Įsivaizduokite pasaulį, kuriame pramoninis dirbtinis intelektas (AI) nekeičia pasaulio. Po daugelio metų nekantrų pažadų ir entuziastingų antraščių bet kokia dirbtinio intelekto technologija, kuri visiškai nepertvarko darbo eigos, atrodo kaip antikulminacija.
Nuo tada, kai energetikos pramonė pirmą kartą išgirdo AI pažadą, šis pažadas pasikeitė. Energetikos pramonės atstovai – ir visa visuomenė – dabar geriau supranta su AI susijusias technologijas, kurios pradėjo realizuotis. Šiandien pramoniniai jutikliai operatorius sujungia tiesiogiai su visuomenę maitinančiomis sistemomis. Jie sukuria didžiulius kiekius informacijos, vadinamos „dideliais duomenimis“. Pasaulis geriau nei bet kada anksčiau supranta žodį „algoritmas“ ir galimą kompiuterių, vykdančių vieno programuotojo valią, naudą ir žalą.
Tuo pačiu metu AI apibrėžimas susiaurėjo. Bet kuris kompiuteris gali atlikti veiksmą, o algoritmas gali nuspręsti, remdamasis jo programuotojo verčių momentine nuotrauka. Kad jie taptų AI, kompiuteris turi sugebėti atmesti šią momentinę nuotrauką ir sukurti savo vertybes. Dirbtinis intelektas mokosi iš savo veiksmų ir klaidų, kad išvengtų tų klaidų ateityje. Ir nors daugelis vis dar laukia pramoninių AI aušros, ši ateitis pradėjo artėti.
Už visos numatomos priežiūros stovi geras AI
Danijos gamintojas ir operatorius Vestas siūlo penkis skirtingus standartinės priežiūros paketus, iš kurių keturi siūlo skirtingus profilaktinės priežiūros lygius. Tai tapo standartu daugelyje elektros energijos gamybos ir paskirstymo, retai kada apima automatizavimą, didesnį nei pavojaus signalo nustatymas.
Branduolinėje energetikoje prevencinė priežiūra yra griežtas pramonės standartas dėl galimų gedimų pasekmių. Kitame skalės gale, kai kurios hidroelektrinės jiems reikia tiek mažai priežiūros, kad jie galėtų tęsti veiklą savaites be žmogaus indėlio.
Atsinaujinantys energijos šaltiniai dažnai naudingi atokiai naudojant vietovėse, kuriose stipresnis vėjas ar saulė, pavyzdžiui, Šiaurės jūroje ar Australijos pakraščiuose. Pastačius šiuos generatorius nuo didelių žemės sąnaudų ir galimų skundų dėl planavimo, projektai kūrėjams tampa pelningesni.
Tačiau atsinaujinančių išteklių naudojimas atokiose vietose padidina priežiūros išlaidas, nebent gali padėti nuspėjama priežiūra. Atsinaujinantys energijos šaltiniai paskatino geresnes ir pigesnes automatizavimo technologijas, kurios dabar leidžia techninei priežiūrai eiti aukštyn: kompiuteris, algoritmas, dirbtinis intelektas.
Kadangi mašinos šiuo metu ir patikimai negali taisyti kitų mašinų, kompiuteris daugiausia gali pranešti operatoriams apie kitą planuojamą techninę priežiūrą. Tačiau naudojant teisingą įvestį algoritmas gali numatyti gedimus, kol jie netampa problemomis.
Nuspėjamoji priežiūra seka sistemos „gyvybinius požymius“ ir įspėja operatorius apie pažeidimus. Vėjo turbinos atveju tai gali būti vibracija, triukšmas arba temperatūros anomalijos, viršijančios įprastas veikimo ribas. Gedimų užfiksavimas automatiškai leidžia operatoriams išsiųsti techninės priežiūros brigadas tik tada, kai to reikia, taupant laiką ir pinigus.
Algoritmai gali apdoroti jutiklių duomenis lengviau nei žmonės, bet taip pat gali išfiltruoti klaidinančius duomenis, kol jie pasiekia žmones. Nedidelis gedimas gali suaktyvinti kelis įspėjimus, atitraukiant operatorių dėmesį nuo aktualesnių problemų ir sukeldama mažiau pavojaus signalų.
Algoritmų naudojimas siekiant supaprastinti žmogaus sprendimų priėmimą ir dar daugiau
Vestas pristatyme teigiama, kad norint patikimai aptikti gedimus, reikia stebėti daugiau nei 1000 pavojaus signalų ribų vienai turbinai. Bendrovė naudoja programinę įrangą, kad sutrauktų aliarmo duomenis į vieną žmogaus pranešimą apie kiekvieną fizinį gedimą, suskirstytą pagal sunkumą. Tada kiekvienas gedimas gali generuoti iki keturių pranešimų, kiekviename nurodant numatomą laiką, kol remonto brigados turi imtis veiksmų. Pačioje sistemoje taip pat gali atsirasti gedimų, dėl kurių reikėtų imtis veiksmų kuo greičiau.
Be to, kai kurios sistemos gali naudoti jutiklių rodmenis, kad nustatytų galimų gedimų vietą. Tinkamai užregistravus kiekvieną gedimą ir pataisymą, į žinių bazę įtraukiama daugiau duomenų ir sukuriami dideli duomenys, iš kurių galima remtis. Kai programinė įranga naudoja šiuos naujus duomenis, kad pagerintų būsimą priežiūrą, ji peržengia ribą tapti AI.
Remiantis „GlobalData“ informacija, „Siemens“ yra didžiausias dirbtinio intelekto darbdavys energetikos pramonėje. Įmonė siūlo prognozuojančias techninės priežiūros konsultacijas, suskirstytas į tris dalis, atspindinčias kompiuterį, algoritmą, AI ciklą. Pirmajame iš jų įvertinama, kaip perspektyvi numatoma priežiūra gali būti vietoje, nes technologija dar toli gražu nėra standartizuota. Antrajame etape įrengiami jutikliai duomenims rinkti, o trečiasis naudoja patentuotą AI, kad numatytų gedimus.
Tai iškelia dar vieną standartizavimo kliūtį – kodavimo skaidrumą. Dirbtinis intelektas yra tiek geras, kiek yra jo įvestis, programuotojai ir pritaikymas. Šiuo metu technologijų milžinai ginčytis su tuo algoritmuose, valdančius turinį socialinėje žiniasklaidoje. Nustačius AI tikslus ir leidus jam mokytis, tokios svetainės kaip „YouTube“ ir „Facebook“ paleido savo AI. Pačios įmonės nebežino, kas slypi jų „juodosios dėžės“ algoritmuose.
Kodas yra patentuotas ir nėra teisinio mechanizmo, kaip sulaužyti juodąją dėžę. Energetikos pramonėje dėl to gali trūkti kryžminio suderinamumo ir standartizacijos, todėl kainos gali būti be reikalo didelės.
Dėl numatomos priežiūros kyla pavojus, kad projektai bus izoliuoti savo silosuose, kur viena priežiūros sistema negali susieti su kita. Kiekviena sistema gali veikti tik su kitais patentuotais produktais. Tai puikiai tinka įsipareigojusiems technologijų įmonės globėjams, tačiau atgraso nuo atvirojo kodo alternatyvų pigesniam nuspėjamajai priežiūrai.
Skaitmeniniai dvyniai
Ši problema kyla dėl besiplečiančios skaitmeninių dvynių sferos. 2021 m. Tasmanijos (Australija) ir Didžiosios Britanijos (JK) perdavimo operatoriai paskelbė apie planus sukurti skaitmeninius visų tinklų dvynius. Jie remiasi išsamiais jutiklių tinklais, kad sudarytų skaitmeninį perdavimo tinklų žemėlapį, praktiškai imituojantį realias tinklo sąlygas.
Skaitmeniniai dvyniai sugrąžina AI prie savo šaknų, perkurdami kompiuterizuotus duomenis, kad žmonės galėtų juos interpretuoti. Šie modeliai leidžia žmonėms keisti kintamuosius, numatant, kaip sistema gali reaguoti.
Tokios sistemos neįmanomos be AI, o didžiulis būtinų jutiklių skaičius leidžia sistemoms mokytis kaip niekada anksčiau.
Skelbdama apie Tasmanijos elektros tinklo skaitmeninį dvynį, žemėlapių sudarymo įmonė „Fugro“ teigė, kad projektas padės tinklo operatoriui „TasNetworks“ atlikti savo prevencinę priežiūrą, pašalinant augmeniją nuo elektros įkeitimo, kol jos nesukels gaisro pavojaus. Didžiosios Britanijos infrastruktūros nacionalinio tinklo modelis vietoj to išnagrinės salos galių pusiausvyrą, nes dekarbonizacija keičia tradicines operacijas.
Nors šios sistemos peržengia energijos modeliavimo ribas, dirbtinis intelektas įgalino dar didesnius projektus. Lapkričio 12 d. kompiuterių techninės įrangos gamintojas „Nvidia“ paskelbė apie savo planus sukurti skaitmeninį dvynį visos žemės, kad būtų galima modeliuoti klimato kaitą. Tai savo ruožtu leistų elektros tinklo modeliavimui geriau numatyti būsimą paklausą, o klimato kaitos grėsmėms gresiančioms vietovėms tinkamose vietose sukurti tinkamą infrastruktūrą.
Jei, žinoma, įmonė nuspręs pasidalinti kodu.
Susijusios įmonės
