчерские функции и осуществлять эффективное управление энергосистемой предприятия или локальной группы предприятий, которая представляет собой не что иное, как локальную сеть (microgrid), принцип работы которой был кратко изложен выше. Самобалансирование ограниченных по объёму электропотребления индустриальных кластеров лежит в основе концепции развития в России активных энергетических комплексов (АЭК), продвигаемой в рамках Национальной технологической инициативы. Собственно, и в «больших» энергосистемах скоро будет невозможно обходиться без искусственного интеллекта. В условиях быстро усложняющихся структур энергосистем, кратно растущего количества активных объектов в энергосистеме (как генерации, так и управляемого спроса) диспетчеры скоро не смогут обеспечивать баланс в энергосистеме без помощи AI-систем. Только AI сможет качественно обработать объём информации, который будет поступать диспетчерам, и на основе этой информации предлагать (а в будущем и принимать) решения об оптимальных режимах работы энергосистемы.

Все вышеперечисленные направления использования AI в электроэнергетике не просто сокращают, они вкупе с энергетическими технологиями способны свести к минимуму зависимость нашей жизни от энергетической инфраструктуры. Наличие сети и свободных мощностей перестаёт быть ограничением для освоения новых территорий и развития уже сложившихся городских пространств — новая микросеть, управляющая устройствами в режиме самобалансирования, может развиваться изолированно или дополнить существующую перегруженную сеть новыми возможностями. Собственный энергоисточник, например солнечная панель, оснащённая системой хранения, способна без вашей помощи настроить комфортный и выгодный для вас режим электроснабжения вашего дома. Аналогично более крупные энергообъекты с использованием AI могут сделать более эффективным энергоснабжение организации или целого предприятия. Для этого достаточно просто оснастить оборудование необходимыми датчиками и подключить его к интернет-сети — работа систем машинного обучения, лежащая в основе искусственного интеллекта, легко обеспечивается облачными решениями. В свою очередь сокращение невынужденных пиков потребления с помощью алгоритмов AI позволяет кратно сокращать расходы на электроэнергию и затраты энергокомпаний на строительство и содержание незагруженных мощностей.

Новый формат обмена электроэнергией очень удобен и привлекателен, но, поскольку он в значительной степени зависит от развития и безопасности IT-технологий, актуальная проблематика электроэнергетики, ранее состоявшая преимущественно из сугубо технических вопросов из разряда снижения расходов топлива или сетевых потерь, теперь дополняется пунктами повестки из сферы информационных технологий, в первую очередь — вопросами кибербезопасности.

Следите за нашими новостями в удобном формате
Перейти в Дзен

Предыдущая статьяСледующая статья