Има три събития, които из основи променят европейския енергиен баланс през последните две години. Първото е нахлуването на Русия в Украйна. Второто е енергийната криза, породена от използването на газовите доставки от Русия като оръжие, което форсира Европа да преосмисли енергийната си сигурност и да намали зависимостта си от внос на изкопаеми горива. Но има още едно трето революционно събитие със значително въздействие върху енергийния сектор. То започна през ноември 2022 в САЩ и бързо се разпространи в Европа: ChatGPT
Какво означава надпреварата за ИИ за енергийния сектор?
Захранването на „творчески мозък“ като OpenAI изисква много енергия. Повече, отколкото можем да си представим. Успехът на тази новаторска технология доведе до рязко нарастване на потреблението на електроенергия, предизвикано от ИИ, което се очаква да нарасне още повече през следващите години.
Само в Тексас потреблението на електроенергия се очаква да се изравни с цялото потребление на Германия в рамките на шест години, което се дължи на бързото разрастване на центровете за данни за приложения на ИИ.
Какво се случва с предлагането?
Секторът вече е затруднен от недостига на доставки, особено когато става въпрос за енергийна инфраструктура. Междувременно електропреносните мрежи в Европа остаряват и има призиви за бърза модернизация и изграждане на преносна и разпределителна инфраструктура. Това означава нови подстанции, медни кабели, трансформатори, разпределителни устройства и много бюрократична работа за изграждане на енергийната система на бъдещето.
Сегашният недостиг на мед, удължените срокове за производство и разходите за трансформатори – всичко това рискува да възпрепятства развитието на инфраструктурата и необходимата електрификация в Европа.
Проучването на Eurelectric „Grids for Speed“ показва, че през последните няколко години времето за доставка на трансформатори е нараснало средно до 2,5 години, а за големите трансформатори – до 4 години. В резултат на това медта става все по-оскъдна. В рамките на настоящото десетилетие се очаква недостиг на мед. Това рискува да предизвика рязко покачване на цените, което ще попречи на незабавното ускоряване на развитието на мрежата, освен ако индустрията не увеличи бързо капацитета си.
Всичко това поражда въпроса дали Европа ще може да захранва състезанието за изкуствен интелект – има ли предлагане?
Съществува такава вероятност, ако се справи с тези пречки чрез стратегическо планиране, засилено сътрудничество между европейските политици и индустриите, както и нови инициативи за обучение с цел рационализиране на образователните сертификати и осигуряване на квалифицирана работна сила. Политическата подкрепа е от решаващо значение и за осигуряването на гъвкава и устойчива верига на доставки – от добива на минерали до снабдяването – за развитието на разпределителните мрежи.
Задоволяването на енергийните нужди на ИИ ще изисква не само динамична комбинация от възобновяеми източници и по-висока степен на електрификация, но и по-усъвършенствани мрежови технологии, които използват вече съществуващата инфраструктура и инфраструктурата, която ще бъде изградена в бъдеще .
Мрежите
Няколко технологии могат да помогнат за оптимизиране на мрежата, като например динамична оценка на линиите, интелигентни трансформатори, интелигентни измервателни уреди и цифров близнак. Такива технологии, заедно с ориентирано към бъдещето планиране, могат значително да намалят необходимостта от инвестиции в мрежата.
Източник: Евроелектрик
Както е показано на горната графика, инвестициите в мрежата могат да бъдат намалени от 67 млрд. евро годишно на 55 млрд. евро от 2025 до 2030 г. чрез създаване на възможност за изпреварващи инвестиции, повишаване на гъвкавостта на мрежата и подобряване на отличните показатели на активите.
Липсващото звено обаче е подкрепяща регулаторна рамка. За да се промени това, националните регулатори трябва да позволят на операторите на разпределителни системи (ОРС) да инвестират изпреварващо, за да подготвят енергийната инфраструктура за масовото увеличаване на електрификацията. Това означава да се премахнат пречките пред изпреварващите инвестиции и осигуряване на стимули за модернизаране на мрежата.
За да бъде ИИ ефективен съюзник към ефективни, декарбонизирани и устойчиви енергийни системи, правителствата също ще трябва да разработят механизми за споделяне на данни и управление. Координираният глобален подход може да даде възможност за международно приложими и възпроизводими решения, да прехвърли наученото в световен мащаб и да ускори енергийния преход, като същевременно намали разходите за него.
В анализ на МЕА от миналата година се посочва, че енергийните фирми виждат ИИ като все по-критичен ресурс. Скорошна оценка предполага, че ИИ вече обслужва повече от 50 различни приложения в енергийната система и че пазарът на технологията в сектора може да струва до 13 милиарда щатски долара.
В същия документ на МЕА се посочва, че една от най-честите употреби на ИИ от енергийния сектор е да се подобрят прогнозите за търсенето и предлагането. Развитието на по-добро разбиране на това кога е налична възобновяема енергия и кога е необходима е от решаващо значение за енергийните системи от следващо поколение, отколкото беше възможно преди.
Друго ключово приложение на ИИ в енергийния сектор е прогнозиране на ремонтите и поддръжката, при която работата на енергийните активи непрекъснато се наблюдава и анализира, за да се идентифицират потенциални грешки предварително. Поддръжката обикновено се извършва по редовен график; стълбове на далекопровод, например, могат да бъдат прегледани веднъж в рамките на предварително определен период и да бъдат извършени ремонти, ако е необходимо. Този универсален подход може да доведе до неефективност, ако поддръжката се случи твърде рано или, което е по-проблемно, твърде късно. За да се справят с това, редица енергийни компании разработват схеми с ИИ, за да помогнат за наблюдение на физическите активи и да използват минали данни за производителност и прекъсвания, за да предвидят кога е необходима намеса. Компанията E.ON, например, е разработила алгоритъм за машинно обучение, за да предвиди кога кабелите за средно напрежение в мрежата трябва да бъдат сменени, използвайки данни от редица източници, за да идентифицира модели в производството на електроенергия и да маркира всички несъответствия. Изследванията на E.ON предполагат, че прогнозируемата поддръжка може да намали прекъсванията в мрежата с до 30% в сравнение с конвенционалния подход. По същия начин през 2019 г. ,базираната в Италия компания Enel, започна да инсталира сензори на електропроводи за наблюдение на нивата на вибрации. Алгоритмите за машинно обучение позволиха на Enel да идентифицира потенциални проблеми от получените данни и да разпознае какво ги е причинило. В резултат на това Enel успя да намали броя на прекъсванията на захранването на тези кабели с 15%. Междувременно естонският технологичен стартъп Hepta Airborne използва платформа за машинно обучение с дрон кадри на преносни линии, за да идентифицира дефекти, а State Grid Corporation of China използва широко ИИ за извършване на действия като анализиране на данни от интелигентни измервателни уреди за идентифициране на проблеми с оборудването на клиентите.
Без ИИ системните оператори и ютилити компаниите ще могат да използват ефективно само малка част от новите източници на данни и процеси, предлагани от нововъзникващите цифрови технологии и ще пропуснат значителна част от предлаганите предимства. Въпреки това, рисковете, свързани с изкуствения интелект, също трябва да бъдат разгледани и адресирани, преди технологията да бъде разпространена в сектора. Те включват, но не се ограничават до, заплахи за киберсигурността и поверителността, влиянието на пристрастия или грешки в данните и грешни корелации поради недостатъчно обучение, данни или грешки в кодирането.
Повече информация по темата:
