Внедрение искусственного интеллекта в возобновляемую энергетику — это одно из направлений развития современных технологий. Использование AI-технологий для предсказания выработки возобновляемых источников энергии (ВИЭ) — ветряных и солнечных электростанций (СЭС) становится все более актуальным при росте ВЭС и СЭС. К 2024 году 70 % компаний в сфере ЖКХ в странах, где уровень электрификации еще не достигает 100 %, будут инвестировать в распределенную возобновляемую энергетику [1].
Искусственный интеллект (ИИ) способен наблюдать за тенденциями и извлекать уроки из огромных объемов данных. Следовательно, это позволяет ему вносить коррективы для максимального повышения эффективности, преобразования и равномерного распределения энергии. Искусственный интеллект используется для оптимизации энергосистем путем управления потоками энергии между домами, предприятиями, аккумуляторными батареями, возобновляемыми источниками энергии, микросетями и самой энергосистемой. Это сокращает потери энергии при одновременном повышении вовлеченности потребителей в процесс энергопотребления. Искусственный интеллект также может обеспечить повышенную безопасность, эффективность и надежность. Одной из главных задач использования искусственного интеллекта в возобновляемой энергетике является количественная оценка потребления энергии и выбросов углекислого газа, а также обеспечение прозрачности этой информации. Еще одной проблемой является нехватка данных.
Искусственный интеллект определяется как машины или программы, способные выполнять задачи, которые обычно выполняются человеческим интеллектом [2]. Это включает в себя вычисления, обучение и адаптацию к новым ситуациям, обработку очень больших наборов данных, составление прогнозов, и все это на основе машинного обучения и глубокого обучения. Использование относительно базового оборудования для обучения моделям глубокого обучения за разумный промежуток времени. Эти модели основаны на многослойных нейронных сетях и могут научиться представлять информацию высокого уровня абстракции данных.
Устойчивое развитие может извлечь выгоду из искусственного интеллекта [3], в частности, за счет оптимизации энергетических и транспортных сетей, повышения эффективности определенных видов деятельности (таких как сельское хозяйство, управление зданиями и городское развитие) и путем составления более точных прогнозов для увеличения потенциала (таких как изменение климата, производительность сельского хозяйства, биоразнообразие) и поддержка принятия решений.
Существует множество применений искусственного интеллекта, которые могут сэкономить десятки миллиардов долларов расходов за счет использования методов машинного обучения, алгоритмов и прогнозирующих моделей. Потенциал приложений искусственного интеллекта в разработке возобновляемых источников энергии настолько велик, что многие игроки на этом рынке тестируют инновационные решения для увеличения производства различных систем. Приложения искусственного интеллекта могут помочь в полной мере использовать оборудование, прогнозируя погоду и условия эксплуатации, например, определяя наилучшую экспозицию солнца для открытой фотоэлектрической поверхности, направление и мощность ветра, а также индекс осадков при производстве гидроэлектроэнергии. Однако они также могут помочь управлять энергоснабжением семей, проживающих в городах, путем оптимизации всей распределительной сети.
Искусственный интеллект используется для оптимизации энергосистем путем управления потоками энергии между домами, предприятиями, аккумуляторными батареями, возобновляемыми источниками энергии, микросетями и самой энергосистемой. Это сокращает потери энергии при одновременном повышении вовлеченности потребителей в процесс энергопотребления.
Искусственный интеллект способен наблюдать за тенденциями и извлекать уроки из огромных объемов данных. Следовательно, это позволяет ему вносить коррективы для максимального повышения эффективности, преобразования и равномерного распределения энергии.
Искусственный интеллект также может обеспечить повышенную безопасность, эффективность и надежность.
Использование искусственного интеллекта улучшает управление энергопотреблением за счет оптимизации трафика [4]. Например, это облегчает прогнозирование пиков потребления с учетом доли производимой энергии. Действительно, технологическое развитие позволило использовать искусственный интеллект smart grid в области энергетики. Интеллектуальная сеть оснащена различными технологическими решениями в области искусственного интеллекта. Речь идет о создании интеллектуальной сети, где существует баланс между спросом и предложением, даже если наблюдается пик потребления. Благодаря установке интеллектуальных счетчиков в домах, можно отслеживать потребление электроэнергии в режиме реального времени. Эти данные позволяют профессионалам прогнозировать производство и распределение энергии в пиковые периоды, одновременно интегрируя экологически чистую энергию, вырабатываемую отдельными лицами: это важно для повышения энергоэффективности всей сети. Искусственный интеллект играет важную роль в создании автономных энергетических микросетей, этот принцип объясняется нашим следующим: “Электрически” автономная деревня получает энергию от ветряной турбины и солнечных батарей. Автономность, которая также включает в себя батарею аккумуляторов, заряженных в течение нескольких дней без солнца или ветра. Когда дизельный генератор, не работает, чтобы оптимизировать все, надо добавить немного искусственного интеллекта.
Несмотря на то, что возобновляемые источники энергии неисчерпаемы, у них есть большой недостаток: они колеблются в зависимости от силы ветров и периодов солнечного сияния, эта энергия нестабильна. А так как он нестабилен, то и может нарушить работу сети.
Искусственный интеллект может внести свой вклад в аргументацию того, что называется стабильностью сети или надежностью сети, поскольку он может непрерывно, в режиме реального времени и за несколько долей секунды анализировать качество предоставляемой электроэнергии. Например, если деревня, где источники энергии взаимосвязаны и сходятся к искусственному интеллекту. Все разработано таким образом, чтобы уделять приоритетное внимание использованию возобновляемых источников энергии и свести к минимуму использование ископаемых видов топлива, таких как дизельные генераторы. Можно наблюдать интерес искусственного интеллекта к гибридной микросети с несколькими источниками на уровне управления потоками энергии.
Итак, как можно распределять энергию и мощность между разными источниками и разными нагрузками?
— Сейчас 12 часов (рис. 1). Солнце жаркое, дует ветер. Искусственный интеллект накапливает энергию, вырабатываемую ветряной турбиной, он считает, что солнечных панелей достаточно для обеспечения деревни энергией.
|
Рис. 1. Корпус на 12 часов |
Рис. 2. Корпус на 18:00 часов |
— Время 18:00 часов вечера (рис. 2). Спрос на энергию стремительно растет, но появились облака. В таком случае искусственный интеллект подключается к батарейному парку.
Чтобы разработать такие стратегии потребления, искусственный интеллект должен обладать внушительной вычислительной мощностью.
Например, в ветряной турбине можно получить 200 данных в секунду [5]. Итак, если мы захотим обрабатывать эти 200 единиц информации в секунду, мы не сможем, наш мозг взорвется. Поэтому нам нужны интеллектуальные алгоритмы, которые обрабатывают эту информацию.
Для оптимизации сети, алгоритмы, лежащие в основе искусственного интеллекта, должны быть снабжены большим объемом различных эксплуатационных данных, такие как параметры, напряжение, частота, давление масла, давление воздуха, температура, скорость потока, потоки и т. д. [5].
Искусственный интеллект также должен предвидеть привычки жителей: приготовление пищи, стирка, и все это в зависимости от капризов погоды и производительности экологически чистых источников энергии.
Литература:
- Аналитический обзор тренды развития искусственного интеллекта в сфере ЖКХ, ГБУ «Агентство инноваций города Москвы», 2020.
- Marvin Minsky. Ellen macarthur foundation. Artificial intelligence and the circular economy, (2019)
- E. Strubell and A. Ganesh and A. McCallum, Energy and Policy Considerations for Deep Learning in NLP,(2019), abs/1906.02243.
- Energy and Policy Considerations for Deep Learning in NLP, Strubell et al., ACL (2019).
- Green AI, Roy Schwartz et al., (2019), https://arxiv.org/abs/1907.10597
