Echte Partnerschaften finden: Wie Stromversorger künstliche Intelligenz-Anbieter bewerten

Die Energiewelt durchläuft einen massiven Wandel und überdenkt Systeme, die vor über einem Jahrhundert entwickelt wurden, um Platz für die Entwicklung von intelligenteren und saubereren Technologien zu schaffen. Es ist eine aufregende Zeit – fast jede Branche elektrifiziert sich irgendwie, Elektrofahrzeuge (EVs) gewinnen an Marktbedeutung, und es gibt einen aktiven Übergang, um die verteilten Energiequellen (DERs) zu unterstützen, also “kleinskalige Energiequellen”, die in der Nähe von Stromverbrauchsstellen wie Dachsolarmodulen und Batteriespeichern installiert sind. Letzteres ist ein großes Thema, und wie die Internationale Energieagentur (IEA) feststellt, wird die schnelle Expansion von DERs “nicht nur die Art und Weise verändern, wie Strom erzeugt wird, sondern auch, wie er gehandelt, geliefert und verbraucht wird” in Zukunft.

Für einen Beobachter ist all diese Veränderung positiv, nachhaltig und lange überfällig. Aber praktisch gesehen verursacht die schnelle Beschleunigung von erneuerbarer Energie und Elektrifizierung zusätzlichen Stress und belastet die Grenzen unseres Netzes. Neben dem Druck durch erneuerbare Energien stehen die Stromsysteme der Welt auch vor kritischen Herausforderungen durch extreme Wetterereignisse im Zusammenhang mit dem anhaltenden Klimawandel – Dürren in Europa, Hitzewellen in Indien, schwere Winterstürme in den USA –, die alle zu einem exponentiellen Anstieg der Inspektions-, Wartungs- und Reparaturkosten führen. Die Führungskräfte im Stromversorgungssektor konzentrieren sich nun darauf, die Modernisierung, Zuverlässigkeit und Widerstandsfähigkeit des Netzes zu erhöhen.

Ein Bild sagt mehr als tausend Worte

Für Stromversorger ist ihre Ausrüstung oft ihr wichtigstes Vermögen und erfordert ständige, sorgfältige Wartung. Die Durchführung dieser Wartung hängt von einem ständigen Strom von Daten (in der Regel in Form von Bildern) ab, die die Stromversorger analysieren können, um Betriebsanomalien zu erkennen. Die Erfassung dieser Daten erfolgt auf verschiedene Weise, von Drohnen und Flugzeugen bis hin zu Leitungsarbeitern, die die Baustelle physisch begehen. Und mit neuer Technologie wie UAVs/Drohnen und hochauflösenden Hubschrauber-Kameras ist die reine Menge an Daten astronomisch gestiegen. Wir wissen aus unseren Gesprächen mit vielen Stromversorgern, dass die Stromversorger jetzt 5-10-mal so viele Daten sammeln wie in den letzten Jahren.

All diese Daten machen den ohnehin schon langsamen Arbeitszyklus der Inspektionen noch langsamer. Im Durchschnitt verbringen die Stromversorger 6-8 Monate Arbeitsstunden pro Jahr mit der Analyse von Inspektionsdaten. (Bereitgestellt durch ein westliches Stromversorgungs-Unternehmen, das 10 Millionen Bilder pro Jahr sammelt) Ein großer Grund für diese Überlastung ist, dass diese Analyse immer noch größtenteils manuell durchgeführt wird, und wenn ein Unternehmen Millionen von Inspektionsbildern pro Jahr sammelt, wird der Prozess unglaublich unskalierbar. Die Analyse von Anomalien ist so zeitaufwändig, dass die meisten Daten veraltet sind, wenn sie tatsächlich überprüft werden, was zu ungenauen Informationen führt, schlimmstenfalls zu wiederholten Inspektionen oder gefährlichen Bedingungen. Dies ist ein großes Problem mit hohen Risiken. Analysten schätzen, dass der Stromsektor jährlich 170 Milliarden Dollar durch Netzwerkausfälle, erzwungene Abschaltungen und Massenkatastrophen verliert.

Aufbau der Stromversorgung der Zukunft mit künstlicher Intelligenz-gestützten Infrastruktur-Inspektionen

Die Verbesserung der Zuverlässigkeit und Widerstandsfähigkeit des Netzes wird zwei Dinge erfordern – Geld und Zeit. Glücklicherweise kann hier neue Technologie und Innovation helfen, den Inspektionprozess zu rationalisieren. Der Einfluss von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) auf den Stromversorgungssektor kann nicht überbetont werden. KI/ML ist in dieser datenreichen Umgebung genau richtig, und je größer der Datenumfang wird, desto besser wird die Fähigkeit von KI, Berge von Informationen in sinnvolle Erkenntnisse umzuwandeln. Laut Utility Dive gibt es “bereits eine breite Einigung in der Branche, dass [KI/ML] das Potenzial hat, Ausrüstung zu identifizieren, die vor einem Ausfall steht, auf eine Weise, die viel schneller und sicherer ist als die aktuelle Methode”, die auf manuellen Inspektionen basiert.

Obwohl das Versprechen dieser Technologie unbestritten ist, ist der Aufbau eines eigenen, maßgeschneiderten KI/ML-Programms intern ein langsamer, arbeitsintensiver Prozess, der mit Komplikationen und Hindernissen verbunden ist. Diese Herausforderungen haben viele Stromversorger dazu veranlasst, externe Berater und Anbieter um Unterstützung zu bitten.

3 Dinge, die bei der Bewertung eines potenziellen KI/ML-Partners zu berücksichtigen sind

Bei der Suche nach einem KI/ML-Partner zählen Taten mehr als Worte. Es gibt viele schlaue Unternehmen, die möglicherweise das Blaue vom Himmel versprechen, aber die Führungskräfte im Stromversorgungssektor sollten sich auf einige wichtige Kennzahlen konzentrieren, um den Einfluss genau zu bewerten. Zu den wichtigsten gehört, wie der Anbieter das Wachstum des Modells über die Zeit hinweg beschreibt/liefert:

Wachstum des Modells über die Zeit – Der Aufbau vielfältiger Datensätze (Daten, die viele Anomalien zur Analyse enthalten) erfordert eine erhebliche Menge an Zeit (oft mehrere Jahre) und bestimmte Arten von Anomalien treten nicht häufig genug auf, um ein erfolgreiches KI-Modell zu trainieren. Zum Beispiel kann das Trainieren eines Algorithmus, um Dinge wie Faulheit, Spechthöhlen oder rostige Dämpfer zu erkennen, schwierig sein, wenn sie in Ihrer Region nicht häufig vorkommen. Stellen Sie daher sicher, dass Sie den KI/ML-Anbieter nicht nur nach der Menge seiner Datensätze, sondern auch nach deren Qualität und Vielfalt fragen.

Geschwindigkeit – Zeit ist Geld, und jeder seriöse KI/ML-Anbieter sollte in der Lage sein, klar zu zeigen, wie sein Angebot den Inspektionprozess beschleunigt. Zum Beispiel hat Buzz Solutions mit der New York Power Authority (NYPA) zusammengearbeitet, um eine KI-basierte Plattform zu liefern, die darauf ausgelegt ist, die Zeit zu reduzieren, die für die Inspektion und Analyse benötigt wird. Das Ergebnis war ein Programm, das Asset-Bilder in Stunden oder Tagen analysieren konnte, anstatt der Monate, die es zuvor gedauert hatte. Diese Zeitersparnis ermöglichte es den Wartungsgruppen von NYPA, Reparaturen zu priorisieren und das Potenzial für Ausfälle zu reduzieren.

Qualität/Genauigkeit – In Ermangelung von echten Daten für KI/ML-Programme ergänzen Unternehmen manchmal synthetische Daten (d. h. Daten, die künstlich durch Computer-Algorithmen erstellt wurden), um Lücken zu füllen. Es ist eine gängige Praxis, und Analysten prognostizieren, dass 60 % aller Daten, die bei der Entwicklung von KI verwendet werden, synthetisch (anstatt echt) sein werden, bereits 2024. Aber während synthetische Daten für theoretische Szenarien gut sind, funktionieren sie nicht gut in realen Umgebungen, in denen echte Daten (und menschliche Eingriffe) erforderlich sind, um sich selbst zu korrigieren. Fragen Sie den Anbieter nach seinem Verhältnis von echten zu synthetischen Daten, um sicherzustellen, dass die Aufteilung Sinn ergibt.

Und denken Sie daran, dass die Arbeit nicht endet, sobald Sie Ihren Partner ausgewählt haben. Eine neue Idee von Gartner ist es, regelmäßige “KI-Backen-Off“-Veranstaltungen abzuhalten – beschrieben als “schnelle, informative Sitzungen, die es ermöglichen, Anbieter side-by-side mit skriptgesteuerten Demos und einem gemeinsamen Datensatz in einer kontrollierten Umgebung zu bewerten”, um die Stärken und Schwächen jedes zu bewerten. Dieser Prozess etabliert klare Kennzahlen, die direkt mit der Skalierbarkeit und Zuverlässigkeit der KI/ML-Algorithmen zusammenhängen, die dann mit den Geschäftszielen des Stromversorgers übereinstimmen.

Die Zukunft der Stromversorgungsbranche antreiben

Von effizienteren Workflow-Integrationen bis hin zu fortschrittlicher KI-Anomalie-Erkennung befindet sich die Stromversorgungsbranche auf einem viel helleren Weg als noch vor einigen Jahren. Diese Innovation muss jedoch weitergehen, insbesondere da die Inspektionen von Übertragungs- und Verteilungsnetzen bis 2030 verdoppelt werden sollen und die Regierung die Wartung und Verteidigung der Energieinfrastruktur als oberste nationale Sicherheitsprioritäten angekündigt hat.

Es gibt noch viel Arbeit vor uns, aber eines Tages werden wir auf diese Zeit zurückblicken als einen Wendepunkt, einen Moment, in dem die Branche ihre Investitionen in die Zukunft des Energienetzes und die Modernisierung der Stromversorgung vorangetrieben hat.