Промышленность
Свет в конце алгоритма. Как AI меняет российскую энергетику
Содержание
Применение Al-решений в российской энергетической отрасли продиктовано технологическим развитием индустрии и экономическими стимулами. Так, по оценке Ассоциации больших данных, интеллектуальные системы уже принесли энергокомпаниям более 91 млрд рублей. По прогнозам Минэнерго, к 2027 году около 70% предприятий в сфере ТЭК будут использовать технологии искусственного интеллекта в своих процессах.
Динамика AI-внедрений в российской энергоотрасли
Доля компаний, применяющих искусственный интеллект
*Прогноз Минэнерго
Источник: Минэнерго
Государство активно стимулирует расширение таких практик. Согласно распоряжению правительства, цифровая трансформация ТЭК выделена в качестве ключевого стратегического направления до 2030 года. Отдельным приказом Минэнерго определена необходимость тотального перехода на автоматизированные системы при отключениях электропотребления. Это повысит эффективность управления и надёжность работы оборудования и сократит сроки ремонтов на 20%. В целом, по данным ведомства, Al-технологии помогают компаниям увеличить выручку на 11%. По оценкам экспертов, экономический эффект от внедрения Al в энергоотрасль РФ к 2030 году составит около 1 трлн рублей.
Тимур Вердиев,
управляющий директор — начальник управления по работе с клиентами энергетики:
Сегодня мы наблюдаем не равномерное распространение AI по всей отрасли, а скорее волну пилотных и точечных внедрений, которая постепенно набирает силу. Если в 2022 году только четверть компаний ТЭК использовала AI в работе, то сейчас этот показатель превышает 60%. Запросы энергетических компаний ориентированы на решение конкретных бизнес-задач с помощью AI-технологий: прогнозирование спроса, оптимизацию ремонтов, снижение потерь.
Разбираемся, как искусственный интеллект используют в электрогенерации, сетях и сбытовых компаниях.
Генерация под присмотром Al
Al и ML (от англ. machine learning — «машинное обучение») активно применяются для прогнозирования возможных поломок и выявления проблем в работе оборудования. По данным McKinsey, предиктивное обслуживание может сократить простои оборудования на 30—50% и продлить срок службы на 20—40%.
Как это работает
Главные преимущества
Алгоритмы машинного обучения совершенствуют свои навыки на основе анализа больших объёмов данных. Так, российская IIoT-система (от англ. industrial internet of things — «промышленный интернет вещей») для аналитики и удалённого мониторинга эксплуатируется на энергопредприятиях России с 2015 года. За 10 лет к платформе подключено более 3,2 ГВт тепловой генерации (примерно 2% от общего объёма). Стоимость подключённого оборудования превышает 5 млрд долларов.
Машинное зрение заменяет ручной труд и оптимизирует контроль за оборудованием. Как это работает на практике в отечественном энергосекторе?
Китай — один из мировых лидеров по объёмам внедрения роботизированных систем при строительстве и обслуживании объектов энергетики. Автоматизация повышает эффективность и снижает расходы на 66%. Например, роботы выполняют годовой объём работы бригады по установке солнечных панелей всего за четыре недели.
Сетевой фильтр
В отечественном холдинге «Россети» намерены преобразить сетевую инфраструктуру с помощью роботов и искусственного интеллекта. В частности, предприятие планирует разработать автоматизированные системы проектирования и мониторинга, а также применять Al-решения для оценки технического состояния оборудования и учёта. Особое внимание при реализации таких проектов уделяют кибербезопасности. Так, в мае предприятие внедрило инновационную методику для выявления уязвимостей и предотвращение компрометации данных в электросетевых комплексах.
Кроме того, современные Al-системы обеспечивают управление режимами электросетей. Так, в энергосистеме Магаданской области внедрили российский программный комплекс с блоком на основе искусственного интеллекта для поддержания требуемых уровней напряжения у потребителей и уменьшения потерь электроэнергии.
Александр Домышев,
к. т. н., научный сотрудник ИСЭМ СО РАН:
Это решение улучшило управление энергосистемой в автоматическом режиме без участия оператора. Инновационные методы динамической оптимизации позволяют не только предсказывать изменения нагрузки, но и эффективно управлять режимами с учётом временных факторов. Благодаря этому система минимизирует потери электроэнергии и обеспечивает необходимый уровень напряжения для потребителей. Такие решения особенно актуальны при растущей нагрузке и необходимости экономить ресурсы.
Интеллектуальные решения для управления электроэнергией применяются и на трансформаторных подстанциях. В отличие от традиционных, умные системы могут самостоятельно корректировать работу сети, что делает энергоснабжение более эффективным и безопасным. Уфа стала первым городом в России, где внедрили такие технологии. Проект стартовал в 2013 году и к концу 2020-го Уфа полностью перешла на интеллектуальное управление энергоснабжением.
Как это работает
Главные преимущества
Эксперты отмечают, что самой сложной задачей в этой сфере остаётся почасовое прогнозирование электропотребления.
Никита Томин,
к. т. н., старший научный сотрудник, заведующий лабораторией управления функционированием электроэнергетических систем ИСЭМ СО РАН:
Российские РДУ (региональные диспетчерские управления) прогнозируют электропотребление с помощью корпоративного ПО. Как правило, в таких случаях погрешность прогноза не превышает 4%. Однако ситуация осложняется конкретными условиями: метеофакторами, тяговой нагрузкой, плохими данными. Всё это корректируются специалистами РДУ в «ручном режиме» и тогда погрешность прогноза может серьёзно возрастать. Например, в Иркутской энергосистеме вплоть до 30%. Для решения этой проблемы мы разработали программу на основе глубоких рекуррентных нейросетей с долгосрочной памятью. Её тестовая апробация в Иркутской области показала, что средняя относительная ошибка прогноза может быть снижена почти в два раза (с 6,8 до 3,8%). Речь идёт о сокращении многомиллионных издержках на уровне всей энергосистемы.
Также в электросетевом комплексе активно применяют беспилотные технологии. Например, российская компания использует их для диагностики воздушных линий электропередачи (ЛЭП). Платформа работает на базе мобильной лаборатории и двух типов беспилотников. С помощью нейросетевых алгоритмов система анализирует 280 000 изображений, автоматически выявляя 41 критичный дефект, отвечающий за 92% аварий. Это позволяет обследовать более 100 км ЛЭП в день, значительно превышая традиционный показатель в 6 км.
AI: Польза для всех
Al помогает оптимизировать работу энергосбытовых компаний. Системы анализируют спрос, учитывая исторические данные и погодные условия. Таким образом компании снижают операционные расходы, повышают точность прогнозов и качество обслуживания клиентов. Например, «Красноярскэнергосбыт» пользуется AI-системой прогнозирования энергопотребления на сутки вперёд. Благодаря ей предприятие закупает именно столько энергии, сколько ему нужно.
Часть решений ориентированы на эффективность клиентского сервиса. Например, поставщик электроэнергии из Новосибирска внедрил AI-обработку обращений. Цифровой ассистент даёт нужные ответы с первого запроса, что вдвое снижает нагрузку на контакт-центр. В результате 90% обращений в компанию обрабатываются без участия человека. Похожие инструменты применяет и сбытовая компания из Екатеринбурга. Предприятие запустило чат-бот, который автоматически предоставляет информацию по часто задаваемым вопросам, связанным с договорами, тарифами и услугами. Чтобы воспользоваться помощником, достаточно зайти на главную страницу сайта.
Кроме того, AI-системы помогают компаниям бороться с воровством электроэнергии. Так, в России разработали платформу, использующую искусственный интеллект для выявления безучётного потребления электроэнергии и обученную на данных с нескольких миллионов точек учёта.
Цифровой рывок
Внедрение искусственного интеллекта в энергетику становится ключевым драйвером развития отрасли. Аналитики KPMG отмечают, что сейчас сектор находится на переломном этапе и успешность глобального энергетического перехода во многом зависит именно от AI-технологий. Они подчёркивают, что стратегический курс компаний на AI-внедрения может обеспечить их выход на передовые позиции в индустрии и преобразовать рынок.
Барьеры для энергетических компаний при AI-внедрениях
По мнению Тимура Вердиева, управляющего директора — начальника управления по работе с клиентами энергетики:
Главное по тексту
К 2027 году 70% российских энергетических компаний перейдут на технологии искусственного интеллекта. Это повысит их выручку на 11% и сократит потери электроэнергии в отрасли.