Domů
Trh s elektřinou
Schopnost číst budoucnost je v energetice k nezaplacení. Umělá inteligence ji umí vylepšit
Zdroj: Unicorn
Zdroj: Unicorn

Schopnost číst budoucnost je v energetice k nezaplacení. Umělá inteligence ji umí vylepšit

Žádná složitější civilizace se neobejde bez energie, která ji pohání. V naší současnosti postavené na nejrůznějších technologiích to platí více než kdy dříve. Bez elektrické energie by nefungovalo téměř nic. Pro spolehlivé a stabilní zásobování jsou nezbytné nejen dostatečné zdroje, ale také rovnováha v přenosové a rozvodné síti. Co je vyrobeno, musí být spotřebováno. Jedním z klíčových úkolů provozovatele přenosové soustavy je proto řídit systémovou odchylku neboli zajišťovat vyrovnávání výroby a spotřeby. Aby to mohl dělat efektivně, musí umět odchylku co nejlépe předpovídat.

Tato úloha se ovšem komplikuje. V rámci snah snížit emise skleníkových plynů a zmírnit tak klimatickou změnu jsou velké a stabilní zdroje, jako jsou jaderné, uhelné či paroplynové elektrárny, stále více nahrazovány množstvím menších obnovitelných zdrojů. Fotovoltaiky a větrníky sice umí vyrábět bezemisně, ale nedají se řídit tak, aby produkovaly energii, když je po ní poptávka. V Evropské unii přitom podíl obnovitelných zdrojů na hrubé spotřebě elektřiny vzrostl z necelých 16 procent v roce 2004 na 41 procent v roce 2022. V Česku byl tento podíl předloni jen 15,5 procenta, podle vládou schváleného klimaticko-energetického plánu se má ale do roku 2030 zdvojnásobit. Udržet stabilitu energetické sítě tak bude opět složitější.

Paleta nástrojů na výběr

Kvalitní předpovědi mohou provozovateli přenosové soustavy tento úkol usnadnit. Znamená to i úsporu nákladů, které vyrovnávání nesouladů mezi výrobou a spotřebou představuje. S růstem podílu obnovitelných zdrojů výdaje na takzvanou výkonovou rovnováhu výrazně rostou a ve svých fakturách to platí odběratelé. Evropa přitom už nyní trpí drahými energiemi, takže každé zefektivnění se počítá.

S predikcemi dnes umí pomoci stále vyspělejší informační technologie. Naše možnosti rozšiřují výkonnější počítače, ale také nástup umělé inteligence a strojového učení. K dispozici je dnes díky tomu řada metod, kromě klasických regresních modelů například náhodné lesy nebo neuronové sítě. V Unicornu jsme se ve spolupráci s naší Unicorn University zabývali jejich využitelností pro předpovídaní systémové odchylky v elektrické síti. Ukázalo se, že zapojení umělé inteligence může přinést zajímavé zlepšení. Předpovědní schopnost našeho modelu byla ve sledovaném období zhruba o 14 procent lepší než schopnost starších řešení. Predikovaným obdobím byly tři následující čtvrthodiny, což je perioda vycházející z nového patnáctiminutového obchodního intervalu. V první čtvrthodině byly výsledky očekávatelně nejlepší, v delším čase chybovost rostla. Přesnost ovšem nebyla jediným parametrem, zajímala nás i robustnost modelů. V tomto parametru se ukázala být problematickou robustnost neuronových sítí, které v delším období selhávaly více.

 

Je třeba pravidelný trénink

Modely založené na strojovém učení mají přednost v tom, že se umí neustále zdokonalovat. Je ovšem třeba je nechat přetrénovat tak, aby uměly neustále zohledňovat to, že se závislosti mezi vstupními parametry mohou postupem času měnit. Jen pro ilustraci: modely pro předpovídání vývoje cen akcií, které pro své potřeby využívají makléřské firmy, se přetrénují v podstatě denně. My jsme se při svém zkoumání metod, které by pomohly zlepšit předpovědi systémové odchylky, ve finančním světě do jisté míry inspirovali.

Nesmíme ovšem opomenout ani zásadní význam, který má kvalita vstupních dat. Naše testování jasně ukázalo, že by zpřesnění výsledků pomohlo větší množství dat, zejména s geograficky jemnějším členěním a v menším časovém rozlišení. Zásadní jsou například informace o počasí, která ovlivňují spotřebu elektřiny, ale také výkon obnovitelných zdrojů. Podrobnější údaje o osvitu, teplotě a větru než na úrovni krajů by umožnily lépe zohlednit lokální rozdíly a zlepšit předpověď produkce z regionálně roztroušených obnovitelných zdrojů. Stejně tak by pomohla delší časová řada reálné čtvrthodinové systémové odchylky nebo přesnější údaje o skutečné výrobě fotovoltaických elektráren než hodinový údaj za celou Českou republiku. Zdokonalit datovou základnu by naštěstí neměl být neřešitelný úkol.

Energetika prochází zásadní transformací a celý systém se víc a víc komplikuje. Nejmodernější výpočetní metody zapojující umělou inteligenci nepředstavují zázračné řešení problémů, které z toho plynou. V oblasti předpovídání systémové odchylky v energetické síti ale mohou přinést významné zlepšení. Jejich praktické využití v této oblasti je zatím spíše v počátcích. V Unicornu ale v tuto cestu věříme a zájemce z energetického sektoru po ní umíme vést od případové studie na úrovni akademického bádání přes přípravu a integraci dat po vytvoření modelu a jeho trénování a údržbu v reálném provozu. Předpoklady nám k tomu dává dlouholetá zkušenost s vývojem softwaru i důkladná znalost energetického sektoru, který v Evropě spoluvytváříme.

O Autorech

Jan Korych

 

Jan Korych pracuje ve společnosti Unicorn Systems a.s. jako konzultant pro analýzu a návrh informačních systémů v segmentu energetiky a utilit. Specializuje se na projekty pro evropské provozovatele přenosových soustav v oblasti bilancování, ale podílel se také na dodávkách IT řešení pro obchodníky a výrobce elektřiny a tepla. Během své kariéry dodal několik IT řešení v úzké spolupráci se zákazníky, přičemž se zaměřil především na splnění požadavků a maximalizaci přidané hodnoty pro klienta.

Karel Šafr

Karel Šafr je pedagog a lektor na Unicorn University, specializuje se na umělou inteligenci (AI). Vyučuje kurzy Úvod do strojového učení, pokročilé strojové učení a pravděpodobnosti. Ve svém výzkumu se zaměřuje na zpracování dat a matematicko-statistické modely. Karel nedávno nastoupil do výzkumného centra Unicorn Research Centre jako hlavní vědecký pracovník, kde se zaměřuje na výzkum a inovace v oblasti umělé inteligence. Karel se aktivně podílí na výzkumných projektech, které posouvají hranice poznání v oblasti umělé inteligence v různých oblastech.

 

O Unicornu

Unicorn je renomovaná evropská společnost poskytující ty největší informační systémy a řešení z oblasti informačních technologií. Dlouhodobě se soustředíme na vysokou přidanou hodnotu a konkurenční výhodu přinášenou našim zákazníkům. Působíme na trhu již od roku 1990 a za tu dobu jsme vytvořili řadu špičkových a rozsáhlých řešení, která jsou rozšířena a užívána mezi těmi nejvýznamnějšími podniky z různých odvětví. Zároveň vyvíjíme Unicorn Universe - Digital Twin Construction Kit. Tento produkt využívá internetová služba Plus4U, k poskytování rozsáhlého portfolia služeb založených na robustních softwarových řešeních pro malé a střední podniky a koncové uživatele.

V oblasti energetiky a utilit se zaměřujeme na implementaci rozsáhlých informačních systémů v oblasti řízení energetických trhů na národní i mezinárodní úrovni a na související oblast energetického obchodu. Další naší prioritou je geoinformatika a řešení pro správu podnikových aktiv. Využíváme přitom jak naše vlastní produkty, tak ověřené platformy našich partnerů.

Partnerem článku je společnost Unicorn Systems a.s.

Mohlo by vás zajímat:

Komentáře(1)
Miloslav Černý
24. srpen 2024, 11:47

Vystižný dokument, v kterém lze spatřit pomoct pro samotný vývoj tak složité nutné transformace tak důležitého celosvětového resortu jako je energetika. Nejdůležitější roli v tom budou hrát právě ty vstupní potřebné údaje a lidé, kteří s nimi můžou, budou moci manipulovat, třeba i účelově, což by však neměl být problém zajistit. Že to moc nemusí z dlouhodobého hlediska hrát do karet dnešním rozhodovatelům o nových velkých jaderných mamutech se samo nabízí, neboť vývoj v OZ v celém jeho spektru stále více ve prospěch zatěžuje misku samotných OZ bez toho kontraverzního jádra. A to jsme se na štěstí ještě nezavázali samotným podpisem k jejich realizaci.

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