Domů
Elektřina
Umělá inteligence proniká do energetiky. Toto jsou 4 nejtypičtější aplikace

Umělá inteligence proniká do energetiky. Toto jsou 4 nejtypičtější aplikace

Algoritmy umělé inteligence nalezly v energetickém sektoru využití například při řízení spotřeby elektřiny, řízení stability sítě nebo průzkum ložisek plynu a ropy. Obdobně jako v jiných sektorech se tématu umělé inteligence věnuje čím dál více pozornosti, což se dá vysledovat z trendu článků zaměřených na toto téma.

Umělá inteligence je v posledních letech na vzestupu a její vliv se dotkl také relativně tradičního energetického sektoru. O rostoucí významnosti tohoto tématu svědčí především počet článků, které se na toto téma objevují. Výrazný růst zobrazuje následující graf zpracovaný cbinsights.com.

energetika a umělá inteligence
Počet unikátních článků zaměřených na energetiku a umělou inteligenci. Zdroj: cbinsights.com

Energetický sektor bez pochyby produkuje velké množství dat, která je možné analyzovat a vyvozovat z nich důsledky. Hlavní využití nachází analýza dat za pomoci algoritmů umělé inteligence v oborech skladování energie, řízení elektrizačních soustav, spotřeby energie a průzkumu pro těžbu ropy.

Řízení soustav

Přenosové a distribuční soustavy jsou ideálním příkladem pro využití umělé inteligence k predikci spotřeby a výroby elektřiny. Díky tomu lze lépe plánovat výrobu a udržet soustavu stabilní a v co nejvyšší míře efektivní. Důležitost obdobných systémů roste zejména v posledních letech, kdy kvůli zdrojům s obtížně řiditelným výkonem rostou nároky na flexibilitu sítě.

Například ministerstvo energetiky USA v loňském roce vypsalo grant na projekt využívající umělou inteligenci ke zvýšení stability soustavy, kdy za využití historických dat o fluktuaci výkonu má být zvýšena bezpečnost soustavy a její schopnost samostatně reagovat na krizové stavy.

Skladování energie

Současně s rozvojem systémů pro skladování energie se rozvíjí i související technologie, které mají za účel optimalizovat jejich využití. Obdobně jako v případě řízení soustavy jsou systémy založené na algoritmech umělé inteligence zaměřené na predikci spotřeby elektřiny.

Na základě vyhodnocených dat a souvisejících fluktuací mohou systémy, jako je například kalifornská Athena, optimalizovat využití skladovacích systémů. Díky tomu mohou vlastníci akumulačních systémů nakupovat elektřinu v době jejího přebytku a prodávat při nedostatku, aby byl zajištěn co možná nejvíce profitabilní provoz.

Řízení spotřeby elektřiny

S využitím algoritmů umělé inteligence je také možné optimalizovat spotřebu energie domácností na základě sledování typického průběhu spotřeby energie konkrétní domácnosti. Řada zařízení na optimalizaci spotřeby již existuje, například německé tado nebo americká společnost Nest.

Průzkum pro těžbu ropy

Méně známým odvětvím využívajícím umělou inteligenci je ropný průmysl, zejména pak s ohledem na vyhledávání nových ropných nalezišť. V souvislosti s touto činností investovala společnost BP do startupu Beyond limits, který se nejprve věnoval průzkumu vesmíru.

V době investice však společnost BP prohlásila, že plánuje technologii od Beyond limits využít k vyhledávání ropných zásob. BP není jediná společnost, která se při hledání ropných zásob spoléhá na umělou inteligenci. Dalším z ropných gigantů je například Chevron.

Mohlo by vás zajímat:

Komentáře(11)
Vláďa
21. březen 2018, 06:41

Sebechytřejší systém musí vždy pracovat tak aby odchylka od základního parametru byla minimální. Jaká parametr nachytřený systém udržuje?

Jan Veselý
21. březen 2018, 08:34

Udržuje takové parametry, jaké mu přikážete udržovat, takové parametry, které jste ho naučil udržovat. Mám s neuronovými sítěmi a s jejich používáním drobnou osobní zkušenost a celkem dost načteno. Není nic lehkého vhodnou neuronovou síť sestavit a vytrénovat. Hlavní přidaná hodnota je tady v tom, že dokážete situace lépe předvídat a dokážete průběžně optimalizovat procesy, obvyklá zkušenost je, že vaše efektivita v pro vás klíčových parametrech se dokáže zlepšit o 20-30%.

Vláďa
21. březen 2018, 14:34

Hlavním parametrem sítě je frekvence. Jak chytré zařízení vyhodnotí velikost změny výkonu pro udržení uvedeného parametru?

C
22. březen 2018, 09:49

To asi bude záležet od toho co ta neuronová síť má dělat, ne? Jestli to hlídá a predikuje výrobu a spotřebu někde a dispečinku tak bude dělat +- to samé co člověk, jenom asi lépe rychleji kvalitněji. Taková UI, co mne tak napadá, může o něco rychleji předvídat kde v systému hrozí problém, sledovat hlášení z X měřicích bodů v reálném čase, můžete jí z minulosti nakrmit křivkami podle kterých může předvídat změny.

Představte si že FVE jsou v podstatě gigantická, byť slepá, kamera, pokud budou k dispozici data z jednotlivých FVE, tak se dá předvídat při přechodu oblačnosti jestli někde nehrozí přetížení a porucha, podobně vítr. Toto bude spíš to o co jim jde, nějaké řízení frekvence bude asi spíš záležitost měničů a dalších systémů ne tak úplně inteligentních.

Nejspíš ale budou mít něco co hlídá odběr výstupu a zpětnou vazbu do uC který podle toho změní parametry buzení výkonových obvodů., ale to je spíš záležitost čistě algoritmická než inteligenční. Jak je to ale přesně řešené nevím. Rozhodně se dá sledovat U, I a z toho P, od toho snad lze odvodit frekvenci jaká má být. Při přetížení určitě, vyrobit nadfrekvenci bude asi spíš problém.

Když si to zkusím představit jako pseudokód.

BEGIN:

VP <= 0

READ IR

mov AX IR

VP <= 1

READ IR

mov BX IR

mul MUL AX BX

COMP:

cmp AX NOM

jma ABOVE

jmb BELOV

jmp BEGIN:

BELOW:

div AX nominal ;divide consumption by nominal power

mov OR1 AX ;move result of division to output register for PWM

jmp BEGIN

ABOVE: ;overload

mov BX AX ;move power into BX

mov AX nominal ;nominal power to AX

div AX BX

mul AX 50 ;multiply by constant

mov OR2 AX ;set output frequency

jmp BEGIN:

VP = výstupní pin, volí který z externích převodníků se čte

IR = vstupní registr

OR 1 = výstupní registr výkonu

OR2 = výstupní registr frekvence

xX = vnitřní registry procesoru.

div - dělení

mov - přesun

mul - násobení

jma - skok při větším

jmb - skok při menším

jm - nepodmíněný skok.

Nevím jestli by ten kód pracoval správně, v reálu to bude něco hodně komplexnějšího a možná i jinak, ale takto se mi zdá že by princip mohl být, samozřejmě s nějakým složitějším matematickým výpočtem frekvence a výkonu který má být dodán. To se bude asi řešit pak dál přes střídy a nějaké delay v kódu někde při generování sinusovky. Jak říkám toto je jenom malý kousek, v reálu to bude mnohem rychlejší. teď je třeba ještě vzorkovací frekvence a pod. Samotný uC bude běhat někde v stovkách kHz až jednotkách MHz, nějaké šetření proudem tu není třeba.

Vláďa
22. březen 2018, 10:21

Proč takové složitosti. Výkonová odezva musí odpovídat okamžité velikosti sítě. Sebelepší nachytřenost neumí vyhodnotit jaká má být odezva - jednou musí reagovat na síť o výkonu 1000 MW a podruhé musí reagovat na síť o velikosti 10000 MW. Reakce musí být rozdílná. Vyhodnocováním napětí nezískáte žádnou relevantní informaci. Je zde příliš mnoho vstupů které v reálnémčase není schopen nikdo vyhodnotit. Proto musí všechny zdroje pracovat dle předem stanovené charakteristiky.

C
22. březen 2018, 11:07

Pozor, mírně se pletete, ten kód je pro jeden měnič! ( ještě s dovětkem že to musí být složitější) Mimochodem si všimněte že kód vyhodnocuje výkon.

UI je popsána v první a částečné druhém odstavci, kde zmiňuji že může pomoci s předvídáním některých stavů sítě.

Vláďa
22. březen 2018, 19:36

V čem se pletu? Pokud bude umělá inteligence nahrazovat dispečera tak co bude skutečně definovat výkonový požadavek když zde bude převažovat OZE? Základní je momentálně regulace frekvence pomocí točivých strojů podle dispečerem požadované střední hodnoty.

Jan Veselý
22. březen 2018, 20:44

A co ho definuje u dispečera?

C
22. březen 2018, 22:42

Vypadalo to že mluvíte o tom kousku assembleru co jsem napsal.

Záleží na tom jak bude přesně ta síť udělaná, jaké všechny zdroje v ní budou atd. v zásadě můžete regulovat výrobu, pak když nebude, třeba v noci, pouštět plynové elektrárny, nebo akumulací, v nejpitomějším případě pustíte Dalešice a otevřete spodní výpusti. Zjednodušeně, dnes se hýbe s výrobou, v budoucnu budete střídat období hýbání s akumulací a výrobou. Navíc pomocí UI a dalších dat budete moci do jisté míry patrně optimalizovat zátěž dálkových vedení. Záleží na tom kde všude ta akumulace bude a kam bude napojená, stejně tak jako kde budou napojené OZE.

Vláďa
24. březen 2018, 06:35

Kde v programu je řešen cos fí? Nebo to FV nezajímá?

C
24. březen 2018, 10:36

Vláďo, toto je hlavně jenom velmi jednoduchý příkaz jak by se dala zajistit frekvenční odezva na přetížení, tedy nedostatek výkonu v místě, už jenom program pro skutečný měnič by byl podstatně složitější. Obyčejný voltmetr (s výstupem na display) má tak 5x více řádků, toto je spíš náznak algoritmu. Jasně mohl jsem to napsat v nějakém embaded C, ale tam by nebyla tak hezky vidět práce se vstupem/výstupem. Ano, takto je to dobré pro odporovou zátěž, pro cos Fí bych musel vědět jak přesně se má chovat konec měniče.

Komentáře pouze pro přihlášené uživatele

Komentáře v diskuzi mohou pouze přihlášení uživatelé. Pokud ještě účet nemáte, je možné si jej vytvořit na stránce registrace. Pokud již účet máte, přihlaste se do něj níže.

V uživatelské sekci pak můžete najít poslední vaše komentáře.

Přihlásit se