Энергосистема в затруднении. Новый курс по ИИ хочет подготовить инженеров, которые смогут её исправить
Американская электросеть была спроектирована для более спокойных времён. Теперь инструменты ИИ привлекаются для поддержания электроснабжения, и новая онлайн-программа учит инженеров, как их использовать.
Ключевые моменты
- Министерство энергетики США заявляет, что национальная энергосеть работает на пределе своих возможностей, испытывая нагрузку из-за роста дата-центров, экстремальных погодных условий и растущего спроса на электричество.
- Крупнейшее энергопередающее предприятие Техаса сообщило о 220 гигаваттах новых запросов на подключение за один период, в основном вызванных объектами ИИ и облачных вычислений.
- Исследование McKinsey показало, что передовая автоматизация в инфраструктурных сетях может сократить простой оборудования на 50 процентов и продлить срок службы техники на 40 процентов.
- IEEE Educational Activities запустила пятимодульный онлайн-курс, обучающий инженеров энергетики и специалистов по анализу данных применению ИИ к реальным проблемам сети.
- Курс разработан профессором электротехники Университета Теннесси Фангсином Ли, председателем рабочей группы IEEE по машинному обучению для энергосистем.
Американская электросеть огромна, насчитывает десятилетия существования и всё больше попадает в затруднительное положение.
Построенная в эпоху, когда электричество поступало в основном с угольных и газовых электростанций, а спрос рос стабильными и предсказуемыми темпами, сеть никогда не была предназначена для нынешних нагрузок. Дата-центры ИИ, электромобили и всё более частые волны жара и зимние бури — всё это создаёт давление на одни и те же устаревшие провода. Министерство энергетики США заявило, что система находится на пределе своих возможностей.
Цифры красноречивы. Крупнейшее энергопередающее предприятие Техаса недавно сообщило о 220 гигаваттах новых запросов на подключение, большинство из которых исходят от объектов ИИ и облачных вычислений. Для масштаба: вся территория Соединённых Штатов в типичный день потребляет примерно 450 гигаватт.
Почему инженеры не могут справляться с этим старым способом?
Они не успевают за скоростью и объёмом проблемы. Современные сети передают сигналы от миллионов цифровых датчиков и интеллектуальных счётчиков — устройств, которые отслеживают напряжение, спрос и состояние оборудования в реальном времени. Ни одна команда людей не может обработать эти данные достаточно быстро, чтобы действовать на их основе.
Возобновляемые источники энергии ещё больше усложняют ситуацию. Выработка ветровых и солнечных электростанций меняется каждые несколько минут в зависимости от облаков и порывов ветра. Операторы сети должны уравновешивать предложение и спрос в течение секунды, чтобы предотвратить отключения, и допуск на ошибку минимален.
Кибератаки добавляют третий слой риска. По мере того как коммунальные предприятия заменяют старые аналоговые переключатели на подключённые к интернету системы управления, они открывают новые дверцы для хакеров.
ИИ может помочь на всех трёх фронтах. Модели машинного обучения, программное обеспечение, обученное на исторических закономерностях, может предсказать скачок спроса за часы до его наступления, выявить отказывающий трансформатор до того, как он выйдет из строя, и отметить необычную активность в цифровой сети. Исследование McKinsey показало, что такая автоматизация может снизить простой оборудования на 50 процентов и продлить срок службы машин на 40 процентов.
Что собой представляет новый курс и для кого он предназначен?
IEEE Educational Activities, учебное подразделение крупнейшего в мире профессионального общества инженеров, запустила онлайн-программу под названием «Искусственный интеллект для энергосистем и энергетики», о которой впервые сообщило издание IEEE Spectrum. Курс рассчитан на работающих инженеров энергетики, которым нужны навыки работы с данными, и специалистов по анализу данных, которым нужно понять, как на самом деле работают электросети.
Профессор Фангсин Ли из Университета Теннесси разработал программу обучения, разделённую на пять модулей.
| Модуль | Что освещается |
|---|---|
| Основы ИИ | Применение базовых моделей машинного обучения к расчётам электросети |
| Ускорение управления сетью | Использование метода проб и ошибок в ИИ для автоматизации аварийного реагирования |
| Прогнозирование и аналитика | Прогнозирование скачков спроса, колебаний солнечной и ветровой энергии, а также рыночных цен |
| Физически обоснованный ИИ | Модели ИИ, написанные так, чтобы следовать законам физики, что исключает опасные выходные данные |
| Генеративный ИИ и технологии следующего поколения | Большие языковые модели и сетевые графы для планирования и отчётности |
Модуль по физике заслуживает упоминания. Одна из причин, по которым коммунальные предприятия были медленны в доверии к ИИ — это страх, что алгоритм может выдать команду, которая повредит дорогостоящее оборудование. Привязка модели к соблюдению законов физики вместо того, чтобы позволить ей учиться свободно, — это один практический ответ на эту озабоченность.
Что это означает для обычных потребителей электричества?
Целью являются меньше отключений и более стабильные счёта. Сеть, которая может предвидеть и исправлять свои собственные неисправности до того, как они распространяются, — это сеть, которая менее вероятно оставит район в темноте во время волны жара или морозов.
Курс доступен через IEEE Learning Network, групповое ценообразование для организаций доступно по запросу.
