3 вопроса: Как ИИ может оптимизировать энергосистему | Новости Массачусетского технологического института

Искусственный интеллект недавно попал в заголовки газет благодаря своей быстро растущие потребности в энергиии особенно растущий потребление электроэнергии дата-центрами которые позволяют обучать и внедрять новейшие модели генеративного искусственного интеллекта. Но это не все плохие новости: некоторые инструменты искусственного интеллекта могут снизить некоторые формы потребления энергии и сделать энергосистемы более чистыми.

Одним из наиболее многообещающих приложений является использование искусственного интеллекта для оптимизации энергосистемы, что повысит эффективность, повысит устойчивость к экстремальным погодным условиям и позволит интегрировать больше возобновляемых источников энергии. Чтобы узнать больше, Новости Массачусетского технологического института говорил с Прия Донтипрофессор развития карьеры семьи Сильверман на факультете электротехники и информатики Массачусетского технологического института (EECS) и главный исследователь Лаборатории систем информации и принятия решений (LIDS), чья работа сосредоточена на применении машинного обучения для оптимизации энергосистемы.

Вопрос: Почему электросеть должна быть оптимизирована в первую очередь?

А: Нам необходимо поддерживать точный баланс между количеством энергии, подаваемой в сеть, и количеством, которое выходит в каждый момент времени. Но со стороны спроса у нас есть некоторая неопределенность. Энергетические компании не просят клиентов заранее регистрировать количество энергии, которую они собираются использовать, поэтому необходимо сделать некоторую оценку и прогноз.

Затем, что касается предложения, обычно существуют некоторые различия в затратах и доступности топлива, на которые менеджеры сетей должны реагировать. Это стало еще более серьезной проблемой из-за интеграции энергии из изменяющихся во времени возобновляемых источников, таких как солнце и ветер, где неопределенность в погоде может оказать серьезное влияние на количество доступной энергии. В то же время, в зависимости от того, как мощность течет в сети, некоторая мощность теряется из-за резистивного тепла в линиях электропередачи. Итак, как оператор сети, как вы можете быть уверены, что все это работает постоянно? Вот тут-то и приходит на помощь оптимизация.

Вопрос: Как ИИ может быть наиболее полезен при оптимизации энергосистемы?

А: Одним из способов, которым ИИ может быть полезен, является использование комбинации исторических данных и данных в реальном времени для более точных прогнозов о том, сколько возобновляемой энергии будет доступно в определенное время. Это может привести к созданию более чистой энергосистемы, поскольку позволит нам лучше управлять и использовать эти ресурсы.

ИИ также может помочь решить сложные проблемы оптимизации, которые должны решать операторы электросетей, чтобы сбалансировать спрос и предложение таким образом, чтобы это также снизило затраты. Эти задачи оптимизации используются для определения того, какие генераторы энергии должны производить энергию, сколько они должны производить и когда они должны ее производить, а также когда батареи следует заряжать и разряжать, и можем ли мы использовать гибкость в силовых нагрузках. Эти задачи оптимизации требуют настолько больших вычислительных затрат, что операторы используют приближения, чтобы решить их за разумное время. Но эти приближения часто ошибочны, и когда мы интегрируем больше возобновляемых источников энергии в энергосистему, они выбрасываются еще дальше. ИИ может помочь, предоставляя более точные приближения и быстрее, которые можно развертывать в режиме реального времени, чтобы помочь операторам сетей оперативно и активно управлять сетью.

ИИ также может быть полезен при планировании энергетических сетей следующего поколения. Планирование электросетей требует использования огромных имитационных моделей, поэтому ИИ может сыграть большую роль в более эффективном использовании этих моделей. Эта технология также может помочь в профилактическом обслуживании, определяя, где может произойти аномальное поведение в сети, снижая неэффективность, возникающую из-за сбоев. В более широком смысле, ИИ также может быть применен для ускорения экспериментов, направленных на создание более совершенных батарей, которые позволят интегрировать больше энергии из возобновляемых источников в сеть.

Вопрос: Как нам следует думать о плюсах и минусах ИИ с точки зрения энергетического сектора?

А: Важно помнить, что ИИ относится к разнородному набору технологий. Существуют разные типы и размеры моделей, а также разные способы их использования. Если вы используете модель, обученную на меньшем объеме данных с меньшим количеством параметров, она будет потреблять гораздо меньше энергии, чем большая модель общего назначения.

В контексте энергетического сектора есть много мест, где, если вы используете эти модели искусственного интеллекта для конкретных приложений для приложений, для которых они предназначены, компромисс между затратами и выгодами сработает в вашу пользу. В этих случаях приложения обеспечивают преимущества с точки зрения устойчивого развития, например, включение большего количества возобновляемых источников энергии в энергосистему и поддержку стратегий декарбонизации.

В целом, важно подумать о том, соответствуют ли виды инвестиций, которые мы вкладываем в ИИ, тем выгодам, которые мы хотим от ИИ. На общественном уровне, я думаю, ответ на этот вопрос сейчас — «нет». Определенное подмножество технологий искусственного интеллекта активно развивается и расширяется, и это не те технологии, которые принесут наибольшие преимущества в сфере энергетики и климата. Я не говорю, что эти технологии бесполезны, но они невероятно ресурсоемки, но при этом не несут львиную долю выгод, которые можно было бы ощутить в энергетическом секторе.

Я очень рад разработать алгоритмы искусственного интеллекта, которые учитывают физические ограничения энергосистемы, чтобы мы могли их надежно использовать. Это трудная проблема для решения. Если LLM говорит что-то немного неправильное, мы, люди, обычно можем исправить это в своей голове. Но если вы допустите ошибку такого же масштаба при оптимизации энергосистемы, это может привести к крупномасштабному отключению электроэнергии. Нам нужно строить модели по-другому, но это также дает возможность извлечь выгоду из наших знаний о том, как работает физика энергосистемы.

И в более широком смысле, я думаю, крайне важно, чтобы те из нас, кто является техническим сообществом, направили свои усилия на создание более демократизированной системы разработки и внедрения ИИ, и чтобы это было сделано таким образом, чтобы это соответствовало потребностям реальных приложений.