Енергетична мережа в кризі. Новий курс AI намагається підготувати інженерів, які можуть це виправити
Американську електричну мережу розраховували на спокійнішу епоху. Тепер інструменти AI залучають для того, щоб світло не гасло, а нова онлайн-програма навчає інженерів, як їх використовувати.
Ключові моменти
- Міністерство енергетики США заявляє, що національна мережа працює на межі своїх можливостей, перевантажена зростанням центрів обробки даних, екстремальними погодними умовами та зростаючим попитом на електроенергію.
- Найбільша енергопередавальна компанія Техасу повідомила про 220 гігават нових запитів на підключення за один період, викликаних в основному центрами AI та хмарних обчислень.
- Дослідження McKinsey показало, що передова автоматизація в мережах інфраструктури може скоротити час простою обладнання на 50 відсотків і продовжити термін служби машин на 40 відсотків.
- IEEE Educational Activities запустила п'ятимодульний онлайн-курс, який навчає інженерів енергосистем та спеціалістів з науки про дані застосовувати AI до реальних проблем мережі.
- Курс створив професор електротехніки Університету Теннессі Фанксін Лі, який очолює робочу групу IEEE з машинного навчання для енергосистем.
Американська електрична мережа величезна, застарілої конструкції та все частіше виходить з ладу.
Розроблена в часи, коли електроенергія надходила в основному з вугільних та газових станцій, а попит зростав поступово та передбачувано, мережа не була розрахована на сьогоднішні навантаження. Центри обробки даних AI, електромобілі та все частіші хвилі спеки та зимові шторми — все це створює навантаження на одні й ті ж застарілі лінії електропередач. Міністерство енергетики США заявило, що система перебуває на межі своїх можливостей.
Цифри вражаючі. Найбільша енергопередавальна компанія Техасу недавно повідомила про 220 гігават нових запитів на підключення, більшість з яких від центрів обробки даних та хмарних обчислень. Для порівняння: весь Сполучені Штати на типовий день використовують близько 450 гігават.
Чому інженери не можуть управляти цим старим способом?
Вони не можуть встигати за швидкістю та обсягом проблеми. Сучасні мережі отримують сигнали від мільйонів цифрових датчиків та розумних лічильників — пристроїв, які в реальному часі відстежують напругу, попит та стан обладнання. Ніяка людська команда не може достатньо швидко обробити ці дані, щоб на них реагувати.
Відновлювальні джерела енергії ускладнюють справу ще більше. Вихід вітрової та сонячної енергії змінюється кожні кілька хвилин залежно від хмар та поривів вітру. Оператори мережі повинні зіставляти пропозицію та попит секунду за секундою, щоб запобігти відключенням, а похибка мінімальна.
Кібератаки додають третій рівень ризику. Коли комунальні компанії замінюють старі аналогові комутатори на підключені до інтернету системи керування, вони відкривають нові двері для хакерів.
AI може допомогти на всіх трьох напрямках. Моделі машинного навчання, програмне забезпечення, навчене на історичних закономірностях, можуть передбачити сплеск попиту за години до його настання, виявити несправний трансформатор до його відмови та позначити незвичайну діяльність у цифровій мережі. Дослідження McKinsey показало, що така автоматизація може скоротити час простою обладнання на 50 відсотків і продовжити термін служби машин на 40 відсотків.
Що собою являє новий курс і для кого він призначений?
IEEE Educational Activities, навчальне крило найбільшої професійної інженерної спілки світу, запустила онлайн-програму під назвою «Штучний інтелект для енергосистем та енергетики» (вперше про це повідомлено IEEE Spectrum). Курс розраховані на практикуючих інженерів енергосистем, яким потрібні навички роботи з даними, та спеціалістів із науки про дані, яким потрібно розуміти, як насправді працюють електричні мережі.
Професор Фанксін Лі з Університету Теннессі розробив навчальну програму з п'яти модулів.
| Модуль | Що він охоплює |
|---|---|
| Основи AI | Як базові моделі машинного навчання застосовуються до розрахунків енергомережі |
| Прискорення керування мережею | Використання методу спроб і помилок AI для автоматизації аварійних реакцій |
| Прогнозування та аналітика | Передбачення сплесків попиту, коливань сонячної та вітрової енергії та цін на ринку |
| AI, інформований фізикою | Моделі AI, запрограмовані дотримуватися законів фізики, щоб ніколи не видавати небезпечні результати |
| Генеративний AI та технології нового покоління | Великі мовні моделі та мережі графів для планування та звітності |
Модуль з фізики варто виділити. Одна з причин, чому комунальні компанії повільно довіряють AI, — це страх, що алгоритм видасть команду, яка пошкодить дороге обладнання. Блокування моделі для дотримання законів фізики замість того, щоб дозволити їй навчатися вільно, — це один практичний ответ на цю проблему.
Що це означає для звичайних споживачів електроенергії?
Менше відключень і стабільніші рахунки — це мета. Мережа, яка може передбачити та виправити власні несправності до того, як вони каскадно розповсюдяться, — це мережа, яка менш імовірно залишить район без світла під час хвилі спеки або морозу.
Курс доступний через мережу навчання IEEE, із спеціальним ціноутворенням для організацій за запитом.
