http://www.eprussia.ru/epr/345-346/4513899.htm
Газета "Энергетика и промышленность России" | № 13-14 (345-346) июль 2018 года
Применение алгоритмов искусственного интеллекта в мировой энергетике
Наука и новые технологии
К. т. н. Александр МОГИЛЕНКО
Анализ имеющейся в открытом доступе информации показывает, что основные направления применения искусственного интеллекта в энергетике в настоящее время можно объединить в три группы:
• задачи прогнозирования (использование алгоритмов искусственного интеллекта для прогнозирования выработки и потребления энергии, оптимизации работы оборудования и пр.);
• задачи повышения энергоэффективности (в части мониторинга данных о фактическом энергопотреблении);
• задачи интеллектуализации (обработка результатов мониторинга состояния энергетических объектов, алгоритмы функционирования «умного» дома, управления нагрузкой и пр.).
Примеров использования алгоритмов искусственного интеллекта в задачах прогнозирования достаточно уже сегодня. Зависимость выработки возобновляемых источников энергии от погодных условий существенно повысила необходимость точного прогнозирования.
В американском штате Колорадо энергетический провайдер Xcel применяет алгоритмы искусственного интеллекта для обработки информации, получаемой от Национального центра атмосферных исследований (включая данные спутниковых наблюдений в зонах расположения ветропарков). Это позволяет компании формировать детальные отчеты и оптимизировать работу ветростанций.
Компания IBM совместно с Министерством энергетики США (US Department of Energy) реализовывает инициативу SunShot, в рамках которой самообучаемая программа позволяет достоверно прогнозировать выработку возобновляемых источников (солнечных, ветряных и гидростанций). Алгоритм использует большое количество ретроспективных данных наряду с информацией о погодном мониторинге в режиме реального времени.
По оценкам аналитиков, масштабное использование алгоритмов искусственного интеллекта для улучшения режимов работы ветропарков США теоретически позволило бы увеличить их выработку в 2017 г. на 12 млрд кВт·ч и повысить долю ветроэнергетики в общем балансе (6,3 % по итогам прошлого года).
Испанская компания Nnergix формирует кратко- и среднесрочные прогнозы (от 6 часов до 10 суток) выработки возобновляемых источников с использованием алгоритмов машинного обучения.
Есть примеры и в части повышения энергоэффективности. Так, американская компания Verdigris Technologies разработала программное обеспечение для оптимизации энергопотребления коммерческих зданий, помещения которых оснащены сенсорами. Применение данной программы для оптимизации работы кухни отеля W Hotel San Francisco в течение трех месяцев позволило выявить причины и исключить неэффективный расход энергии в размере 13 тыс. долл. (в годовом выражении).
Компания DeepMind Technologies Ltd., основанная в Лондоне в 2010 г. и поглощенная интернет-гигантом Google в 2014‑м, сократила энергопотребление центра обработки данных Google на 40 %. Параметры работы центра, оснащенного тысячами сенсоров, были оптимизированы обучаемой нейронной сетью.
Можно найти примеры и в части задач интеллектуализации. Предприятие PowerScout получило два гранта от Министерства энергетики США (US Department of Energy) на развитие программ снижения затрат сетевых компаний и потребителей (smart home) с учетом интеграции возобновляемых источников. Программы также используют алгоритмы искусственного интеллекта.
Лондонская компания Green Running Ltd. развивает основанное на машинном обучении приложение Verv, предназначенное для оптимизации энергопотребления домов. Приложение работает на компьютерах, планшетах и смартфонах.
Об интересном применении методов искусственного интеллекта сообщила немецкая компания Schleswig-Holstein Netz AG, эксплуатирующая электрические сети в федеральной земле Шлезвиг-Гольштейн. Здесь самообучаемая сеть используется для определения мест предполагаемых повреждений. В качестве исходных данных используются сведения о сроке эксплуатации компонентов электрических сетей и проведенных ремонтах, а также информация о нагрузках и погодных условиях.
А Американская компания AirFusion, использующая беспилотные летательные аппараты для обследования состояния высоковольтных линий электропередачи и ветроэнергетических установок, применяет программное обеспечение с алгоритмами искусственного интеллекта для обработки результатов мониторинга. Нейронная сеть помогает лучше решить задачу распознавания образов, для чего в процессе обучения в программу загружаются тысячи изображений поврежденных ветроустановок (в том числе последствия от ударов молний, расслаивание, эрозия покрытия и пр.).
Не приходится сомневаться, что в ближайшие годы количество подобных примеров существенно возрастет.
Отправить на Email
Также читайте в номере № 13-14 (345-346) июль 2018 года:
-
Новые кадры для новой энергетики 
Сегодня весь мир переживает переход к новой технологической эре. Это и формирование нового типа промышленного производства на основе обработки больших массивов информационных данных, и его полная автоматизация с применением технологий дополненной реальности. ...
-
Охрана труда и здоровья – в приоритете 
Как бороться с производственным травматизмом? В АО «Тюменьэнерго» для этого разработали собственную комплексную программу, с которой и вышли на конкурс Минэнерго на звание лучшей социально-ориентированной компании. ...
-
Преимущество модульной архитектуры при выборе источника бесперебойного питания (ИБП) 
Одно из требований, стоящих перед современными ИБП, наряду с качеством электрических параметров оборудования – его надежность и экономические показатели. Попытаемся разобраться с особенностью применения разных типов ИБП, отличающихся архитектурой построения. ...
-
Россия – Корея: укрепляя инновационное сотрудничество 
Республика Корея выступит партнером крупнейшей в России международной промышленной выставки ИННОПРОМ-2018, которая начнет свою работу 9 июля в Екатеринбурге. Более 100 корейских компаний примут участие в выставке, чтобы укрепить сотрудничество между Россией и Кореей. ...
-
Источник непрерывного производства 
С момента внедрения конвейера Генри Фордом производство становилось все более поточным и автоматизированным. Сегодня к этому тренду добавился еще один – увеличение количества операций в рамках одного конкретного станка или автомата....
