*Artykuł sponsorowany* AI wykorzystujemy do prognozowania produkcji energii w systemach OZE (fotowoltaika i turbiny wiatrowe) w skorelowaniu z prognozą pogody. W pilotażowych testach najdokładniejsze prognozy produkcji energii dostarczają nam modele oparte na sieciach neuronowych – mówi Witold Świątkowski, Członek Zarządu Andra sp. z o.o.

Witold Świątkowski, Członek Zarządu Andra sp. z o.o.

Rozmawiała: Izabela Żylińska

Jakie korzyści dla zarządzania energią przynosi zastosowanie sztucznej inteligencji (AI)?

Doprecyzujmy pojęcie „zarządzania energią” – rozumiem to jako optymalizację gospodarowania zasobami energetycznymi, mającą na celu jak najoszczędniejsze ich wykorzystywanie. Najoszczędniejsze zarówno w znaczeniu kosztowym, jak i ilościowym, czyli minimalizacji zużycia. Szczególne znaczenie ma to w sektorze przemysłowym, gdzie konsumpcja energii w różnych postaciach (a tym samym jej koszt) bywa bardzo duża.

Zarządzanie energią w przemyśle to złożony proces, obejmujący szereg obszarów związanych z wykorzystaniem energii elektrycznej, gazu, produkcji ciepła, chłodu czy pary technologicznej. Kiedy myślimy o zarządzaniu energią w kontekście przemysłu, musimy pamiętać, że termin ten nie odnosi się wyłącznie do energii elektrycznej, jak to często jest potocznie rozumiane.

Potrzeba optymalizacji wynika, oprócz czynników formalnych i środowiskowych, w głównej mierze z ciągłego wzrostu cen energii w każdej jej postaci, co przekładana się na koszty operacyjne. Do monitorowania zużycia oprócz specjalizowanych aplikacji wykorzystywane są m.in. systemy SCADA i BMS, które generują i agregują duże ilości danych. Planując optymalizacje, warto wykorzystać te dane i „nakarmić” nimi AI, która pomoże w ich analizie, predykcji konsumpcji i wykrywaniu niepożądanych anomalii skutkujących awariami lub nadmiernym zużyciem. Jest to działanie reaktywne. Natomiast w kontekście proaktywnym AI można wykorzystać do wspomagania procesów sterowania zużyciem, nastawionego na jego optymalizację.

Jakie metody zbierania danych pomiarowych są najczęściej stosowane w systemach zarządzania energią z wykorzystaniem AI?

Ze względu na rosnącą potrzebę optymalizacji, klienci przemysłowi rozbudowują instalacje urządzeń pomiarowych, różnego typu czujników monitorujących w trybie ciągłym zarówno samo zużycie energii, jak i np. parametry środowiskowe typu temperatura czy wilgotność otoczenia. Parametry te często w sposób bezpośredni skorelowane są z konsumpcją energii, więc ich utrzymanie na odpowiednim, zdefiniowanym poziomie sprzyja oszczędnościom.

Rozbudowany system punktów pomiarowych ma zagwarantować wyczerpujące dane i wysoką jakość funkcji nadzorczych. W obiektach i sieciach przemysłowych działających w obrębie zakładu dane przekazywane są w lokalnym systemie informatycznym. W systemach i lokalizacjach rozproszonych kluczową rolę odgrywa transmisja za pośrednictwem sieci GSM. W obu przypadkach kluczowe jest, aby dane pomiarowe, diagnostyczne i kontrolne były na bieżąco dostępne online. To gwarantuje możliwość ich agregacji i udostępnienia do dalszego przetwarzania przez systemy skorelowane z funkcjami sztucznej inteligencji.

W jaki sposób AI przyczynia się do optymalizacji procesów energetycznych w dużych przedsiębiorstwach? Czy są już przykłady wdrożeń, które pokazały wyraźną redukcję kosztów lub zwiększenie efektywności energetycznej?

Dobrym przykładem jest tu platforma smartMETERS opracowana przez naszą firmę. System ten umożliwia monitorowanie w trybie ciągłym zużycia energii na przyłączach głównych zakładu przemysłowego, a równocześnie monitoruje wewnętrzne odbiory energii identyfikowane z konkretnymi procesami technologicznymi. Bilansowanie zużycia energii realizujemy w piętnastominutowych okresach. AI wykorzystujemy do prognozowania produkcji energii w systemach OZE (fotowoltaika i turbiny wiatrowe) w skorelowaniu z prognozą pogody. W pilotażowych testach najdokładniejsze prognozy produkcji energii dostarczają nam modele oparte na sieciach neuronowych. Prognoza daje wystarczającą dokładność do potwierdzenia poprawnej pracy naszych instalacji. W analogiczny sposób możemy prognozować zużycia energii, w tym wypadku uczymy nasz model na historycznych danych zbieranych z liczników monitorujących procesy produkcyjne i infrastrukturę budynkową. Bilansowanie w trybie „online” danych rzeczywistych, weryfikacja bieżącej sytuacji z prognozami umożliwia podejmowanie trafnych decyzji zapewniających redukcję kosztów i szybkie reagowanie na sytuacje awaryjne. Decyzje, które już dziś podejmują nasi klienci korzystając z analizy danych systemu smartMETERS, to np. zmiana harmonogramu produkcji umożliwiająca ograniczenie zamówionej mocy umownej, świadome ograniczenia przekroczeń mocy umownej, jak również precyzyjne dopasowanie układu kompensacji mocy biernej.

Jakie wyzwania napotkaliście podczas implementacji AI do zarządzania danymi pomiarowymi i optymalizacji zużycia energii? Czy są problemy techniczne, związane np. z integracją różnych źródeł danych lub z jakością danych pomiarowych?

Trudno w tej chwili dać precyzyjną odpowiedź, ponieważ nasz projekt angażujący AI do procesów optymalizacji energetycznej znajduje się jeszcze w fazie testów, a więc w środowisku kontrolowanym. Jesteśmy na początku fascynującej drogi do wykorzystania pełnego zakresu możliwości AI w tym procesie. Mamy opracowany moduł prognozujący produkcję energii z instalacji fotowoltaicznej i turbin wiatrowych, do którego stworzenia wykorzystaliśmy własne dane pomiarowe z instalacji funkcjonującej w naszej firmie. Proces uczenia AI przebiegł bardzo sprawnie i efekty wyglądają naprawdę zadowalająco.

Pracując nad tym projektem, przekonaliśmy się praktycznie, jak istotne jest posiadanie rzetelnych i wyczerpujących danych do wykorzystania w procesie uczenia. Dane o niewystarczającej jakości lub w niewystarczającej ilości mogą się okazać słabym ogniwem i uniemożliwić wytrenowanie sztucznej inteligencji na tyle skutecznie, by generowała trafne wyniki wysokiej jakości, kluczowe dla optymalizacji układów sterowania systemami w obrębie zakładu.

Jakie są perspektywy rozwoju AI w zarządzaniu energią w najbliższych latach?

AI ma ogromny potencjał wykorzystania w obszarach związanych z analizą i korelowaniem dużych ilości danych w celu predykcji przyszłych zdarzeń i optymalizacji w systemach sterowania. Rozwój technologii AI i opartych na niej konkretnych rozwiązań angażuje środki na badania i rozwój, a te będą rosnąć w miarę dostępności coraz większej liczby case studies projektów zakończonych sukcesem – także w obszarze zarządzania energią. Szerokie pole do implementacji rozwiązań angażujących AI widzę wszędzie tam, gdzie gromadzone są duże ilości danych, na których podstawie podejmowane są decyzje operacyjne. Sprzyja temu rozwój technologii gromadzenia i przetwarzania danych, w tym rosnące moce obliczeniowe zarówno systemów on-premise, jak i rozwiązań chmurowych. Te trendy wzajemnie się wzmacniają, czego skutkiem jest niemal gwarantowany wzrost nakładów na R&D w zakresie rozwiązań opartych na sztucznej inteligencji. Sektory charakteryzujące się wysoką konsumpcją energii z pewnością będą zainteresowane rozwojem i wdrażaniem praktycznych rozwiązania pozwalających na uzyskanie oszczędności.

© Materiał chroniony prawem autorskim - wszelkie prawa zastrzeżone.
Dalsze rozpowszechnianie artykułu tylko za zgodą wydawcy ARTSMART Izabela Żylińska. Więcej w Regulaminie.