Umělá inteligence nechybí ani v energetice blízké budoucnosti, dohlédne na chytré sítě
Digitalizace a umělá inteligence mění energetický sektor. Zapojení AI pomáhá s vyhodnocením obrovského množství dat nasbíraných v energetických sítích, snižuje chybovost a šetří náklady i lidskou práci. AI je však sama energeticky velmi hladová, a navíc není zcela bezchybná. I tomu ale dokážou technologie předejít.
Stále stoupající poptávka po energiích, rostoucí podíl obnovitelných zdrojů a rychle stárnoucí infrastruktura tlačí energetiku k významné transformaci. Rostou požadavky nejen na odolnost a spolehlivost elektrizační soustavy, mění se i způsoby výroby elektrické energie, její distribuce a spotřeba. A stále více přichází i v tomto sektoru ke slovu digitalizace, automatizace a využívání modelů umělé inteligence. Počínaje rozvojem a správou inteligentních sítí přes předvídání dodávek z obnovitelných zdrojů a prediktivní údržbu až po bezpečnost jaderných elektráren. Umělá inteligence se v energetickém sektoru postupně stává důležitým nástrojem optimalizace provozu a také pro udržitelnost.
AI to všechno spočítá
Pokročilé algoritmy strojového učení pomáhají lokalizovat poruchy, plánovat údržbu nebo odhadovat budoucí potřebu energie. Exponenciální řadou roste množství dat, která je možno využívat nejen pro on-line řízení distribuční soustavy, a s jejich obrovským množstvím si právě AI dokáže poradit. „Data z měření mohou být následně využívána pro prediktivní modely chování prvků soustavy, zejména pro přípravu provozu, strategické plánování rozvoje sítí a pro výpočty disponibility sítí, například výpočty připojitelnosti,“ upřesňuje Petra Vojáčková, manažerka útvaru Digitální a datové centrum ČEZ Distribuce.
Důležité je však i vyhodnocování dat shromážděných ze senzorů, jež se dají využít v rámci prediktivní údržby. V posledních dvou letech došlo k ohromnému posunu díky instalacím chytrých měření, která umožňují umělou inteligenci trénovat na zvětšujícím se datovém setu. Ačkoli je podle Vojáčkové distribuční soustava ČEZ specifická a pro trénink modelů nelze používat data z libovolných distribučních soustav, některá společná data se zpracovávat dají. Jsou to zejména údaje o počasí, průběhu spotřeby odběrných míst podle významných spotřebičů, období během roku a o další veřejně dostupná data.
Využívání prvků umělé inteligence v různých formách coby současného i budoucího trendu v energetice potvrzuje také průzkum společnosti Gartner. Podle něj plánuje až 94 procent CIO, ředitelů informatiky, v energetických a s energetikou souvisejících společnostech navýšit v letošním roce investice do AI v průměru o více než 38 procent. Podle téhož průzkumu se chystá do roku 2027 čtyřicet procent energetických a energie dodávajících společností nasadit v řídicích centrech operátory řízené umělou inteligencí.
Co nebolí digitální dvojče
Tím se sice sníží riziko lidské chyby, zvýší se ale zranitelnost systémů před kybernetickým útokem. Jak upozorňuje József Maschek, ředitel Siemens Smart Infrastructure Česká republika, je třeba brát v úvahu, že jde o kritickou infrastrukturu, takže pokročilou umělou inteligenci v ní bude možné reálně využívat až ve chvíli, kdy bude zcela spolehlivá a mnohonásobně vyzkoušená na nejrůznějších modelech.
Jednou z metod, jak účinně otestovat fungování řady systémů a přístrojů a jejich integraci do sítí nebo jak ověřit chování distribuční soustavy a její správu, představují takzvaná digitální dvojčata. Jejich prostřednictvím lze simulovat různé situace a odpověď na ně jak u celé distribuční soustavy, tak u jednotlivých prvků pomocí AI nástrojů a modelů strojového učení. Siemens například využívá digitální dvojče pro virtuální, tedy nikoli fyzické testování ochrany digitálních rozvoden, které jsou nezbytné pro provozovatele sítí, výrobce elektřiny a pro průmyslové podniky všech odvětví.
„Toto testování je možné bez fyzického přístupu k zařízením. Prověřujeme takto konfigurace a také školíme odborníky v nastavování ochran. Vše probíhá dříve, než se jednotlivé prvky ochrany fyzicky nasadí. Výhodou je především úspora času i nákladů. Díky možnosti cloudových simulací se snižují provozní náklady, což je výhodné jak pro rozsáhlé systémy energetické automatizace, tak i pro menší instalace,“ zdůrazňuje Maschek.
Co dnes vyprávěl elektromobil chytré síti
Energetická krize způsobená ruskou agresí na Ukrajině vytvořila na trhu obrovskou poptávku po efektivním řízení spotřeby veškerých energií. Také do této oblasti vstoupily nové technologie a nyní je už potvrzeno, že smart grids, tedy chytré sítě, postavené na chytrém řízení spotřeby (takzvaném load managementu) a měření energií (smart metering), zajišťují vyšší stabilitu celého výrobně-odběratelského energetického systému a odolnost proti případným výpadkům elektrické energie v dané distribuční oblasti. „Na úrovni zákazníka přispívají k optimalizaci nákladů například efektivním využitím vlastních zdrojů, jako je fotovoltaika, a řízením spotřeby,“ vysvětluje József Maschek ze Siemens Smart Infrastructure.
Chytré sítě na rozdíl od tradičních, jednosměrných od výrobce k odběrateli, komunikují obousměrně, mezi všemi prvky sítě. Umožňují proto přesnější plánování distribuce a řízení distribuční soustavy až na úroveň jednotlivých odběrných míst. Dokážou se tak lépe přizpůsobit chování odběrných míst, což je zásadní i pro rozvoj nových energetických fenoménů, jako je elektromobilita spojená s narůstající potřebou dobíjení baterií e-vozů, instalace bateriových úložišť a systémů nebo fotovoltaik. „Distributor se do jisté míry stává facilitátorem toků elektrické energie, které již nyní probíhají obousměrně. Bez chytrých sítí a prací s daty včetně využití umělé inteligence bychom bezpečný provoz velmi těžko zajišťovali,“ míní Petra Vojáčková z ČEZ Distribuce. Výhodou pro spotřebitele je zajištění vyšší kvality dodávek elektrické energie bez výpadků a v případě smart meteringu i detailní přehled o vlastní spotřebě, což koncové zákazníky motivuje k tomu, aby sami hledali cesty k úsporám.
Ty ovšem hledají nejen domácnosti, ale také firmy. I drobné prohřešky, jako je rozsvícená kancelář a spuštěná technika i po odchodu posledního zaměstnance nebo zapnutá klimatizace, a přitom otevřené okno, mohou vést ke značným energetickým ztrátám. Lidský faktor nadále zůstává nejslabším článkem v procesu snižování energetické náročnosti institucí. S problémem ale mohou pomoci chytré technologie, které řeší automatizaci od rutinních úkolů, jako je regulace osvětlení, chlazení, topení až po komplexní energetický management.
„Facility manažeři ve velkých administrativních budovách mají díky komplexním systémům veškeré informace o energetických tocích na jednom místě, v aplikaci. Mohou je sledovat odkudkoliv a s technologiemi pracovat i na dálku. Pokud má facility manažer na starosti správu více budov, může opět v jedné aplikaci sledovat energetickou bilanci všech, porovnávat je a podnikat smysluplné kroky, které účty za energie sníží,“ doplňuje Pavel Lískovec ze společnosti Loxone, která takové aplikace vyvíjí. A přidává příklad: modernizace pobočky McDonald’s v OC Nový Smíchov zavedením nových technologií a inteligentního řízení přinesla za půl roku energetickou úsporu téměř 73 MWh v hodnotě 576 000 korun. Investice se zadavateli vrátila za méně než půl roku.
Chytrá, ale stále hladovější
Umělá inteligence se zdá být v energetice veskrze pozitivním trendem. Na druhou stranu je ale sama velmi energeticky náročná. Pokud například dojde k aktivaci generativní AI klientským dotazem, není to telefon nebo počítač uživatele, který spotřebovává potřebnou energii. Veškeré výpočty probíhají v externích datových centrech, která spotřebovávají s rostoucími nároky na výkon stále více elektřiny.
V roce 2022 pohltila světová datová centra 460 terawatthodin a Mezinárodní agentura pro energii (IEA) očekává, že do čtyř let se tato spotřeba zdvojnásobí. Podle ní by počínaje rokem 2026 datová centra mohla „spalovat“ celkem 1000 terawatthodin ročně. To pro porovnání odpovídá spotřebě elektřiny v Japonsku, které má 125 milionů obyvatel.
Využívání umělé inteligence má svá úskalí a limity. Navíc je to nástroj, který může pomoci, ale problémy zcela neodstraní. A v neposlední řadě představuje tlak na nové znalosti a schopnosti pracovníků, kteří s ní mají pracovat a správně ji aplikovat. Nakonec jsou to stále lidé, kdo musí na základě podpůrných mechanismů umělé inteligence rozhodnout.
