Може ли ИИ да трансформира енергийния сектор?

Какво ще бъде потенциалното въздействие на Изкуственият интелект (ИИ, AI) l върху енергийния сектор през следващите години ? Отговор на този въпрос дават  David Sandalow, Zhiyuan Fan & Mariah Frances Carter в публикацията си, разискваща Пътната карта за изкуствен интелект за смекчаване на изменението на климата (второ издание), наскоро публикувана от Дейвид Сандалоу и екип от 24 съавтора.

С това Центъра за глобална енергийна политика (CGEP) към Колумбийския университет поставят началото на серия от публикации, в които ще се обсъждат ИИ и емисиите на парникови газове, автомобилния транспорт, ядрената енергия и други теми.

Нарастващото търсене на енергия от ИИ (AI) получи огромно внимание през последните месеци. На много места липсата на захранване е важно ограничение за растежа на центровете за данни за обучението и управлението на ИИ модели.

Потенциалът на ИИ да трансформира енергийния сектор получи по-малко внимание.

Този потенциал е значителен. ИИ може да помогне за ускоряване на ръста на възобновяемите енергийни източници, да подобри преноса и разпределението, да разгърне виртуални електроцентрали, да революционизира съхранението на енергия и много повече. И все пак трябва да се обърне внимание на редица пречки и рискове. В публикацията в блога си авторите подчертава няколко начина, по които изкуственият интелект може да трансформира енергийния сектор. Те препоръчват пет стъпки, които да помогнат за реализирането на този потенциал.

ИИ в енергийния сектор – четири примера

ИИ има приложения в целия енергиен сектор. Примерите по-долу илюстрират диапазона от потенциални приложения.

Първо, ИИ може да помогне при планирането, издаването на разрешения и експлоатацията на проекти за възобновяема енергия. Алгоритмите за машинно обучение могат да препоръчат оптималния размер и местоположение на проекти за слънчева и вятърна енергия, като извършват сложни изчисления по теми като метеорологични модели и ограничения на мрежата. Големите езикови модели (LLM) могат да ускорят процесите на издаване на разрешителни, извличайки текст от минали приложения по темата, така че да отсеят кандидатите и да се обобщят висящите заявления, с което да се подпомогнат органите за издаване на разрешителни. Алгоритмите на ИИ могат да предскажат слънчевата радиация и скоростта на вятъра по-точно от традиционните методи, позволявайки по-добро планиране и използване на възобновяема енергия.

Второ, ИИ може да подобри преноса и разпределението на електроенергия. ИИ може да помогне при планиране на разширяване на преноса, определяне на най-доброто местоположение и капацитет на нови преносни линии. ИИ може да бъде особено полезен при анализа на оптималния поток на мощността (OPF), оценявайки най-ефективния и надежден поток на електроенергия през преносна мрежа.  Алгоритмите на ИИ са от съществено значение за динамичната оценка на мрежата — метод за определяне на максималния капацитет на преносните мрежи въз основа на текущото време и условията на мрежата, който може да увеличи капацитета на преноса с поне 30%.

Трето, ИИ играе особено важна роля във виртуалните електроцентрали (VPPs) — мрежи от децентрализирани, разпределени енергийни ресурси, включително устройства за крайна употреба. Много VPP комбинират управлявани от ИИ прогнози на търсенето и способността да се манипулира потреблението на енергия на крайните устройства. VPPs помагат за интегрирането на възобновяема енергия в електрическите мрежи, ограничавайки нуждата от скъпи пикови централи, които доставят енергия по време на периоди на голямо търсене и намаляват емисиите на парникови газове.

Не на последно място ИИ може да подобри, както и потенциално да революционизира съхранението на енергия.

ИИ може да помогне за интегрирането на съхранението на енергия в електрическите мрежи, като прогнозира кога възобновяемата енергия ще бъде ограничена и поддържа планирането на съхранението на енергия в по-широк план. ИИ може да помогне за превръщането на електрическите превозни средства в мрежови активи, поддържайки програмите на превозни средства до мрежата. Разполага с потенциала драстично да ускори темпа на иновациите по отношение на химията на батериите и други технологии за съхранение на енергия, използвайки невронните мрежи и други техники на ИИ за идентифициране на иновативни материали за съхранение на енергия.

Пречки

Въпреки това няколко пречка ограничават приемането на ИИ в енергийния сектор.

Първо, лошото качество на данните ограничава използването на ИИ в енергийния сектор. В Съединените щати, например, комунални услуги, независими системни оператори (ISO) и регионални преносни организации (RTO) предоставят данните по малко по-различни начини – в различни времеви хоризонти, в различни формати и с различна честота,  което прави трудно или невъзможно да се направи анализ на всички съответни играчи в електроенергийната система.

Второ, липсата на обучение за ИИ сред работната сила е значителна пречка. Приложението на ИИ в мрежовата инфраструктура изисква работна сила, която е запозната, както с електрическата мрежа, така и с ИИ.

Трето, лошият пазарен дизайн възпрепятства приемането на ИИ в енергийния сектор. Когато приходите от комунални услуги се основават на регулирани нива на възвръщаемост на капиталовите активи, комуналните компании  може да нямат стимули да инвестират в решения, управлявани от ИИ. Разпокъсаните пазари и противоречивите регулации в регионите могат да усложнят внедряването на ИИ, ограничавайки неговия потенциал за оптимизиране на енергийните системи, намаляването на емисиите и подобряването на надеждността на мрежата.

Рискове

Внедряването на ИИ в енергийния сектор създава редица сериозни рискове, включително такива, свързани с повлияване, нахлуване в поверителността, безопасност и сигурност.

Първо, ИИ може да доведе до повлияни резултати, когато данните за обучението не представят точно условията в реалния свят. Наборът от данни от един регион могат да работят лошо в друг регион поради разлики в метеорологичните условия, топография или други фактори. Модел на изкуствен интелект, обучен на данни от електроенергийната система без адекватна информация за бедните общности, може да препоръча инвестиции в инфраструктура, които не могат да обслужват адекватно тези общности.

Второ, използването на ИИ в енергийния сектор може да доведе до нарушаване на поверителността.  Системите за ИИ изискват големи количества данни, за да функционират добре. Събирането на данни по теми като модели на потребление на енергия и хронология на плащанията на клиенти може да е важно за някои ИИ приложения, но създава риск от неоторизиран достъп, кражба на самоличност и свързаните с това проблеми.

Трето, могат да възникнат катастрофални повреди, ако ИИ система препоръча или вземе неправилно решение поради недостатък в нейния алгоритъм или в непредвидена ситуация. Това може да включва повреда на оборудването, прекъсване на захранването или нещо по-лошо. Строгото тестване, непрекъснатият мониторинг и стабилните механизми за безопасност са от решаващо значение за гарантиране на безопасността на енергийните системи, управлявани от ИИ.

Четвърто, ИИ системите са податливи на кибератаки, включително атаки, при които злонамерени участници манипулират входните данни на изкуствения интелект, за да причинят резултати, нанасящи щети. Такива атаки биха могли да доведат до неправилни решения, които може да нарушат захранването, да повредят инфраструктурата или дори да улеснят по-нататъшни атаки върху мрежата. Стабилните мерки за киберсигурност, редовните актуализации и строгият контрол на достъпа са от съществено значение за защита на ИИ системите от подобни заплахи.

Препоръки

ИИ има потенциала да трансформира много части от електроенергийната система, ако бариерите бъдат преодолени, а рисковете адресирани. За да помогнат за реализирането на този потенциал, авторите препоръчват следните стъпки:

Националните правителства, регулаторите на електроенергия и комуналните услуги трябва да работят заедно, за да разработят и наложат стандарти за данни за всички аспекти на работата на мрежата. Регионалните ръководни органи, като ISOs и RTO на САЩ, трябва да дадат приоритет на стандартизацията на данните, за да позволят междурегионален анализ. Тези данни трябва да бъдат достъпни в стандартни за индустрията формати в безплатни и публично достъпни портали за използване при моделиране и изследвания с изкуствен интелект.

Комуналните компании и регулаторите на електроенергия трябва да стартират програми за обучение на работници в енергийния сектор за оценка и използване на технологии, управлявани от ИИ.

Електроенергийните регулатори трябва да създадат ясни регулаторни рамки в подкрепа на използването на ИИ при управлението на енергията. Тези рамки трябва да включват ставки, които осигуряват възстановяване на разходите за инвестиции, свързани с ИИ, като интелигентни измервателни уреди, сензори и софтуер за управление на мрежата с отворен код. Рамките следва да адресират рисковете, свързани с поверителността на данните, безопасността и киберсигурността.

Комуналните предприятия, регулаторните агенции и академичните експерти трябва да работят заедно за разработване на управлявани от изкуствен интелект модели AC-OPF (оптимален поток на променлив ток) и реформи по отношение на разрешителните. Тези модели трябва да се използват за намаляване на закъсненията в процеса на взаимно свързване и за ускоряване на внедряването на нови възобновяеми източници на енергия в мрежата.

Националните правителства трябва да насърчават и финансират проекти за съвместна научноизследователска и развойна дейност между академични институции, индустрия и комунални услуги, фокусирани върху ИИ и свързани приложения за възобновяема енергия, енергийна ефективност и намаляване на емисиите, включително управлявани от ИИ инструменти за прогнозиране и системи за управление на мрежата.

С тези и други стъпки ИИ може да помогне за предоставянето на по-чисти, по-евтини и по-надеждни енергийни системи през следващите години.

В статията си в блога авторите се позовават на достатъчно авторитетни авторски публикации по темата.