Segíthet-e a mesterséges intelligencia és a gépi tanulás az energiaszektorban? Persze, sőt, mi is lehetne jobb terep a mesterséges intelligenciának, mint egy olyan szektor, ahol sok pénzről, nagy megtakarítási lehetőségekről van szó, ráadásul rengeteg adat is a rendelkezésre áll. Az energiavállalatok számára a termelés, a szállítás, a tárolás, a beszerzés, a kereskedelem, vagyis minden fázis esetében fontos a hatékonyság javítása, a teljesítmény optimalizálása, az innováció ösztönzése.
Minden oldalon
A mesterséges intelligencia és a gépi tanulás alapvetően a megfelelő adatok kiválasztásával és az adatelemzéssel indul. A projekteknél sokszor nehéz feladat a munkaerő ellenállását legyőzni. Emiatt egy jó fejlesztésnél nemcsak a vezetőket, de a projektben résztvevő munkavállalókat is érdemes bevonni, lehetőség szerint megértetni velük, hogy miként dolgozik és miben segíthet a mesterséges intelligencia. A fogyasztói oldalon az AI abban segíthet elsősorban, hogy megérti az ügyfelek energiafelhasználását, és ez alapján optimalizál, azaz instrukciókat, tanácsokat tud megfogalmazni, hogy a cégek miként csökkenthetik vagy optimalizálhatják energiafogyasztásukat a használati szokásaik megváltoztatásával.
Szolgáltatók, energiakereskedők
Kezdjük egy bűnügyi példával! Világszinten 100 milliárd dollárra (Magyarország GDP-jének több mint a felére) rúg évente az áramlopás, az illegális vételezés. Ez lehet nagyon egyszerű csalás (a vezetékről lehúzzák az áramot a szegénynegyedben), de nagyon szofisztikált is, amikor valaki megbuherálja a mérőt, vagy akár bonyolult informatika segítségével valaki belenyúl az energiaadatokba.
A mesterséges intelligencia és a gépi tanulás automatikusan képes észlelni az anomáliákat. Ez elsősorban az áramszolgáltatóknak hasznos ahhoz, hogy megvédjék az érdekeiket és mérsékeljék a pazarlást, az elfolyást.
A zárt rendszerek
Az energiaközösségek esetében, amikor a hagyományos energiahálózattól függetlenül gyakorlatilag komplett, zárt termelési, elosztási és fogyasztási kört kell működtetni, szintén nagyon hasznos a mesterséges intelligenciával megtámogatott rendszerműködtetés.
Ami kicsiben hasznos, az persze nagyban is az. A mesterséges intelligencia mindenféle méretű energiahálózat esetében alkalmas az optimalizációra, amikor a felhasználási helyek (otthonok, vállalkozások), a hálózat, a tárolók és az energiaforrások, így a megújuló energiaforrások közötti energiaáramlások menedzselését észszerűsíti. Ez csökkenti az energiapazarlást, a költségeket, a káros kibocsátást.
Előnyök elemenként
Ha a szereplők szerint elemeire bontjuk az előnyöket, az energiacégek használhatnak mesterséges intelligenciát a kereslet előrejelzésében, a vevők viselkedésének modellezésében, de ugyanígy a vevők is megtanulhatják a piac működését, hogy jó vásárlási döntéseket hozzanak. A gépi tanulás előrejelzésre is alkalmas, vagyis abban segít, hogy az energiaigény hogyan fog változni a jövőben. A segítségével tényleg mindenki megalapozottabb döntéseket hozhat azzal kapcsolatban, hogy mikor vásároljon és értékesítsen energiát.
Külön hangsúlyos a tárolás is. A globális energiatárolási piac elképesztő ütemben nő, az intelligens energiatároló rendszerek úgy tárolnak, hogy az energiahálózatba minél hatékonyabban integrálódjanak.
Speciális adatok
Eddig főleg termelési, fogyasztási adatokra utaltunk, de az energia ellátási láncában ezer és egy külső adatra is szükség lehet.
A megújuló energiaforrások jelentős része időjárásfüggő. A szél és a nap egyre népszerűbb, de ciklikusan rendelkezésre álló energiaforrások. A jó meteorológiai adatok, a mesterséges intelligencia és a gépi tanulás segíthet az energiavállalatoknak megjósolni, mikor lesz elérhető a megújuló energia, és ennek megfelelően kezelhetik az energiahálózatokat.
A szeizmikus felmérések és más geográfiai adatok pedig az olaj- és gázfúrások helyének meghatározásában segíthetnek a nagy energiacégeknek.
De egészen más jellegű adatok kellenek, ha a mesterséges intelligencia és a gépi tanulás célja az, hogy az energiahálózatokat megvédjék a kibertámadásoktól. Itt a prevencióhoz sokszor a hírek, a közösségi média elemzése szükséges.
Okos hálózat
A vezetékrendszer okosítása is olyan klasszikus terület, ahol nagyon nagy szükség van a mesterséges intelligenciára. Az integrálható érzékelők, adatelemző eszközök, szenzorok, energiatároló rendszerek vagy éppen az összekapcsolható virtuális erőművek nagyon sokat tehetnek egy rendszer hatékonyabb működéséért.
Az intelligens hálózatok minden egyes eszközről gyűjthetnek adatokat, majd ezeket az információkat felhasználhatják energiahatékonysági projektek kidolgozására. Ezeknek sokszor olyan kisebb optimalizációk az eredményei.
Nekem 20 év, neki 20 perc
A mesterséges intelligenciát és a gépi tanulást az energiaszektor termelésének javítására is használják. Lássunk erre kicsit részletesebben is egy esetet!
Képzeljük el, hogy van egy csodálatos képességű mérnökünk, aki 20 éven át ugyanabban az erőműben dolgozik. Felelős munkája van, ami érdekli is, döntéseket hoz, nagy tapasztalattal kezeli a változó árakat, az időjárást, a szállítási útvonalak problémáit, a vezetékrendszer kérdéseit.
Az a döbbenetes tapasztalat és tudás, ami neki 20 év napi 8 órás munkájával felhalmozódott, az lehet, hogy a mesterséges intelligenciával 20 perc alatt összeáll, mert az öntanuló rendszerek megtalálják a nem lineáris összefüggéseket a betáplált időjárási, termelési, energiakihozatali, fogyasztási és hasonló adatokból.
Egy zöld hulladékégető
Legyen a példánk egy modern hulladékégető. A szükséges tüzelőanyag (a hulladék beadagolása) és az optimális hőteljesítmény elérése érdekében az üzem kezelői folyamatosan több száz változót vagy „beállítási pontot” figyelhetnek, mint például a külső hőmérséklet, a páratartalom, a beadagolandó hulladék víztartalma, sűrűsége, a keletkező gőz hőmérséklete, nyomása, oxigénszintje.
A gépi tanulás során egy többrétegű neurális hálózati modellt kell felépíteni, amikor egy mesterséges intelligencia által hajtott algoritmus megismeri a hatásokat, összetett nemlineáris kapcsolatokat tár fel, amelynek tapasztalatai jobb eredményhez, energiakihozatalhoz vezetnek. A mesterséges intelligencia ráadásul nem csupán elvégez egy feladatot, hanem folyamatosan javítja, finomítja a modellt, amely egyszerre eredményezhet pénzügyi megtakarítást (ugyanannyi hulladékból több energia) és kevesebb szén-dioxid-kibocsátást (ha a modell az emissziócsökkentésre is fókuszál).
