Tom Nudell, CEO a spoluzakladatel Piq Energy – série rozhovorů

Tom Nudell, CEO a spoluzakladatel Piq Energy, je inženýr energetických systémů a technologický výkonný ředitel s hlubokými zkušenostmi v analýze sítí, plánování přenosů a energetické infrastruktuře. Před založením Piq Energy strávil téměř sedm let ve společnosti Smart Wires, kde postupoval v několika vedoucích analytických rolích a nakonec působil jako ředitel produktové a řešitelské analytiky, vedl interdisciplinární týmy inženýrů plánování přenosů, softwarových inženýrů a analytiků pracujících na pokročilých studiích plánování sítí a automatizovaných analytických systémech. Dříve byl Nudell postdoktorálním výzkumným spolupracovníkem na MIT, kde se jeho práce zaměřovala na odolnost propojených energetických systémů, řízení mikrogridů a transakční řízení. Také prováděl výzkum na North Carolina State University zaměřený na lokalizaci poruch ve velkorozměrových energetických sítích pomocí měření v reálném čase, fyzicky informovaného strojového učení, řídicí teorie a optimalizace.

Piq Energy je společnost vyvíjející software pro plánování sítí, zaměřená na urychlení připojení nových energetických projektů, datových center a dalších velkých elektrických zátěží k elektrické síti. Její platforma umožňuje vývojářům a utilitám provádět komplexní studie sítí interně, automatizovat inženýrské pracovní postupy, hodnotit potenciální místa připojení a rychleji testovat řadu projektových a síťových scénářů. Piq vyvíjí agentní platformu pro plánování sítí, která kombinuje modely energetických systémů, data, inženýrské nástroje a workflow řízené umělou inteligencí v jednotném prostředí, s aplikacemi zahrnujícími solární, větrné, bateriové úložiště energie i vývoj velkých zátěží. Společnost uvádí, že její technologie spravuje více než 1 000 modelů přenosových sítí a byla použita k dokončení více než 10 000 inženýrských workflow, protože usiluje o snížení jednoho z největších úzkých míst, kterým čelí nová energetika a výpočetní infrastruktura: dlouhé procesy připojování k síti.

Vaše kariéra zahrnovala výzkum strojového učení informovaného fyzikou, práci na odolnosti sítí na MIT a sedm let budování analytiky plánování přenosů ve společnosti Smart Wires. Jak vás tyto zkušenosti přiměly identifikovat konkrétní problém, který se stal základem Piq Energy?

Můj PhD byl v oblasti výpočetních energetických systémů, kde jsem se zaměřoval na monitorování a řízení v reálném čase v širokém měřítku. Poté jsem pokračoval postdoktorandským výzkumem na MIT v oblasti odolných přenosových sítí a dynamických tržních mechanismů. Po postdocu jsem se připojil ke Smart Wires, kde jsem strávil sedm let zakládáním a rozšiřováním analytického týmu. Můj tým měl globální pokrytí inženýrství energetických systémů napříč čtyřmi kontinenty, s odborností v oblasti toků energie, simulace trhů, dynamiky, EMT a hardwaru v smyčce.

Během tří měsíců po nástupu do Smart Wires jsem si uvědomil, že plánování sítí je v podstatě obrovský a složitý problém datové vědy. Začal jsem přemýšlet, jak zefektivnit a automatizovat nejdražší části procesu: definování analýzy, koordinaci mezi různými odborníky a tvorbu a ověřování modelů. Pro zlepšení tohoto procesu plánování sítí jsme vyvinuli několik klíčových myšlenek. První byla reprodukovatelnost – pokud je vaše analýza 100 % reprodukovatelná, neměl by být žádný mezní náklad pro další osobu/odborníka k opětovnému spuštění analýzy. Tato reprodukovatelnost je zásadní pro umožnění plynulé spolupráce mezi vývojáři, utilitami a dalšími třetími stranami na studiích sítí. Druhá myšlenka byla aplikace konceptu „všechny modely jsou špatné, některé jsou užitečné“ a zaměření na ověření, že máme užitečný model pro daný problém, místo snahy vytvořit a spravovat nejpřesnější model pro vše. (Když zde hovoříme o „modelech“, máme na mysli modely síťové topologie, dynamické modely zařízení a elektráren atd.).

Tyto počáteční postřehy mě a Dio, mého spoluzakladatele, přiměly snít o sofistikované softwarové platformě, která by automatizovala naši práci. Současně jsme pozorovali, jak se fronta na připojení stává obrovským úzkým místem pro síť. Viděli jsme také rostoucí výzvy při připojování nových technologií sítí, včetně zdrojů založených na invertorech (IBR, včetně všech nových obnovitelných projektů) a technologií zlepšujících síť, jako je hardware SmartValve, který Smart Wires prodával. Dio a já jsme si uvědomili, že víme, jak tyto problémy řešit, ale musíme založit softwarovou společnost, abychom to mohli udělat.

Existují tři složky: Za prvé, mé zázemí ve výpočetních energetických systémech a zkušenost s vedením globálního analytického týmu byla základem. Za druhé, práce, kterou jsme již ve Smart Wires vykonali, byla důkazem, že existuje skutečná hmatatelná hodnota k vytvoření. A nakonec, makroklima – rozsah výzvy, který je zároveň rozsahem příležitosti – byl katalyzátorem k rozhodnutí založit Piq Energy.

Piq se popisuje jako \”agentní platforma pro plánování sítí\”. Co dělá systém agentním spíše než jen automatizační nebo analytickou platformu a jaké úkoly mohou jeho AI agenti samostatně plánovat a vykonávat?

Piq urychluje připojení. Technická analýza je v současnosti největším úzkým místem při připojování, a proto budujeme autonomní platformu pro plánování sítí, která tyto technické analýzy zrychlí.

Existují úrovně automatizace. Dnes tyto úrovně automatizace nebyly explicitně definovány pro plánování sítě a připojení, ale můžete si představit něco podobného úrovně automatizace SAE pro řízení. Na tuto myšlenku jsem se odkázal ve své práci z roku 2018, která byla publikována na CIGRE World Congress [T. Nudell, et al. “On Developing Automated Tools for Reliability Planning”, CIGRE Paris C1-201, 2018.].

Nyní máme tuto úžasnou, obecnou technologii ve velkých jazykových modelech a s Piq zjišťujeme, jak využít agentní autonomii a zároveň zajistit, aby fyzika a inženýrství byly prováděny správně, plně reprodukovatelným a auditovatelným způsobem pokaždé.

Dnes náš agent konfiguruje modely a scénáře, spouští studie, křížově odkazuje publikované zprávy, analyzuje výsledky a píše nové zprávy, které jsou zakotveny v datech studie.

Studie sítě se opírají o zavedený inženýrský software, podrobné modely sítí a přísná fyzikální omezení. Jak Piq kombinuje AI s těmito deterministickými nástroji, aniž by pravděpodobnostní model přebíjel základní fyziku energetického systému?

Máte pravdu, že studie sítě se opírají o zavedený software, podrobné modely a známou fyziku. Naše platforma umožňuje agentům doplňovat lidskou odbornost, informovanou našimi daty a kontextem o tom, jaké studie spustit, jak konfigurovat scénáře, a poté zakotvit analýzu v konkrétních výsledkových datech.

Ale pak je vše mezi tím škálovatelná, deterministická automatizace. Agenti nikdy nepisují nový kód a nevyužívají neznámé simulátory fyziky. To vede k mnohem důvěryhodnější platformě ve srovnání s jinými přístupy, protože práce, kterou agent vykoná, je reprodukovatelná a auditovatelná a bude provedena správně pokaždé. Jinými slovy, pokud lidský inženýr výstup zkontroluje, měl by být schopen zopakovat každý krok procesu a získat stejné výsledky.

Které části tradiční studie připojení nebo plánování přenosu může Piq dnes automatizovat a které rozhodnutí musí stále být přezkoumány a schváleny kvalifikovaným inženýrem?

Dnes Piq poskytuje vývojářům sadu nástrojů napříč procesem studie připojení.

První je vysokou úrovní screening zelených polí napříč rozsáhlými oblastmi, který nazýváme regionální screeningová analýza. Poskytuje vám teplotní mapu kapacity N‑1 rezervy na každém uzlu v regionu, takže můžete vidět, kde má síť skutečně místo, než se zavážete k umístění.

Druhá je podrobnější screening na konkrétním místě – studie POI, nebo bodový screening. Tyto studie se ponoří hluboko do jednoho bodu připojení: všechny síťové omezení, potenciální vylepšení a jaké by tyto vylepšení stálo projekt, který se tam připojuje.

Třetí je řízení fronty. Zde mohou vývojáři simulovat teorii her clusterové studie tím, že pochopí podrobnou alokaci nákladů a jak se tato alokace mění s tím, jak se mění soubor generátorů. Projekty se zvětšují, projekty odpadnou, jiní vývojáři podniknou kroky a vaše alokace nákladů se s nimi posouvá. Jedná se o dynamický problém a dnes většina vývojářů to zjišťuje až zpětně místo aby to modelovala dopředu.

Piq také automatizuje proces tvorby a validace modelů pro dynamické provozní modely – zařízení a řízení, která představují datová centra, solární farmy a další účastníky sítě.

Všechny tyto modely, výsledky a zprávy vyžadují člověka v cyklu, který může řídit vstupy a kontrolovat výstupy. Nehlásíme, že máme plně autonomní systém, a nikomu, kdo by takový systém tvrdil, bych nedůvěřoval.

Piq dokončilo více než 10 000 produkčních studií. Co vás naučilo provozování v takovém měřítku ohledně udržování přesnosti modelů, sledování měnících se podmínek sítě a poskytování výsledků, které inženýři mohou reprodukovat a auditovat?

Číslo 10 000 je nyní zastaralé a od ledna (kdy bylo toto číslo zveřejněno) provádíme 2 000 studií měsíčně a rosteme. Je to výsledek růstu našich uživatelů a více uživatelů buduje interní systémy, které také škálují.

Provozování v takovém tempu vás učí, že reprodukovatelnost není funkce, kterou přidáváte. Je to omezení, které určuje, zda vůbec můžete v takovém tempu operovat. Pokud studii nelze reprodukovat, nelze ji auditovat, a pokud ji nelze auditovat, nikdo na ní nemůže jednat. Pokud vaše studie nejsou akční, jen generujete objem, ne hodnotu. Všechno, co jsme při budování platformy udělali, vychází z myšlenky vytvářet užitečné modely a provádět hodnotné studie.

Piq umožňuje vývojářům datových center a dalším zákazníkům s velkou zátěží hodnotit potenciální lokality a scénáře připojení před tím, než osloví distribuční společnost. Jak mohou tyto studie vedené vývojáři urychlit proces, aniž by vytvářely konfliktní předpoklady nebo duplikovaly oficiální analýzu distribuční společnosti?

Energetická společnost stále potřebuje provést vlastní oficiální studii, ale naši zákazníci nemohou čekat. Dnes může trvat více než rok, než se získají výsledky této oficiální studie, a mezitím naši zákazníci mají stovky milionů dolarů investic. Mají vybavení k pořízení, pozemky k získání a místa pro připojení k zajištění po celé zemi. Umožňujeme našim zákazníkům učinit tato rozhodnutí před oficiální studií energetické společnosti. Také jsme viděli, jak naši zákazníci mohou ovlivnit směr energetické společnosti, protože jsou vybaveni poznatky o flexibilních řešeních připojení nebo alternativních vylepšeních pro připojení další kapacity.

Nabízíme rychlý a efektivní způsob, jak nahlédnout do budoucnosti. Nikdo nemá kristalovou kouli (a nevíte, s kým dalšími v řadě soupeříte), ale pokud jsou studie cenově dostupné a rychlé, zkoumání mnoha scénářů pomáhá našim zákazníkům činit lépe informovaná rozhodnutí o svém kapitálu. Také nabízíme možnost, aby naši zákazníci prozkoumali alternativní vylepšení k odemčení stávající kapacity ve svém systému a spolupracovali ruku v ruce s energetickými společnostmi jako skuteční partneři.

Kalifornské energetické společnosti obdržely žádosti o přibližně 18,7 GW nové kapacity pro datová centra, ačkoliv mnoho navrhovaných projektů možná nikdy nebude realizováno. Může AI pomoci energetickým společnostem rozlišit důvěryhodné projekty od spekulativních či duplicitních žádostí a zabránit \”fantomovým zatížením\”, která by zkreslovala dlouhodobé plánování sítě?

Spekulace není iracionální. Vzhledem k tomu, jak dlouho trvá, než je projekt prostudován a připojen, kdokoli, kdo si může dovolit podat spekulativní žádosti o připojení, tak učiní. Je to racionální reakce na současný proces připojení. Podle našeho názoru, kdyby projekty mohly být prostudovány a připojeny tak rychle, jak mohou být postaveny, neexistoval by žádný podnět ke spekulaci.

Odpověď tedy nespočívá v tom, že bychom AI použili k identifikaci spekulací. Místo toho je odpovědí využití AI k skutečnému zlepšení procesu – k efektivnějšímu připojení většího zatížení. To znamená použít AI jak k urychlení samotného procesu studie připojení, tak k nalezení alternativních opatření, včetně technologií zvyšujících kapacitu sítě a flexibilních připojení. V kombinaci s regulatorními změnami, jako jsou vyšší poplatky za podání žádosti nebo vyšší zálohy a revidované tarify za připojení, může AI odemknout mnohem efektivnější systém s podstatně menší mírou spekulací.

Ale pokud nedojde ke změnám, problémy s fantomovými zatíženími se budou nadále zhoršovat. Více fantomových zatížení znamená více scénářů k prozkoumání, což ztěžuje dlouhodobé plánování pro plánovače energetických společností a celý systém zpomaluje. Pomalejší systém zvyšuje podnět ke spekulaci. Přesně to jsme pozorovali u front na připojení generátorů, což nás v roce 2023 přimělo založit Piq, a právě tento zpětný smyčkový efekt se snažíme přerušit.

Piq uvádí, že jeho práce pomohla identifikovat téměř 1 GW kapacity sítě prostřednictvím flexibilních řešení a technologií zvyšujících kapacitu sítě. Jaké typy provozních změn nebo technologií tuto kapacitu odemykají a můžete nám představit příklad, kdy projekt předešel velkému vylepšení sítě?

Pouze tři věci mohou odemknout kapacitu. Všechny jsou typy provozní flexibility, které nebyly do sítě dostupné až doposud. Tyto tři typy flexibility nazýváme Bodová flexibilita, Agregační flexibilita a Síťová flexibilita.

Bodová flexibilita představuje změny na místě připojení, včetně řešení jako přinesení vlastní výroby (BYOG), limity čistého odběru, omezení zatížení / říditelné zatížení a dalších. Agregační flexibilita zahrnuje rozptýlené zdroje po celé síti, jako jsou virtuální elektrárny (VPP) a agregované distribuované zdroje (DER), které spravují přenosové omezení. Síťová flexibilita se týká samotných parametrů a konfigurace sítě – pokročilé řízení toku energie, optimalizace topologie a dynamické hodnocení vedení. Důležité je, že všechny tři lze modelovat, plánovat a nakonec nasadit do řídící místnosti.

Nejčistším příkladem je síťová flexibilita. Studovali jsme případ, kdy vázající omezení bylo jediné zařízení, a nasazení 70 MVAr řízení toku energie přímo na toto omezení odemklo přibližně 600 MW další kapacity. Žádné nové přenosové vedení, žádné víceroleté povolení, jen malá úprava sítě k odemknutí 600 MW kapacity.

Využití kapacity přenosové sítě je za nejhorších plánovacích podmínek pouze kolem 35 %. Síť není plně vytížená. Přestože největší výzvou při připojování velkých zatížení dnes je kapacita sítě, je síť omezena jen na konkrétních místech za specifických podmínek. Většina těchto omezení má řešení, které nevyžaduje čekání desetiletí na nové vedení, a toto řešení lze identifikovat lepším studiem sítě.

Pro tyto tři typy flexibility existuje rychle rostoucí ekosystém. Společnosti jako Base Power, Voltus, Smart Wires, NewGrid a další dnes nasazují skutečná řešení v rozsahu. Jediným chybějícím prvkem je analytický rámec, který umožní tyto řešení zahrnout do studií připojení.

Inženýrská rozhodnutí týkající se sítě mohou po desetiletí ovlivňovat spolehlivost, ceny elektřiny a investice do infrastruktury. Jaká opatření, validační procesy, povolení a auditní stopy jsou nezbytné, než mohou energetické společnosti důvěřovat AI agentům v stále složitějších pracovních postupech plánování?

Souhlasíme stoprocentně. Aby bylo možné činit rozumná technická rozhodnutí, musí být každá část automatizované práce auditovatelná a reprodukovatelná. Musí existovat papírová stopa pro každou akci, protože nechcete, aby AI fungovala v černé skříňce a vymkla se kontrole.

Naše auditní stopy jsou mnohostranné. Uchováváme konverzace agentů, akce agentů i deterministické provádění nástrojů. Každý podkrok a podpracovní tok mapuje a spravuje všechny své vstupy i výstupy, takže vše je auditovatelné od začátku do konce.

Oprávnění jsou také zásadní. Naši agenti dědí oprávnění od uživatele, se kterým pracují. Agent nemůže vidět data ani provádět akce, které osoba, pro kterou pracuje, sama neviděla ani nemohla provést.

Týká se to širšího tématu správy dat a agenti mění historické paradigmata. Historicky se správa týkala strukturovaných dat, úzce vymezených v jednom silu. S agenty máte strukturovaná, polostrukturovaná i nestrukturovaná data, která se pohybují napříč silami – což je přesně to, co platforma jako Piq slibuje odemknout, a zároveň to činí správu obtížnější. Je ve hře mnohem více dat a širší spektrum lidí s nimi interaguje. V organizaci zabývající se energetickými systémy to má dvojí význam: pro citlivé investiční informace a pro CEII. Naštěstí na tom pracují chyří lidé, například ti, kteří se podílejí na IEEE Task Force on Data Governance for Power System Organizations.

Piq nedávno získala předpřekročené seed kolo ve výši 5 milionů USD na rozšíření své platformy. Při pohledu pět let dopředu, jak očekáváte, že AI změní plánování rozvodné sítě, a bude rychlejší analýza stačit k udržení tempa s poptávkou po elektřině, kterou vytvářejí AI datová centra, elektrifikace a průmyslový růst?

Cítím, že využití AI k urychlení analýzy je klíčové pro držení kroku s poptávkou po elektřině. Hlavní závěr je, že automatizace v takovém měřítku není jen o tom, že se stejná práce provádí rychleji, ale také umožňuje analýzy, které by jednoduše nebylo možné provést, pokud byste měli omezenou lidskou kapacitu. Flexibilní propojení, flexibilní přenosové sítě, technologie zvyšující kapacitu sítě – vše to odemyká latentní kapacitu, která již dnes v síti existuje. V kombinaci s urychlenými studiemi propojení věříme, že budeme schopni držet krok s poptávkou.

Děkujeme za skvělý rozhovor, čtenáři, kteří se chtějí dozvědět více, by měli navštívit Piq Energy.