Jak polski mix energetyczny zmieni sztuczna inteligencja

Mamy w Polsce 3,5 mln lamp licznych, które przed podwyżkami cen energii kosztowały podatników 3 mld zł rocznie. Gdyby sztuczna inteligencja zarządzała oświetleniem ulic koszty byłyby o połowę mniejsze.

Zespół naukowców z Akademii Górniczo-Hutniczej w Krakowie stworzył projekt wymiany oświetlenia na LED-owe, zarządzane przez aplikacje sztucznej inteligencji, dzięki czemu można uzyskać pomiędzy 60 a 70 proc. oszczędności energetycznej. Koszt wymiany 3 mln lamp szacowany jest na 6 mld zł. Przy rocznych oszczędnościach w opłatach za energię 1,34 mld zł, okres zwrotu kosztów inwestycji byłby 4,5-letni. Zmniejszenie emisji CO2 o 668 tys. ton rocznie, co również przekłada się na efekt finansowy.

Ten przykład znalazł się w raporcie Ośrodka THINKTANK „Jak sztuczna inteligencja może przyspieszyć transformację sektora energetycznego?”. Raport powstał we współpracy z firmami Accenture, Intel i Microsoft, a jego głównym autorem jest Tomasz Klekowski.

- Polska energetyka jest przestarzała, mamy też przestarzałe sieci przesyłowe. Wysłużone bloki energetyczne wymagają ciągłego monitorowania i remontów. I właśnie tu ogromny potencjał stwarza technologia AI, która umożliwia wykorzystanie nieograniczonej w praktyce ilości danych z różnych źródeł do optymalizacji produkcji i zużycia energii elektrycznej i cieplnej oraz do zwiększenia bezpieczeństwa i niezawodności wszystkich tych procesów - mówi w rozmowie z MarketNews24 Zbigniew Gajewski, Partner w Ośrodku THINKTANK, ekspert w zakresie zastosowań sztucznej inteligencji.

Z tej analizy wynika, że firmy energetyczne w Polsce wiedzą już, że sztuczna inteligencja mogłaby podnosić efektywność ich biznesu, większość ma już nawet na koncie pierwsze wdrożenia AI, ale to nie jest jeszcze poziom, który osiągają już nowoczesne spółki energetyczne działające w globalnej gospodarce.

Firmy sektora od wielu lat gromadzą duże zasoby danych, które mogłyby być wykorzystane do wdrożeń nowych narzędzi i rozwoju nowych procesów, dane te nie są szeroko wykorzystywane. Tymczasem użycie i przetworzenie tych danych mogłoby znacząco usprawnić produkcję i przeszył energii w Polsce.

Dalsza transformacja sektora, zmiana miksu energetycznego i poprawa zarządzania systemem energetycznym jest krytycznie zależna od efektywności cyfryzacji w sektorze, w tym zastosowania rozwiązań opartych na sztucznej inteligencji.

Zaawansowana cyfryzacja ułatwi budowę inteligentnych sieci przesyłowych, lepsze zarządzanie rozproszoną produkcją energii, przesyłem i zużyciem, zwiększy elastyczność sieci i podnieść jej stabilność, a w efekcie stworzyć podwaliny pod bardziej efektywny i elastyczny rynek energii.

A jakie konkretne rozwiązania AI można dziś wdrażać w energetyce? Oto przykłady:

Cyfrowy Bliźniak (ang. Digital Twin) - cyfrowy odpowiednik rzeczywistego procesu i/lub urządzenia. AI pozwala analizować teoretycznie nieskończoną liczbę parametrów jednocześnie, podnosząc tym samym w istotny sposób jakość i bezpieczeństwo procesów decyzyjnych.

Vision AI - W praktyce to analiza obrazów z kamer i monitorowanie jakości surowców, pracy maszyn, urządzeń, pojazdów i ludzi, detekcja określonych sytuacji.

Smart BHP - AI pomaga wykrywać naruszenia bezpieczeństwa i incydenty takie jak braki w odzieży ochronnej, nieuprawniony dostęp czy nieprawidłowe postępowanie z urządzeniem lub pojazdem.

Optymalizacja produkcji - wykorzystanie algorytmów sztucznej Inteligencji (dedykowane modele uczenia maszynowego) do optymalizacji procesu produkcji energii elektrycznej z uwzględnieniem całego łańcucha dostaw. Możliwa jest także koordynacja produkcji własnej i zakupów energii w celu pokrycia niedoborów.

Marketing Automation - na podstawie inteligentnych segmentacji odbiorców możliwe staje się precyzyjniejsze przygotowywanie i egzekwowanie kampanii marketingowych do określonych grup oraz predykcja efektów sprzedażowych.

Analizy behawioralne - wykorzystanie AI do predykcji zachowań konsumentów energii i wychodzenie do rynku masowego z personalizowaną ofertą.

Personalizowane oferty - na podstawie danych z analiz behawioralnych możliwe jest przy wykorzystaniu sztucznej inteligencji, a dokładniej mówiąc - zaawansowanych silników rekomendacyjnych, personalizowanie oferty dla odbiorców. Oferty mogą dotyczyć produktów taryfowych, ale przede wszystkim łączonych (bundle) z produktami i usługami nietaryfowymi.

- W raporcie mamy też przykład rozwiązania, które polega na lepszym zarzadzaniu ruchem pojazdów użytkowych w miastach. Wg badań co najmniej ¼ przejazdów ma tzw. puste przebiegi, co oznacza ogromne marnotrawstwo i niepotrzebne zanieczyszczenia. Dzięki sztucznej inteligencji można lepiej zarządzać ruchem tych pojazdów i te puste przebiegi praktycznie zlikwidować - dodaje Z.Gajewski, Partner w Ośrodku THINKTANK, ekspert w zakresie zastosowań sztucznej inteligencji.