Как искусственный интеллект помогает российской энергетике: вызовы, кейсы, перспективы
Всё острее стоят вопросы эффективного и устойчивого управления энергоресурсами. Возрастает производство и потребление электроэнергии. Так, по данным в базовом сценарии от World Energy Outlook 2024 мировой спрос на электроэнергию вырастет с 26 000 ТВт ч в 2023 г. до 50 000 ТВт · ч к 2050 г.
В условиях интенсивного роста потребления энергии компании нацелены на поиск современных и эффективных инструментов, которые способствовали бы развитию ТЭК и совершенствовали деятельность компаний. В качестве такого инструмента можно рассматривать искусственный интеллект. Поэтому его применение становится уже не новомодным трендом, а необходимостью.
Какие задачи решает ИИ в ТЭК
Многие исследования показывают эффективность внедрения технологий искусственного интеллекта в энергетике.
Так, по данным исследования АНО «Цифровая экономика», в ТЭК совокупная доля организаций, которые используют ИИ, выросла до 58% в 2024 г. против 41% в 2023 г. Чаще всего организации используют интеллектуальные системы поддержки принятия решений (37%), компьютерное зрение (25%), перспективные методы ИИ (14%).
Энергетические компании используют ИИ для следующих актуальных задач:
Оптимизация энергопотребления. С помощью машинного обучения можно анализировать потребление в реальном времени, выявлять пики и провалы и разрабатывать оптимальные стратегии снижения затрат.
Прогнозирование сбоев и поломок. Одна из актуальных проблем энергетики — состояние оборудования. ИИ предсказывает сбои поломки, основываясь на исторических данных и текущих показателях, что повышает надёжность систем.
Кроме того, одна из траекторий применения ИИ — децентрализация энергетических экосистем. Каждый потребитель может быть одновременно производителем (prosumer), а локальные сети — распределителем ресурсов. Это изменит и технологическую, но и экономическую модель отрасли.
Сложности и вызовы
Дефицит высококачественных данных. Для эффективного применения ИИ важна унификация форматов представления данных.
«Подготовка данных играет определяющую роль для успешного применения ИИ-технологий, причём именно на этот этап приходится наибольшая часть временных затрат при внедрении. Независимо от сложности алгоритма, система должна чётко различать входные параметры, понимать, на каких показателях строить прогнозы, и однозначно определять целевой параметр для точного прогнозирования по новым поступающим данным. Именно поэтому созданию качественных структурированных датасетов уделяется особое внимание в современном развитии ИИ-методов в отрасли», — отмечает Алексей Борисенко, региональный директор SPE Россия и Каспий.
Нехватка квалифицированных специалистов. Около 78% мировых компаний-лидеров считают недостаток обучения проблемой для внедрения искусственного интеллекта. Энергетическим компаниям важно повышать квалификацию работников, чтобы ИИ можно было применять на всех этапах цепочки создания стоимости.
Один из вариантов решения этой проблемы — повышение квалификации и переподготовка сотрудников энергетической отрасли в сфере ИИ. Такое обучение возможно пройти на базе вузов. Например, в Высшей школе экономики на факультете компьютерных наук реализуются программы дополнительного образования в сфере Data Science и ИИ как для физических, так и юридических лиц.
Стоимость внедрения и недостаток финансирования. По данным исследования ADNOC, Masdar и Microsoft, частные инвестиции в ИИ для энергетики сократились более чем на 30% за последние три года.
Эксперты в сфере цифровизации ТЭК также высказываются о недостаточном финансировании проектов: «В настоящее время, экономические вызовы детерминируют ограничения на использование многих решений — финансировать любые проекты стало сложнее. Поэтому в первую очередь внедряются проекты с высокой окупаемостью, с минимальными инвестиционными бюджетами», — подчёркивает генеральный директор ГК ИНФОПРО Павел Сергиенко.
Автор:
Светлана Гринь, Центр непрерывного образования факультета компьютерных наук ВШЭ
‼️Прочитать материал полностью можно по этой ссылке
