4 modi in cui l'intelligenza artificiale sta alimentando l'industria energetica

Le applicazioni di Intelligenza artificiale in the energy industry are powering new innovations and helping to develop the smart grid of the future. Christopher Frye, a Kolabtree freelancer, details how artificial intelligence in power plant, with 4 real-world examples.

Intelligenza artificiale (AI) rappresenta un'area che detiene un potenziale significativo in una vasta gamma di settori, tanto nel valore che può creare quanto nel valore che può scoprire attraverso la realizzazione di un potenziale precedentemente non sfruttato. Con l'aumento della potenza di calcolo, insieme all'archiviazione dei dati che è più accessibile, l'IA può ora produrre analisi di serie di dati in modo molto più potente ed elegante che mai.

In termini più semplici, l'IA sta espandendo il suo raggio d'azione su compiti tradizionalmente svolti dagli esseri umani; in effetti, per alcuni aspetti, meglio degli umani. In questo post del blog, approfondiamo l'impatto di questo potenziale sull'industria energetica e in particolare, come l'intelligenza artificiale in centrale elettrica sta creando opportunità e valore per il sistema elettrico.

Convergenza di AI ed energia

È interessante notare che in un post sul blog agli studenti universitari l'anno scorsoBill Gates, il fondatore di Microsoft, ha suggerito che, se potesse tornare indietro nel tempo e avere un impatto in un modo nuovo, prenderebbe in considerazione tre campi:

One is artificial intelligence. We have only begun to tap into all the ways it will make people’s lives more productive and creative. The second is energy, because making it clean, affordable, and reliable will be essential for fighting poverty and climate change. The third is biosciences, which are ripe with opportunities to help people live longer, healthier lives.

While biosciences is no less of a noble pursuit, what makes this quote all the more intriguing is the fact that in many respects, AI and energy are converging in ways that – while disruptive – can also mitigate potential negative impacts and facilitate a more orderly energy transformation. The remainder of this post provides insights into how innovations associated with AI are impacting the energy industry, including a few case studies highlighting concrete examples.

Nozioni di base sulla griglia

Before we dive into the details, a few minor points are in order regarding the nature of electric utility operations to ensure a clear understanding of how AI intersects. At its core, the electric industry (still) consists of three primary functional areas: generation, transmission, and distribution. Generation includes all of the sources of electric-generating power including both fossil fuels and energia rinnovabile; transmission includes high-voltage power lines that transport electricity from its generation source to where it’s needed, facilitated by a distribution system more popularly known as the system of telephone poles that line your street.

This entire system is more popularly known as the “grid”, and in recent years, a significant amount of discussion has centered on making the grid “smarter” or more responsive. While there are competing representations of how one defines the smart grid, at its essence, it is the confluence of the electric system and advanced innovation of information technology and communication. The smart grid is not static. It is a system that continua ad evolversi man mano che le tecnologie sono iterativamente testati e perfezionati. Il ruolo dell'IA potrebbe essere meglio descritto come il cervello dietro la futura smart grid, il centro di controllo dietro milioni di sensori e la capacità di sintetizzare e agire su quantità schiaccianti di dati. Ci rivolgiamo ad alcuni casi di studio in cui alcune di queste cose stanno già accadendo.

Intelligenza artificiale nella centrale elettrica: Esempi

1. AI + accumulo di energia = Athena

Stem, a San Francisco-based company founded in 2009, brings together the power of AI and energy storage to “optimize the timing of energy use”. Through the combination of apprendimento automatico, analisi predittiva and energy storage, Athena, come viene chiamato il sistema, forma delle centrali elettriche virtuali per massimizzare il valore dell'immagazzinamento dell'energia.

How does it do this? Through analysis of data at a rate of 400 megabytes every minute, the system continuously assesses the time value of energy and makes the most optimal decisions about when energy should be purchased. The process of aggregation across multiple points representing energy storage capacity is what is described as the “virtual power plant”. The proliferation of these distributed resources are increasingly being driven by the growth of what are called distributed energy resources (DER) on the electric grid – primarily through rooftop solar which has è cresciuta significativamente nell'ultimo decennio.

L'immagine qui sotto fornisce un rendering di questo concetto in forma visiva:

Fonte: A Virtual Power Plant Architecture for the Demand-Side Management of Smart Prosumers – Scientific Figure su ResearchGate. [consultato il 3 nov, 2018]

 

In questo esempio, EES si riferisce a Electrical Energy Storage; DG si riferisce a Distributed Generation; e MV e LV si riferiscono rispettivamente a media e bassa tensione.

The process of this aggregation into a virtual power plant is conducted continuously, leveraging AI to develop predictive analytics across a variety of variables – such as weather, energy consumption levels, tariff (electricity rate) options, among others and automate the process of real-time calculations. The result provides aggregated load reductions that can provide relief during periods of unprecedented heat waves (though thanks to climate change becoming less unprecedented). This is something that the Stem system deployed più di 600 volte nel mercato all'ingrosso della California nel 2017.

2. L'AI facilita la gestione dell'energia rinnovabile

Come l'impatto del cambiamento climatico e l'uso continuo di combustibili fossili drives renewable energy growth – now accounting for a fifth of global electricity productionMa c'è un aspetto di questa crescita di cui molti non si rendono conto. L'aumento della quantità di energia rinnovabile presenta delle sfide agli operatori di sistema per integrare queste fonti nella rete elettrica esistente.

Come questo articolo di Scientific American sottolinea:

Le energie rinnovabili intermittenti sono una sfida perché disturbano i metodi convenzionali per la pianificazione del funzionamento quotidiano della rete elettrica. La loro potenza fluttua su orizzonti temporali multipli, costringendo l'operatore di rete a regolare le sue procedure operative day-ahead, hour-ahead e real-time.

Since solar or wind could be impacted simply by random clouds or difficult to predict wind patterns, this challenge is compounded on a minute-by-minute basis to ensure that the electric grid continues to maintain consistent, reliable power. This is another area where AI shines (no pun intended). We profile two such innovations below – the first is associated with managing solar resources and the second involves aggregating multiple streams of data and combining weather forecasting and machine learning to optimize renewable energy operations.

3. VADER - Visibilità nelle reti di energia distribuita

Chiaramente l'ideatore di questo sforzo era un fan di Star Wars; no, Vader qui non si riferisce al signore oscuro, ma piuttosto a una piattaforma che combina i dati dei sistemi solari fotovoltaici (PV) e dei contatori intelligenti che analizzano i dati su base continua per modellare il consumo di elettricità e il comportamento delle risorse energetiche distribuite come il solare su tetto o a terra. VADER sta per Visualizzazione e Analitica dei sistemi di distribuzione con penetrazione profonda di Distribuito Energia Resources (o, di nuovo, DER).

Il motore al centro di tutta questa innovazione è apprendimento automatico e algoritmi basati su AI; it can “model potential changes in connectivity and the behavior of DERs on the grid, enabling the real-time optimization and automation of distribution planning and operation decision for utilities”. Below is a glimpse at some of the platform’s application screens.

Fonte: Ufficio per l'efficienza energetica e le energie rinnovabili 

4. Nnergix - Intersezione di meteorologia, analisi ed energia

Nnergix is a Barcelona-based outfit founded in 2013 that brings together a mass of data and through the process of AI-based algorithms and analytic models to both manage renewable energy and optimize spinning reserves. Spinning reserves – in the simplest sense – are those generation resources that are on-line though not loaded and can respond within a short amount of time in the event a generator or transmission resource goes down.

Il futuro dell'AI e dell'energia

Gli esempi forniti sopra sono semplicemente un assaggio di ciò che è possibile in definitiva. Ci sono molti altri esempi dell'uso dell'IA che hanno un impatto sull'energia come: previsione di carico a breve termine, la manutenzione predittiva per sostituire le risorse che invecchiano (prima che si verifichino costose riparazioni quando alla fine si guastano), l'uso di assistenti virtuali per migliorare l'esperienza del cliente, e usando l'AI per ottenere informazioni sulla tua bolletta elettrica.

Naturalmente, queste innovazioni non sono senza rischi (come la privacy dei dati o diventare dipendenti dai dispositivi connessi a Internet), ma con la potenza di calcolo e la disponibilità di dati, ci sono potenzialmente altre aree in cui l'intelligenza artificiale in centrale elettrica è beneficiata. L'unico ingrediente aggiuntivo necessario è la creatività.

---
Hai bisogno di consultare un esperto di intelligenza artificiale? Mettiti in contatto con un scienziato freelance su Kolabtree.