人工知能がエネルギー産業を活性化する4つの方法

のアプリケーションがあります。 人工知能 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.

人工知能 (AIは、さまざまな分野で大きな可能性を秘めた分野です。それは、AIが生み出す価値だけでなく、これまで手つかずだった可能性を実現することで得られる価値でもあります。計算機の性能が向上し、データストレージへのアクセスが可能になったことで、AIはこれまでよりもはるかに強力かつエレガントな方法でデータセットの分析を行うことができるようになりました。

もっと簡単に言えば、AIは従来人間が行っていた作業の範囲を広げ、場合によっては人間よりも優れているということです。今回のブログでは、この可能性がエネルギー産業に与える影響、特に発電所における人工知能が電力システムにどのような機会と価値を生み出しているかについて掘り下げてみたいと思います。

AIとエネルギーの融合

興味深いことに 昨年の大学生へのブログ記事マイクロソフト社の創業者であるビル・ゲイツ氏は、過去に戻って新しい方法でインパクトを与えることができるとしたら、3つの分野を検討するだろうと述べています。

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.

グリッドの基本

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 再生可能エネルギー; 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 が進化し続けています。 が繰り返しテストされ、完成されていきます。AIの役割は、未来のスマートグリッドを支える頭脳であり、何百万ものセンサーの背後にあるコントロールセンターであり、圧倒的な量のデータを合成して行動する能力であると言えるかもしれません。ここでは、これらのことがすでに実現しているいくつかのケーススタディを紹介します。

発電所における人工知能。事例紹介

1.AI＋蓄電＝Athena

ステム, 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 機械学習, プレディクティブ・アナリティクス and energy storage, アテナと呼ばれるこのシステムは、仮想的な発電所を形成し、蓄電の価値を最大化します。

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 過去10年間で大きく成長.

このコンセプトを視覚的に表現したのが以下の画像です。

出典はこちら。 A Virtual Power Plant Architecture for the Demand-Side Management of Smart Prosumers – Scientific Figure をResearchGateに掲載しました。[2018年11月3日アクセス]

 

この例では、EESはElectrical Energy Storage（電気エネルギー貯蔵）、DGはDistributed Generation（分散型発電）、MVとLVはそれぞれMedium Voltage（中電圧）とLow Voltage（低電圧）を意味します。

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 2017年にカリフォルニア州の卸売市場で600回以上の.

2.再生可能エネルギーの管理を容易にするAI

気候変動の影響や化石燃料の継続的な使用により drives renewable energy growth – now accounting for a fifth of global electricity productionしかし、この成長には、多くの人が気づいていない側面があります。再生可能エネルギーの増加に伴い、システム運用者は再生可能エネルギーを既存の電力網に統合するという課題に直面しています。

このように 記事 をScientific American誌が指摘しています。

間欠的な自然エネルギーは、従来の電力網の日常的な運用計画に影響を与えるため、困難な課題となっています。自然エネルギーの電力は、複数の時間軸で変動するため、系統運用者は日前、時間前、リアルタイムの運用方法を調整しなければなりません。

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 - 分散型エネルギーネットワークの可視化

ここでいうベイダーとは暗黒卿のことではなく、太陽光発電システムとスマートメーターからのデータを組み合わせたプラットフォームのことで、屋上や地上に設置された太陽光発電などの分散型エネルギー資源の電力消費と行動をモデル化するために、継続的にデータを精査する。VADERとは V視覚化と Aの深い浸透を伴う流通システムのアナリティクス Dを配布しています。 Eナジー R資源（あるいは、DER）です。

これらのイノベーションの核となるエンジンは 機械学習とAIベースのアルゴリズム; 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.

出典はこちら。 Office of Energy Efficiency & Renewable Energy 

4.Nnergix - 気象学、アナリティクス、そしてエネルギーの交点

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.

AIとエネルギーの未来

上記の例は、最終的に可能になることのほんの一例です。AIの使用がエネルギーに影響を与えている例は、以下のように他にもたくさんあります。 短期負荷予測また、老朽化したリソースを交換するための予知保全（最終的に故障してコストのかかる修理が発生する前に）や カスタマー・エクスペリエンスを向上させるバーチャル・アシスタントとしています。 AIを使って電気代を把握する.

もちろん、これらのイノベーションにはリスクがないわけではありません（データプライバシーや インターネットに接続された機器への依存)でも、コンピューティングパワーとデータの可用性があれば、発電所における人工知能が恩恵を受ける分野は他にもある可能性があります。必要な追加要素は創造性だけです。

---
人工知能の専門家に相談する必要がありますか？に連絡してください。 フリーランス・サイエンティスト をKolabtreeに掲載しました。