Najít skutečné partnerství: Jak utility společnosti vyhodnocují dodavatele umělé inteligence

Svět energie prochází obrovskými změnami, přehodnocuje systémy navržené před více než sto lety, aby udělal místo pro vzestup chytrých a čistých technologií. Je to vzrušující doba – téměř každý průmysl se nějakým způsobem elektrifikuje, elektrická vozidla (EV) získávají tržní trakci a probíhá aktivní přechod na podporu distribuovaných energetických zdrojů (DER), „malých energetických zdrojů“ obvykle umístěných poblíž míst spotřeby elektřiny, jako jsou solární panely na střechách a bateriové úložiště. To poslední je velkou věcí a jak Mezinárodní energetická agentura (IEA) uvádí, rychlá expanze DER „přemění nejen způsob, jakým se elektřina vyrábí, ale také způsob, jakým se obchoduje, dodává a spotřebuje“ v budoucnu.

Pro pozorovatele je tato změna pozitivní, udržitelná a dlouho očekávaná. Ale prakticky vzato, rychlá akcelerace obnovitelné energie a elektrifikace vytváří dodatečný stres a zatěžuje limity naší sítě. Kromě tlaku z obnovitelných zdrojů také světové energetické systémy čelí kritickým výzvám z extrémních povětrnostních podmínek souvisejících s probíhajícími změnami klimatu – sucha v Evropě, vln veder v Indii, silných zimních bouří v USA – všechna tato vedou k exponenciálnímu růstu nákladů na inspekci, údržbu a opravu. Lídři v odvětví utilit jsou nyní zaměřeni na zvýšení modernizace sítě, spolehlivosti a odolnosti.

Vyfotografujte si to, bude to trvat déle

Pro utility společnosti je jejich zařízení často jejich nej重要nějším aktivem a vyžaduje neustálou, pečlivou údržbu. Provedení této údržby závisí na stálém toku dat (obvykle ve formě obrázků), která utility mohou analyzovat, aby detekovaly provozní anomálie. Shromažďování těchto dat se provádí mnoha způsoby, od dronů a letadel s pevným křídlem až po lineární pracovníky, kteří fyzicky procházejí místo. A s novou technologií, jako jsou UAV/drony a kamery s vysokým rozlišením, objem dat dramaticky vzrostl. Vědíme z našich rozhovorů s mnoha utility společnostmi, že utility nyní shromažďují 5-10krát více dat, než shromažďovaly v minulých letech.

Všechna tato data činí již pomalý pracovní cyklus inspekcí ještě pomalejším. Průměrně utility společnosti tráví ekvivalent 6-8 měsíců pracovních hodin ročně analýzou inspekčních dat. (Poskytnuto zákazníkem utility ze Západního pobřeží, který shromažďuje 10 milionů obrázků ročně) Velký důvod tohoto přebytku je, že tato analýza je stále prováděna ručně a když společnost zachytí miliony inspekčních obrázků ročně, proces se stává nesmírně neskalovatelným. Analýza anomálií je tak časově náročná, že většina dat je zastaralá, než je skutečně přezkoumána, což vede k nepřesným informacím v nejlepším případě a opakovaným inspekcím nebo nebezpečným podmínkám v nejhorším případě. To je velký problém s vysokými riziky. Analytici odhadují, že sektor elektřiny ztrácí 170 miliard dolarů ročně kvůli selháním sítě, nuceným odstávkám a hromadným katastrofám.

Budování utility budoucnosti s AI poháněnými inspekcemi infrastruktury

Zlepšení spolehlivosti a odolnosti naší sítě bude vyžadovat dvě věci – peníze a čas. Naštěstí je to místo, kde může nová technologie a inovace pomoci zefektivnit proces inspekcí. Dopad umělé inteligence (AI) a strojového učení (ML) na odvětví utilit nelze přehlédnout. AI/ML je přímo doma v tomto datově bohatém prostředí a jak objem dat roste, schopnost AI překládat hory informací do smysluplných poznatků se zlepšuje. Podle Utility Dive existuje „již široká shoda v odvětví, že [AI/ML] má potenciál identifikovat zařízení, která jsou v ohrožení selhání, způsobem, který je mnohem rychlejší a bezpečnější než současná metoda“ která spoléhá na ruční inspekce.

Ačkoli je slib této technologie nesporný, budování vlastního přizpůsobeného programu AI/ML v rámci společnosti je pomalý a náročný proces plný komplikací a překážek. Tyto výzvy vedly mnoho utility společností k hledání další podpory od externích konzultantů a dodavatelů.

3 věci, které je třeba zvážit při hodnocení potenciálního partnera AI/ML

Při hledání partnera AI/ML záleží více na činech než na slovech. Existuje mnoho elegantních společností, které mohou slibovat mnoho, ale lídři utilit by měli se zaměřit na několik důležitých metrik, aby přesně vyhodnotili dopad. Mezi nejimportnější patří, jak dodavatel popisuje/dodává:

Růst modelu v čase – Budování různých datových sad (dat, která mají mnoho anomálií k analýze) vyžaduje značné množství času (často několik let) a certain typy anomálií se nevyskytují s dostatečně vysokou frekvencí, aby se vytvořil úspěšný model AI. Například výcvik algoritmu k rozpoznání věcí, jako je hniloba, díry od datlů nebo rezavé tlumiče, může být obtížný, pokud se nevyskytují často ve vašem regionu. Proto se zeptejte dodavatele AI/ML nejen na množství jejich datových sad, ale také na jejich kvalitu a rozmanitost.

Rychlost – Čas je peníze a každý důvěryhodný dodavatel AI/ML by měl být schopen jasně ukázat, jak jeho nabídka urychluje proces inspekcí. Například Buzz Solutions spolupracoval s New York Power Authority (NYPA) na dodání platformy založené na AI, která byla navržena tak, aby významně snížila čas potřebný pro inspekci a analýzu. Výsledkem byla platforma, která mohla analyzovat obrázky aktiv v hodinách nebo dnech, místo měsíců, které to dříve trvalo. Tento časový úspora umožnila skupinám NYPA údržby prioritizovat opravy a snížit potenciál selhání.

Kvalita/Přesnost – V nepřítomnosti skutečných dat pro programy AI/ML někdy společnosti doplňují syntetická data (tj. data, která byla umělým způsobem vytvořena počítačovými algoritmy), aby vyplnily mezery. Je to oblíbená praxe a analytici předpovídají, že 60 % všech dat používaných ve vývoji AI bude syntetických (místo skutečných) již v roce 2024. Ale zatímco syntetická data jsou dobrá pro teoretické scénáře, nevykonávají se dobře ve skutečném světě, kde je potřeba skutečná data (a zásahy člověka do smyčky) k samoopravě. Zeptejte se dodavatele na jejich poměr skutečných a syntetických dat, aby zajistili, že rozdělení má smysl.

A pamatujte, že práce nekončí, jakmile jste vybrali svého partnera. Nová myšlenka od Gartneru spočívá v pořádání pravidelných „AI Bake-Off“ akcí – popisovaných jako „rychlé, informační sezení, které vám umožní vidět dodavatele vedle sebe pomocí skriptovaných demonstrací a společné datové sady v kontrolovaném prostředí“ k vyhodnocení silných a slabých stránek každého. Tento proces stanoví jasná měřítka, která jsou přímo související se škálovatelností a spolehlivostí algoritmů AI/ML, které se poté shodují s cíli utility.

Pohon budoucnosti odvětví utilit

Od efektivnějších integrací pracovních postupů až po sofistikovanou detekci anomálií AI, odvětví utilit je na mnohem světlejší cestě, než tomu bylo před několika lety. Tato inovace bude muset pokračovat, zejména když jsou mandáty pro inspekci T&D stanoveny na dvojnásobek do roku 2030 a vláda oznámila údržbu a obranu energetické infrastruktury jako top národní bezpečnostní priority.

Budou před námi ještě práce, ale jednoho dne se ohlédneme zpět na tuto dobu jako na zlomový okamžik, kdy se lídři odvětví rozhodli investovat do budoucnosti naší energetické sítě a přivést utility do moderní éry.