W małym mieście pan Janusz, stary inżynier, zajmował się elektrownią wiatrową, która zaopatrywała w prąd większość okolicznych gospodarstw. Choć był wybitnym fachowcem, miał jeden problem — nie umiał przewidzieć awarii. Wiele razy w środku nocy jechał rowerem do elektrowni, aby usunąć niespodziewane usterki.
Pewnego dnia odwiedził go wnuczek, student politechniki, i wprowadził w świat zarządzania zasilanego sztuczną inteligencją. „Nowa technologia, wykorzystując dane z czujników, sygnalizuje potencjalne awarie, a nawet określa ich czas” — zachwalał młody człowiek. Początkowo dziadek był sceptyczny. Do AI przekonał się dopiero wtedy, gdy przewidziała poważną usterkę, umożliwiając interwencję naprawczą przed przerwą w dostawie energii.
Od tamtej pory pan Janusz śpi spokojnie, a rowerem jeździ tylko dla poprawy sprawności fizycznej i zdrowia. Nie dość tego — z pomocą oprogramowania AI zaczął eksperymentować z optymalizacją kąta nachylenia łopat turbin, co zwiększyło wydajność elektrowni. Ta mała zmiana przyczyniła się do znacznego wzrostu produkcji energii w miasteczku, a klienci nie posiadają się z radości, widząc, jak maleją ich rachunki za prąd. Stary inżynier cieszy się wśród mieszkańców jeszcze większą estymą.
O tyle do 2030 r. Polska musi ograniczyć emisję CO2 zgodnie z regulacjami unijnej polityki klimatycznej. Obecnie udział węgla w krajowym miksie energetycznym wynosi 87 proc. Przejście na niskoemisyjne źródła energii umożliwiają inwestycje w AI.
Predykcje i rekomendacje
Sztuczna inteligencja rewolucjonizuje produkcję, dystrybucję i zarządzanie energią, czyniąc branżę bardziej efektywną, zrównoważoną i przyjazną dla środowiska. Przynosi optymalizację kosztową, zwiększa bezpieczeństwo pracowników i sprawia, że przerwy w dostawie prądu stają się równie rzadkie jak trafienie głównej wygranej w loterii. Jednak to tylko ogólne stwierdzenia. Spójrzmy na konkretne rozwiązania, które odmieniają sektor energetyczny.
Jeszcze słówko o predykcyjnym reagowaniu. AI przetwarza dane z czujników zainstalowanych w urządzeniach, aby z wyprzedzeniem wykrywać ewentualne anomalie. Dzięki temu możliwe jest przeprowadzanie w odpowiednim czasie konserwacji i napraw, co znacznie zmniejsza ryzyko, że w naszych mieszkaniach, biurach i sklepach zabraknie prądu. Predykcja nie ogranicza się tylko do elektrowni, ale dotyczy całej sieci energetycznej, co przyczynia się do zwiększenia jej wydajności i odporności na zakłócenia oraz zmniejszenia podatności na błędy ludzkie. Optymalizuje też przepływ energii w sieci, minimalizując straty energetyczne.
Systemy sztucznej inteligencji stają się niezastąpione również w zarządzaniu podażą i popytem. Prognozują zapotrzebowanie na energię, co przekłada się na bardziej efektywne wykorzystanie źródeł odnawialnych, mniejszą zależność od paliw kopalnych oraz ograniczenie marnotrawstwa energii. Jak to wygląda w praktyce? Narzędzia AI przetwarzają dane z liczników w gospodarstwach domowych. W czasie rzeczywistym analizują nawyki konsumentów, rozpoznając, kiedy dochodzi do szczytów zużycia oraz jakie urządzenia są używane, w jakiej klasie energetycznej działają i czy są wykorzystywane w sposób ekonomicznie efektywny. Te informacje znajdują zastosowanie w cyfrowym marketingu. Pomagają w segmentacji odbiorców i predykcji efektów sprzedażowych. Zaawansowane silniki rekomendacyjne tworzą spersonalizowane oferty, obejmujące zarówno taryfy energetyczne, jak też pakiety (bundle) łączące produkty i usługi nietaryfowe.
Poznaj program konferencji “Umowy IT - aspekty prawne i praktyczne”, 13 grudnia 2023, Warszawa >>
Inna dziedzina, w którą sztuczna inteligencja wnosi znaczącą wartość, to prognozowanie pogody. Siła i czas wiania wiatru wpływa na wytwarzanie energii z turbin wiatrowych. Chmury zasłaniające duży panel słoneczny mogą zmniejszyć produkcję nawet o 90 proc. AI przewiduje zjawiska atmosferyczne precyzyjnie i szybko, co w segmencie OZE może ułatwić planowanie, zwiększyć wydajność i pozwolić na efektywniejsze wykorzystanie zasobów naturalnych.
Sztuczna inteligencja jest pojęciem znanym od lat, a ostatnio odmienianym przez wszystkie przypadki. I słusznie — ma w sobie ogromny potencjał i może stać się motorem napędowym transformacji cyfrowej w wielu branżach, również w energetyce.
Trudno znaleźć liczącego się gracza, który przynajmniej nie eksperymentował z diagnostyką predykcyjną, jednak zastosowania AI daleko wykracza poza ten obszar. Szczególnym wyzwaniem jest umiejętne zarządzanie produkcją energii, bazującą na różnych źródłach. AI w bardzo wydatny sposób może pomóc wkomponować OZE w istniejące systemy produkcji i przesyłu. Odnawialne źródła są bardzo podatne na zmienność. AI analizująca dane pogodowe oraz historyczne pozwala przewidzieć podaż zielonej energii oraz lukę wobec popytu, którą należy uzupełnić energią ze źródeł konwencjonalnych. Jak widać, AI ma potencjał, żeby stać się jednym z katalizatorów zielonej transformacji. Dokładając rozwiązania typu smart grid, wsparcie w bilansowaniu podaży i popytu oraz efektywne zarządzanie emisją zanieczyszczeń, otrzymujemy klarowny obraz co do kierunku rozwoju branży.
Napędzeni entuzjazmem związanym z AI zapominamy o kluczowym elemencie – drodze, jaką trzeba przejść od idei do praktycznych rozwiązań. Organizacje działające jak dotychczas nie mogą z dnia na dzień przekuć AI w realne korzyści biznesowe — muszą przejść proces transformacji cyfrowej tworzącej warunki do efektywnego wykorzystania AI. Po pierwsze — AI jest stworzona do analizy danych i nauki na ich podstawie. Oznacza to, że aby wykorzystać jej potencjał, trzeba zadbać o odpowiednią jakość danych, na podstawie których ma się uczyć. Niezbędny będzie przegląd m.in. procesów biznesowych, sposobów pozyskiwania i zarządzania danymi, przeprojektowania architektury korporacyjnej tak, aby AI miała przestrzeń na realizację zadań. Po drugie — efektywne zarządzanie produkcją w energetyce z udziałem OZE jest niezwykle skomplikowane. AI może w nim wydatnie pomóc, jednak należy zachować ostrożność w zakresie decyzyjności. Przekroczenie nieznanych AI warunków brzegowych może doprowadzić do nieprzewidzianych konsekwencji. Ponadto, skupienie na optymalizacji wybranych obszarów oparte na lokalnym wykorzystaniu AI może utrudnić optymalizację na poziomie całej firmy, a to ona powinna być celem. Po trzecie — sektor energetyczny jest wrażliwy w zakresie cyberbezpieczeństwa, więc udostępnianie szerokiego spektrum danych do analizy AI stanowi wyzwanie. Po czwarte — transformacja cyfrowa obejmująca AI wymaga nakładów inwestycyjnych i firma musi być na to przygotowana. Po piąte i być może najważniejsze — kompetencje. Jeżeli nie jesteśmy pewni, że mamy wewnątrz organizacji umiejętności, które pozwolą przejść przez transformację efektywnie, warto zaangażować zewnętrznych doradców, którzy wniosą niezbędne know-how.
Współautor Mateusz Żebrowski, manager w zespole Technology Consulting, EY Polska
Bezpieczniej i efektywniej
Na uwagę zasługują tzw. wirtualne elektrownie, czyli platformy AI, które łączą w sieci elektroenergetycznej mniejsze, rozproszone zakłady energetyczne lub instalacje takie jak panele słoneczne na dachach domów, a następnie koordynują ich działanie za pomocą wspólnego systemu sterowania. Taka integracja różnorodnych źródeł energii nie tylko jest ekonomicznie opłacalna, ale również sprzyja rozwojowi zielonych technologii.
Sztuczna inteligencja wnosi też istotny wkład w poprawę bezpieczeństwa siły roboczej w terenie. Chyba nikomu nie trzeba tłumaczyć, że wydobycie surowców czy prace budowlane, w tym wymiana słupów i linii elektroenergetycznych, wiążą się z dużym ryzykiem wypadków. Uzbrojona w modele predykcyjne AI umożliwia jednak wczesne wykrywanie zagrożeń oraz przyczynia się do projektowania i wdrażania sprzyjających życiu i zdrowiu warunków pracy. Efektem jest znaczne zmniejszenie liczby poważnych incydentów wśród pracowników.
O tyle zmniejszyłaby się roczna emisja CO2 w Polsce dzięki wymianie ulicznego oświetlenia na LED-owe i zarządzane przez sztuczną inteligencję — szacują naukowcy z Akademii Górniczo-Hutniczej w Krakowie.
Te przypadki ilustrują rosnącą rolę sztucznej inteligencji w sektorze energetycznym, która przyczynia się do poprawy wydajności produkcji energii, bezpieczeństwa pracowników oraz ochrony środowiska. Tempo, w jakim branża wdraża innowacje AI, jest kluczowe dla jej transformacji. Opowieść o panu Januszu i jego pionierskim podejściu do zarządzania elektrownią wiatrową powinna służyć całemu rynkowi jako inspiracja, podkreślając znaczenie przełamywania sceptycyzmu i śmiałego wykorzystywania nowych technologii.
PB: Jak sztuczna inteligencja wspiera branżę energetyczną?
Paweł Stapf: Sektor energetyczny jest wyjątkowy z powodu trudności w precyzyjnym określaniu zapotrzebowania na prąd i ciepło, co wymusza produkcję z nadwyżką. Ograniczanie tej nadwyżki to wyzwanie, z którym AI radzi sobie lepiej niż człowiek. Na podstawie ogromnych liczby danych historycznych i behawioralnych algorytmy przewidują popyt, dzięki czemu branża lepiej zarządza wytwarzaniem energii, minimalizując straty i osiągając oszczędności, które w skali kraju wynoszą miliardy złotych. Używając zawodowego żargonu, dzięki AI energia nie idzie w komin ani nie jest tracona na kablu. Trafna predykcja umożliwia także lokalną produkcję i dystrybucję energii zamiast polegania na źródłach z odległych regionów Polski czy Europy. Mimo inflacji i niepewnej sytuacji geopolitycznej to wszystko może przełożyć się na niższe rachunki za prąd.
Czy dzięki AI mali operatorzy mogą rywalizować z dużymi?
Co się tyczy obsługi gospodarstw domowych, to mniejsi operatorzy na ogół gorzej sobie radzą, zwłaszcza w sytuacjach awaryjnych. W przeciwieństwie do większych dostawców brakuje im zasobów ludzkich i technicznych, by szybko i sprawnie przywracać dostawę ciepła czy prądu. Sztuczna inteligencja może jednak dać średniakom i maluchom przewagę polegającą na elastyczności i lepszym zrozumieniu potrzeb dużych klientów, np. z branży przemysłowej. Wykorzystując algorytmy predykcyjne, mali operatorzy mogą szybciej reagować na zmieniające się potrzeby klientów, np. fabryk, i oferować konkurencyjne stawki.
Czy sztuczna inteligencja wyprze z rynku fachowców od energetyki?
Choć AI może przejąć niektóre rutynowe prace biurowe, takie jak wprowadzanie faktur czy rozliczenia finansowe, specjaliści, których efektywność zależy od inwencji i kreatywności pozostaną cenni. Przykładem są pracownicy fizyczni, w tym terenowi, którzy jeśli tylko opanują podstawy elektrotechniki i automatyki, mogą liczyć na coraz bardziej odpowiedzialne zadania i wyższe zarobki. Zaawansowane systemy IT w energetyce wymagają specjalistycznej wiedzy, z czego można wysnuć wniosek, że AI raczej będzie narzędziem wspomagającym, niż zastępującym czynnik ludzki. Każdy, kto chce się rozwijać, czyli podwyższać kwalifikacje lub zmienić fach, może być więc spokojny o zawodową przyszłość. Dość patrzenia na sztuczną inteligencję jak na konkurenta, skoro świetnie wykonuje to, co ludziom nie wychodzi dobrze. Wspomniałem o analizie dużej liczby danych. To zajęcie przekracza cierpliwość większości osób, trzeba więc je powierzyć cyfrowym maszynom, a w naszych rękach — i głowach — niech pozostaną zadania niedostępne dla robotów i algorytmów.
