Tom Nudell, Διευθύνων Σύμβουλος και Συνιδρυτής της Piq Energy – Σειρά Συνεντεύξεων

Tom Nudell, Διευθύνων Σύμβουλος και Συνιδρυτής της Piq Energy, είναι μηχανικός συστημάτων ενέργειας και τεχνολογικός εκτελεστικός με βαθιά εμπειρία στην ανάλυση δικτύου, τον προγραμματισμό μετάδοσης και την ενεργειακή υποδομή. Πριν ιδρύσει την Piq Energy, πέρασε σχεδόν επτά χρόνια στη Smart Wires, όπου προχώρησε σε διάφορους ηγετικούς ρόλους στην ανάλυση και τελικά υπηρέτησε ως Διευθυντής Προϊόντων και Ανάλυσης Λύσεων, οδηγώντας διεπιστημονικές ομάδες μηχανικών προγραμματισμού μετάδοσης, μηχανικών λογισμικού και αναλυτών που εργάζονταν σε προχωρημένες μελέτες προγραμματισμού δικτύου και αυτοματοποιημένα αναλυτικά συστήματα. Πριν από αυτό, ο Nudell ήταν Συνεργάτης Μεταδιδακτορικής Έρευνας στο MIT, όπου η δουλειά του επικεντρώθηκε στην ανθεκτικότητα των διασυνδεδεμένων ενεργειακών συστημάτων, τη διαχείριση ενέργειας μικροδικτύων και τον διατρανσάκτιο έλεγχο. Διεξήγαγε επίσης έρευνα στο North Carolina State University για τον εντοπισμό διαταραχών σε μεγάλης κλίμακας δίκτυα ενέργειας χρησιμοποιώντας μετρήσεις σε πραγματικό χρόνο, μηχανική μάθηση με φυσική ενημέρωση, θεωρία ελέγχου και βελτιστοποίηση.

Piq Energy είναι μια εταιρεία λογισμικού προγραμματισμού δικτύου που εστιάζει στην επιτάχυνση της σύνδεσης νέων ενεργειακών έργων, κέντρων δεδομένων και άλλων μεγάλων φορτίων ηλεκτρικής ενέργειας στο δίκτυο. Η πλατφόρμα της επιτρέπει σε προγραμματιστές και υπηρεσίες κοινής ωφέλειας να φέρνουν σύνθετες μελέτες δικτύου εσωτερικά, να αυτοματοποιούν τις μηχανικές ροές εργασίας, να αξιολογούν πιθανά σημεία διασύνδεσης και να δοκιμάζουν πολυάριθνα σενάρια έργων και δικτύου πιο γρήγορα. Η Piq αναπτύσσει μια “πλατφόρμα προγραμματισμού δικτύου με πράκτορες” που συνδυάζει μοντέλα συστημάτων ενέργειας, δεδομένα, εργαλεία μηχανικής και ροές εργασίας που καθοδηγούνται από AI σε ένα ενοποιημένο περιβάλλον, με εφαρμογές που καλύπτουν ηλιακή, αιολική, αποθήκευση ενέργειας σε μπαταρίες και ανάπτυξη μεγάλων φορτίων. Η εταιρεία δηλώνει ότι η τεχνολογία της διαχειρίζεται πάνω από 1.000 μοντέλα δικτύου μετάδοσης και έχει χρησιμοποιηθεί για την ολοκλήρωση πάνω από 10.000 μηχανικών ροών εργασίας, καθώς επιδιώκει να μειώσει ένα από τα μεγαλύτερα εμπόδια που αντιμετωπίζουν η νέα ενέργεια και η υποδομή υπολογιστών: τις μακροχρόνιες διαδικασίες διασύνδεσης δικτύου.

Η καριέρα σας περιλάμβανε έρευνα μηχανικής μάθησης με φυσική ενημέρωση, έργα ανθεκτικότητας δικτύου στο MIT και επτά χρόνια ανάπτυξης αναλύσεων προγραμματισμού μετάδοσης στη Smart Wires. Πώς αυτές οι εμπειρίες σας οδήγησαν στον εντοπισμό του συγκεκριμένου προβλήματος που οδήγησε στη δημιουργία της Piq Energy;

Το διδακτορικό μου ήταν στην υπολογιστική ενέργεια συστημάτων, όπου εστίασα στην παρακολούθηση και τον έλεγχο σε πραγματικό χρόνο σε ευρεία περιοχή. Από εκεί συνέχισα με μεταδιδακτορική έρευνα στο MIT σχετικά με ανθεκτικά δίκτυα ενέργειας και δυναμικούς μηχανισμούς αγοράς. Μετά το μεταδιδακτορικό, εντάχθηκα στη Smart Wires, όπου πέρασα επτά χρόνια ιδρύοντας και επεκτείνοντας την ομάδα αναλύσεων. Η ομάδα μου κάλυπτε παγκόσμια μηχανική συστημάτων ενέργειας σε τέσσερις ηπείρους, με εξειδίκευση στη ροή ισχύος, προσομοίωση αγοράς, δυναμική, EMT και υλικό‑σε‑βρόχο.

Μέσα σε τρεις μήνες από την ένταξή μου στη Smart Wires, συνειδητοποίησα ότι ο προγραμματισμός δικτύου είναι ουσιαστικά ένα τεράστιο και πολύπλοκο πρόβλημα επιστήμης δεδομένων. Άρχισα να ονειρεύομαι πώς να βελτιώσω και να αυτοματοποιήσω τα πιο δαπανηρά τμήματα της διαδικασίας: τον ορισμό της ανάλυσης, το συντονισμό μεταξύ διαφορετικών ειδικών και τη δημιουργία και επικύρωση των μοντέλων. Για να βελτιώσουμε αυτή τη διαδικασία προγραμματισμού δικτύου, αναπτύξαμε μερικές βασικές ιδέες. Η πρώτη ήταν η επαναληψιμότητα – εάν η ανάλυσή σας είναι 100 % επαναληπτική, τότε δεν πρέπει να υπάρχει κανένα επιπλέον κόστος για κάποιον άλλο/εμπειρογνώμονα να επαναλάβει την ανάλυση. Αυτή η επαναληψιμότητα είναι κρίσιμη για να επιτρέψει αδιάκοπη συνεργασία μεταξύ προγραμματιστών, υπηρεσιών κοινής ωφέλειας και άλλων τρίτων στα μελέτες δικτύου. Η δεύτερη ιδέα ήταν η εφαρμογή της έννοιας ότι “όλα τα μοντέλα είναι λανθασμένα, κάποια είναι χρήσιμα” και η εστίαση στην επαλήθευση ότι διαθέτουμε ένα χρήσιμο μοντέλο για το συγκεκριμένο πρόβλημα, αντί να προσπαθούμε να δημιουργήσουμε και να διαχειριστούμε το πιο “ακριβές” μοντέλο για τα πάντα. (Όταν αναφερόμαστε σε “μοντέλα” εδώ, εννοούμε τα μοντέλα δικτύου, τα δυναμικά μοντέλα συσκευών και εγκαταστάσεων κ.λπ.).

Αυτές οι αρχικές ιδέες με οδήγησαν, μαζί με τον Dio, τον συνιδρυτή μου, να αρχίσουμε να ονειρευόμαστε μια εξελιγμένη πλατφόρμα λογισμικού για την αυτοματοποίηση της δουλειάς που κάναμε. Ταυτόχρονα, παρατηρούσαμε πώς η σειρά διασύνδεσης γινόταν ένα τεράστιο εμπόδιο για το δίκτυο. Είχαμε επίσης εντοπίσει τις αυξανόμενες προκλήσεις για τη διασύνδεση νεότερων τεχνολογιών δικτύου, συμπεριλαμβανομένων των πόρων βασισμένων σε μετατροπείς (IBRs, συμπεριλαμβανομένων όλων των νέων έργων ανανεώσιμων πηγών) και τεχνολογιών ενίσχυσης δικτύου όπως το υλικό SmartValve που πωλούσε η Smart Wires. Ο Dio και εγώ συνειδητοποιήσαμε ότι γνωρίζαμε πώς να λύσουμε αυτά τα προβλήματα, αλλά έπρεπε να ξεκινήσουμε μια εταιρεία λογισμικού για να το κάνουμε.

Υπάρχουν τρία στοιχεία: Πρώτον, το υπόβαθρό μου στην υπολογιστική ενέργεια συστημάτων και η εμπειρία διαχείρισης μιας παγκόσμιας ομάδας αναλύσεων ήταν το θεμέλιο. Δεύτερον, η δουλειά που είχαμε ήδη κάνει στη Smart Wires ήταν η απόδειξη ότι υπήρχε πραγματική απτή αξία για δημιουργία. Και τέλος, το μακροπρόσθετο κλίμα – η κλίμακα της πρόκλησης, που είναι επίσης η κλίμακα της ευκαιρίας – ήταν ο καταλύτης για να κάνουμε το άλμα και να ξεκινήσουμε τη Piq Energy.

Η Piq περιγράφει τον εαυτό της ως “πλατφόρμα προγραμματισμού δικτύου με πράκτορες”. Τι κάνει το σύστημα πράκτορα αντί απλώς μιας πλατφόρμας αυτοματισμού ή ανάλυσης, και ποιες εργασίες μπορούν οι AI πράκτορες της να προγραμματίζουν και να εκτελούν αυτόνομα;

Η Piq επιταχύνει τη διασύνδεση. Η τεχνική ανάλυση είναι επί του παρόντος το μεγαλύτερο εμπόδιο στη διασύνδεση, γι’ αυτό χτίζουμε μια αυτόνομη πλατφόρμα προγραμματισμού δικτύου για να επιταχύνουμε αυτές τις τεχνικές αναλύσεις.

Υπάρχουν επίπεδα αυτοματοποίησης. Σήμερα, αυτά τα επίπεδα αυτοματοποίησης δεν έχουν οριστεί ρητά για τον προγραμματισμό του δικτύου και τη διασύνδεση, αλλά μπορείτε να φανταστείτε κάτι ανάλογο με τα επίπεδα αυτοματοποίησης της SAE για την οδήγηση. Αναφέρθηκα σε αυτή την ιδέα στο άρθρο μου του 2018 που δημοσιεύθηκε στο CIGRE World Congress. [T. Nudell, et al. “On Developing Automated Tools for Reliability Planning”, CIGRE Paris C1-201, 2018.].

Τώρα διαθέτουμε αυτή τη συναρπαστική, γενικής χρήσης τεχνολογία στα μεγάλα γλωσσικά μοντέλα, και με την Piq προσπαθούμε να αξιοποιήσουμε την αυτονομία των πρακτόρων, διασφαλίζοντας ταυτόχρονα ότι η φυσική και η μηχανική γίνονται σωστά, με πλήρως αναπαραγώγιμο, ελεγχόμενο τρόπο κάθε φορά.

Σήμερα ο πράκτοράς μας διαμορφώνει μοντέλα και σενάρια, εκκινεί μελέτες, διασταυρώνει δημοσιευμένες αναφορές, αναλύει τα αποτελέσματα και γράφει νέες αναφορές που βασίζονται στα δεδομένα της μελέτης.

Οι μελέτες δικτύου βασίζονται σε καθιερωμένο λογισμικό μηχανικής, λεπτομερή μοντέλα δικτύου και αυστηρούς φυσικούς περιορισμούς. Πώς συνδυάζει η Piq την τεχνητή νοημοσύνη με αυτά τα ντετερμινιστικά εργαλεία χωρίς να επιτρέπει σε ένα πιθανοκρατικό μοντέλο να υπερισχύσει της υποκείμενης φυσικής του συστήματος ηλεκτρικής ενέργειας;

Έχετε δίκιο ότι οι μελέτες δικτύου βασίζονται σε καθιερωμένο λογισμικό, λεπτομερή μοντέλα και γνωστή φυσική. Η πλατφόρμα μας επιτρέπει στους πράκτορες να ενισχύουν την ανθρώπινη εξειδίκευση, ενημερωμένοι από τα δεδομένα μας και το πλαίσιο σχετικά με το τι είδους μελέτες πρέπει να εκτελεστούν, πώς να διαμορφώνονται τα σενάρια, και στη συνέχεια να θεμελιώνουν την ανάλυση σε συγκεκριμένα δεδομένα αποτελεσμάτων.

Αλλά τότε όλα τα ενδιάμεσα είναι κλιμακώσιμη, ντετερμινιστική αυτοματοποίηση. Δεν γράφεται ποτέ νέος κώδικας από πράκτορες και δεν χρησιμοποιούνται άγνωστοι προσομοιωτές φυσικής. Αυτό οδηγεί σε μια πλατφόρμα πολύ υψηλότερης εμπιστοσύνης σε σύγκριση με άλλες προσεγγίσεις, επειδή η εργασία που εκτελεί ένας πράκτορας είναι αναπαραγώγιμη και ελεγχόμενη, και θα γίνεται σωστά κάθε φορά. Με άλλα λόγια, αν ένας ανθρώπινος μηχανικός ελέγξει το αποτέλεσμα, θα πρέπει να μπορεί να επαναλάβει κάθε βήμα της διαδικασίας και να πάρει τα ίδια αποτελέσματα.

Ποια τμήματα μιας παραδοσιακής μελέτης διασύνδεσης ή προγραμματισμού μετάδοσης μπορεί η Piq να αυτοματοποιήσει σήμερα, και ποιες αποφάσεις πρέπει ακόμη να ελεγχθούν και εγκριθούν από εξειδικευμένο μηχανικό;

Σήμερα η Piq παρέχει στους προγραμματιστές ένα σύνολο εργαλείων καθ’ όλη τη διαδικασία της μελέτης διασύνδεσης.

Το πρώτο είναι η υψηλού επιπέδου ανάλυση νέας ανάπτυξης (greenfield) σε μεγάλες περιοχές, που ονομάζουμε περιφερειακή ανάλυση φιλτραρίσματος. Παρέχει έναν χάρτη θερμότητας της χωρητικότητας N‑1 σε κάθε κόμβο μιας περιοχής, ώστε να μπορείτε να δείτε πού υπάρχει πραγματικά περιθώριο στο δίκτυο πριν δεσμευτείτε για μια τοποθεσία.

Το δεύτερο είναι η πιο λεπτομερής ανάλυση σε συγκεκριμένη τοποθεσία – μια μελέτη POI ή φιλτράρισμα σημείου. Αυτές οι μελέτες εμβαθύνουν σε ένα σημείο διασύνδεσης: όλους τους περιορισμούς του δικτύου, τις πιθανές αναβαθμίσεις και το κόστος αυτών των αναβαθμίσεων για ένα έργο που συνδέεται εκεί.

Το τρίτο είναι η διαχείριση ουράς. Εδώ οι προγραμματιστές μπορούν να παίξουν τη θεωρία παιγνίων μιας μελέτης συγκέντρωσης, κατανοώντας τη λεπτομερή κατανομή κόστους και πώς αυτή μεταβάλλεται καθώς το σύνολο των γεννητριών αλλάζει. Τα έργα αλλάζουν μέγεθος, κάποια εγκαταλείπουν, άλλοι προγραμματιστές λαμβάνουν δράση, και η κατανομή κόστους σας μετακινείται μαζί τους. Πρόκειται για ένα δυναμικό πρόβλημα, και σήμερα οι περισσότεροι προγραμματιστές το ανακαλύπτουν μετά το γεγονός αντί να το μοντελοποιούν εκ των προτέρων.

Η Piq αυτοματοποιεί επίσης τη διαδικασία δημιουργίας και επικύρωσης μοντέλων δυναμικών εγκαταστάσεων – του εξοπλισμού και των ελέγχων που αντιπροσωπεύουν τα κέντρα δεδομένων, τις ηλιακές φάρμες και άλλους παίκτες του δικτύου.

Όλα αυτά τα μοντέλα, τα αποτελέσματα και οι αναφορές απαιτούν έναν άνθρωπο στον βρόχο που μπορεί να καθοδηγήσει τις εισροές και να ελέγξει τις εξόδους. Δεν ισχυριζόμαστε ότι έχουμε ακόμη ένα πλήρως αυτόνομο σύστημα, και δεν θα εμπιστευόμουν κανέναν που ισχυρίζεται το αντίθετο.

Η Piq έχει ολοκληρώσει περισσότερες από 10.000 παραγωγικές μελέτες. Τι σας δίδαξε η λειτουργία σε αυτή την κλίμακα σχετικά με τη διατήρηση της ακρίβειας των μοντέλων, την παρακολούθηση των μεταβαλλόμενων συνθηκών του δικτύου και την παραγωγή αποτελεσμάτων που οι μηχανικοί μπορούν να αναπαράγουν και να ελέγξουν;

Ο αριθμός των 10.000 είναι πλέον ξεπερασμένος· από τον Ιανουάριο (όταν δημοσιεύθηκε αυτός ο αριθμός) εκτελούμε 2.000 μελέτες το μήνα και αυξάνουμε τον ρυθμό. Αυτό οφείλεται στην αύξηση των χρηστών μας, καθώς και στο ότι περισσότεροι χρήστες δημιουργούν εσωτερικά συστήματα που κλιμακώνονται επίσης.

Η λειτουργία σε αυτόν τον ρυθμό σας διδάσκει ότι η αναπαραγωγιμότητα δεν είναι μια λειτουργία που προσθέτετε. Είναι ο περιορισμός που καθορίζει αν μπορείτε καν να λειτουργήσετε σε αυτόν τον ρυθμό. Αν μια μελέτη δεν μπορεί να αναπαραχθεί, δεν μπορεί να ελεγχθεί, και αν δεν μπορεί να ελεγχθεί, κανείς δεν μπορεί να δράσει βάσει της. Αν οι μελέτες σας δεν είναι ενέργειες, παράγετε απλώς όγκο, όχι αξία. Όλα όσα σχεδιάσαμε στην πλατφόρμα προέρχονται από την ιδέα της δημιουργίας χρήσιμων μοντέλων και της διεξαγωγής πολύτιμων μελετών.

Η Piq επιτρέπει στους προγραμματιστές κέντρων δεδομένων και άλλους πελάτες με μεγάλα φορτία να αξιολογούν πιθανά σημεία και σενάρια σύνδεσης πριν προσεγγίσουν μια εταιρεία κοινής ωφέλειας. Πώς μπορούν αυτές οι μελέτες που οδηγούνται από τους προγραμματιστές να επιταχύνουν τη διαδικασία χωρίς να δημιουργούν συγκρουόμενες υποθέσεις ή να διπλασιάζουν την επίσημη ανάλυση της εταιρείας κοινής ωφέλειας;

Η εταιρεία παροχής ενέργειας πρέπει ακόμη να διεξάγει τη δική της επίσημη μελέτη, αλλά οι πελάτες μας δεν μπορούν να περιμένουν. Σήμερα, μπορεί να χρειαστεί πάνω από ένα χρόνο για να ληφθούν τα αποτελέσματα της επίσημης μελέτης, ενώ οι πελάτες μας έχουν επενδύσει εκατοντάδες εκατομμύρια δολάρια. Έχουν εξοπλισμό να προμηθευτούν, γη να αποκτήσουν και θέσεις διασύνδεσης να εξασφαλίσουν σε όλη τη χώρα. Ενδυναμώνουμε τους πελάτες μας ώστε να λαμβάνουν αυτές τις αποφάσεις πριν από την επίσημη μελέτη της εταιρείας παροχής ενέργειας. Έχουμε επίσης δει πώς οι πελάτες μας μπορούν να επηρεάσουν την κατεύθυνση της εταιρείας παροχής ενέργειας, καθώς είναι εξοπλισμένοι με πληροφορίες για ευέλικτες λύσεις διασύνδεσης ή εναλλακτικές αναβαθμίσεις για τη σύνδεση πρόσθετης χωρητικότητας.

Αυτό που προσφέρουμε είναι ένας γρήγορος, αποδοτικός τρόπος για να προβλέψουμε το μέλλον. Κανείς δεν έχει μπαλόνι κρυστάλλου (και δεν ξέρετε ποιος άλλος βρίσκεται στην ουρά), αλλά αν οι μελέτες είναι προσιτές και γρήγορες, η εξερεύνηση πολλαπλών σεναρίων βοηθά τους πελάτες μας να λαμβάνουν καλύτερα ενημερωμένες αποφάσεις με το κεφάλαιό τους. Προσφέρουμε επίσης τη δυνατότητα στους πελάτες μας να εξερευνήσουν εναλλακτικές αναβαθμίσεις για να ξεκλειδώσουν υπάρχουσα χωρητικότητα στο σύστημά τους και να συνεργαστούν χέρι-χέρι με τις εταιρείες παροχής ενέργειας ως αληθινοί εταίροι.

Οι εταιρείες παροχής ενέργειας της Καλιφόρνιας έχουν λάβει αιτήματα για περίπου 18,7 GW νέας χωρητικότητας υπηρεσιών κέντρων δεδομένων, αν και πολλά προτεινόμενα έργα ενδέχεται ποτέ να μην κατασκευαστούν. Μπορεί η τεχνητή νοημοσύνη να βοηθήσει τις εταιρείες παροχής ενέργειας να διακρίνουν αξιόπιστα έργα από σπεκουλατικές ή διπλότυπες αιτήσεις και να αποτρέψουν τα «φανταστικά φορτία» από το να διαστρεβλώνουν τον μακροπρόθεσμο σχεδιασμό του δικτύου;

Η σπεκουλασία δεν είναι παράλογη. Δεδομένου του χρόνου που απαιτείται για τη μελέτη και τη σύνδεση ενός έργου, όποιος μπορεί να αντέξει οικονομικά να υποβάλει σπεκουλατικές αιτήσεις διασύνδεσης θα το κάνει. Είναι η λογική αντίδραση στη διαδικασία διασύνδεσης όπως υπάρχει σήμερα. Καθώς το βλέπουμε, αν τα έργα μπορούσαν να μελετηθούν και να συνδεθούν τόσο γρήγορα όσο μπορούν να κατασκευαστούν, δεν θα υπήρχε κίνητρο για σπεκουλασία από την αρχή.

Άρα η απάντηση δεν αφορά τη χρήση της τεχνητής νοημοσύνης για την αναγνώριση σπεκουλασίας. Αντίθετα, η απάντηση είναι η χρήση της τεχνητής νοημοσύνης για τη βελτίωση της διαδικασίας – για πιο αποδοτική σύνδεση μεγαλύτερου φορτίου. Αυτό σημαίνει ότι η τεχνητή νοημοσύνη χρησιμοποιείται τόσο για την επιτάχυνση της ίδιας της διαδικασίας μελέτης διασύνδεσης όσο και για την εύρεση εναλλακτικών μετριαστικών μέτρων, συμπεριλαμβανομένων τεχνολογιών ενίσχυσης του δικτύου και ευέλικτων διασυνδέσεων. Σε συνδυασμό με ρυθμιστικές αλλαγές, όπως υψηλότερα κόστη αίτησης ή μεγαλύτερες εγγυήσεις και αναθεωρημένες τιμές διασύνδεσης, η τεχνητή νοημοσύνη μπορεί να ξεκλειδώσει ένα πολύ πιο αποδοτικό σύστημα με πολύ λιγότερη σπεκουλασία.

Ωστόσο, χωρίς αλλαγές, οι προκλήσεις με τα φανταστικά φορτία θα συνεχίσουν να εντείνονται. Περισσότερα φανταστικά φορτία σημαίνουν περισσότερα σενάρια προς μελέτη, κάτι που δυσκολεύει τον μακροπρόθεσμο προγραμματισμό για τους σχεδιαστές των εταιρειών παροχής ενέργειας, καθιστώντας ολόκληρο το σύστημα πιο αργό. Ένα πιο αργό σύστημα αυξάνει το κίνητρο για σπεκουλασία. Αυτό είναι ακριβώς αυτό που είδαμε με τις ουρές διασύνδεσης γεννητριών που μας ώθησαν να ξεκινήσουμε την Piq το 2023, και είναι ακριβώς ο βρόχος ανάδρασης που προσπαθούμε να σπάσουμε.

Η Piq λέει ότι η δουλειά της έχει βοηθήσει στον εντοπισμό σχεδόν 1 GW χωρητικότητας δικτύου μέσω ευέλικτων λύσεων και τεχνολογιών ενίσχυσης του δικτύου. Τι είδους λειτουργικές αλλαγές ή τεχνολογίες ξεκλειδώνουν αυτή τη χωρητικότητα, και μπορείτε να μας περιγράψετε ένα παράδειγμα όπου ένα έργο απέφυγε μια σημαντική αναβάθμιση του δικτύου;

Μόνο τρία πράγματα μπορούν να ξεκλειδώσουν χωρητικότητα. Όλα είναι τύποι λειτουργικής ευελιξίας που δεν ήταν διαθέσιμοι στο δίκτυο μέχρι πρόσφατα. Τα ονομάζουμε τρεις τύπους ευελιξίας Point Flexibility, Aggregate Flexibility και Network Flexibility.

Η ευελιξία σημείου αφορά ό,τι αλλάζει στο σημείο διασύνδεσης, συμπεριλαμβανομένων λύσεων όπως η προσφορά της δικής σας παραγωγής (BYOG), τα όρια καθαρού αποσύρματος, η μείωση φορτίου/ελεγχόμενα φορτία, μεταξύ άλλων. Η συγκεντρωτική ευελιξία αφορά διανεμημένους πόρους σε όλο το δίκτυο όπως VPPs και DER που συγκεντρώνονται για τη διαχείριση περιορισμών μετάδοσης. Η ευελιξία δικτύου αφορά τις παραμέτρους και τη διαμόρφωση του δικτύου – προηγμένο έλεγχο ροής ισχύος, βελτιστοποίηση τοπολογίας και δυναμική αξιολόγηση γραμμών. Το σημαντικό είναι ότι και οι τρεις μπορούν να μοντελοποιηθούν, να προγραμματιστούν και τελικά να εφαρμοστούν σε ένα κέντρο ελέγχου.

Το πιο καθαρό παράδειγμα είναι η ευελιξία δικτύου. Μελετήσαμε μια περίπτωση όπου ο περιορισμός ήταν ένα μόνο στοιχείο, και ο έλεγχος ροής ισχύος 70 MVAr που εγκαταστάθηκε απευθείας σε αυτόν τον περιορισμό ξεκλείδωσε περίπου 600 MW πρόσθετης χωρητικότητας. Χωρίς νέες γραμμές μετάδοσης, χωρίς πολυετή αδειοδότηση, μόνο μια μικρή αναβάθμιση του δικτύου για να ξεκλειδώσει 600 MW χωρητικότητας.

Η αξιοποίηση της χωρητικότητας του μεταγωγικού δικτύου είναι μόνο περίπου 35% υπό τις χειρότερες συνθήκες προγραμματισμού. Το δίκτυο δεν είναι γεμάτο. Αν και η μεγαλύτερη πρόκληση για τη σύνδεση μεγάλων φορτίων σήμερα είναι η χωρητικότητα του δικτύου, το δίκτυο περιορίζεται μόνο σε συγκεκριμένα σημεία υπό συγκεκριμένες συνθήκες. Οι περισσότερες από αυτές τις περιοριστικές καταστάσεις έχουν λύση που δεν απαιτεί δεκαετίες αναμονής για νέες γραμμές, και αυτή η λύση μπορεί να εντοπιστεί με καλύτερη μελέτη του δικτύου.

Υπάρχει ένα ταχέως αναπτυσσόμενο οικοσύστημα για αυτούς τους τρεις τύπους ευελιξίας. Εταιρείες όπως η Base Power, η Voltus, η Smart Wires, η NewGrid και άλλες εφαρμόζουν πραγματικές λύσεις σε κλίμακα σήμερα. Το μόνο που λείπει είναι το αναλυτικό πλαίσιο για να ενσωματωθούν αυτές οι λύσεις στις μελέτες διασύνδεσης από την αρχή.

Οι τεχνικές αποφάσεις που αφορούν το δίκτυο μπορούν να επηρεάσουν την αξιοπιστία, τις τιμές του ηλεκτρισμού και τις επενδύσεις σε υποδομές για δεκαετίες. Ποια μέτρα ασφαλείας, διαδικασίες επικύρωσης, άδειες και ίχνη ελέγχου απαιτούνται πριν οι εταιρείες παροχής ενέργειας μπορούν να εμπιστευτούν τους πράκτορες τεχνητής νοημοσύνης με ολοένα και πιο σύνθετες ροές εργασίας σχεδιασμού;

Συμφωνούμε 100%. Για να ληφθούν σωστές τεχνικές αποφάσεις, κάθε κομμάτι αυτοματοποιημένης εργασίας πρέπει να είναι ελεγχόμενο και αναπαραγώγιμο. Πρέπει να υπάρχει καταγραφή για κάθε ενέργεια, καθώς δεν θέλετε μια τεχνητή νοημοσύνη να λειτουργεί σε μαύρο κουτί και να ξεφύγει.

Οι αλυσίδες ελέγχου μας είναι πολυδιάστατες. Διατηρούμε τις συνομιλίες του πράκτορα, τις ενέργειες του πράκτορα και την εκτέλεση των ντετερμινιστικών εργαλείων. Κάθε υποβήμα και υπο-ροή εργασίας χαρτογραφεί και διαχειρίζεται όλες τις εισόδους και εξόδους της, ώστε όλα να είναι ελεγχόμενα από την αρχή μέχρι το τέλος.

Τα δικαιώματα είναι επίσης κρίσιμα. Οι πράκτορες μας κληρονομούν τα δικαιώματα από τον χρήστη με τον οποίο εργάζονται. Ένας πράκτορας δεν μπορεί να δει δεδομένα ή να εκτελέσει ενέργειες που το άτομο για το οποίο εργάζεται δεν θα μπορούσε να δει ή να εκτελέσει ο ίδιος.

Αυτό σχετίζεται με το ευρύτερο θέμα της διακυβέρνησης δεδομένων, και οι πράκτορες αλλάζουν τα ιστορικά παραδείγματα. Παραδοσιακά, η διακυβέρνηση αφορούσε δομημένα δεδομένα, περιορισμένα σε ένα μόνο σιλο. Με τους πράκτορες έχετε δομημένα, ημι-δομημένα και αδόμητα δεδομένα που κινούνται μεταξύ σιλο — κάτι που ακριβώς προσφέρει μια πλατφόρμα όπως η Piq, και ακριβώς αυτό καθιστά τη διακυβέρνηση πιο δύσκολη. Υπάρχουν πολύ περισσότερα δεδομένα σε λειτουργία και ένα ευρύτερο φάσμα ανθρώπων που αλληλεπιδρούν με αυτά. Σε έναν οργανισμό συστημάτων ενέργειας αυτό έχει διπλή σημασία: για ανταγωνιστικά ευαίσθητες πληροφορίες επενδύσεων και για CEII. Ευτυχώς, υπάρχουν έξυπνοι άνθρωποι που εργάζονται πάνω σ’ αυτό, όπως εκείνοι που συμμετέχουν στην Ομάδα Εργασίας IEEE για τη Διακυβέρνηση Δεδομένων σε Οργανισμούς Συστημάτων Ενέργειας.

Η Piq πρόσφατα συγκέντρωσε μια υπερεκπληρωμένη σειρά seed χρηματοδότησης ύψους 5 εκατομμυρίων δολαρίων για την επέκταση της πλατφόρμας της. Κοιτάζοντας πέντε χρόνια μπροστά, πώς αναμένετε ότι η τεχνητή νοημοσύνη θα αλλάξει τον προγραμματισμό του δικτύου, και θα είναι η ταχύτερη ανάλυση επαρκής για να συμβαδίσει με τις απαιτήσεις ηλεκτρικής ενέργειας που δημιουργούνται από κέντρα δεδομένων AI, την ηλεκτροκίνηση και την βιομηχανική ανάπτυξη;

Πιστεύω ότι η χρήση της τεχνητής νοημοσύνης για την επιτάχυνση της ανάλυσης είναι το κλειδί για να ανταποκριθούμε στη ζήτηση ηλεκτρικής ενέργειας. Το κύριο συμπέρασμα είναι ότι η αυτοματοποίηση σε αυτή την κλίμακα δεν αφορά μόνο την ταχύτερη εκτέλεση της ίδιας εργασίας, αλλά και την δυνατότητα ανάλυσης που απλώς δεν θα μπορούσε να γίνει με περιορισμένο ανθρώπινο δυναμικό. Ευέλικτη διασύνδεση, ευέλικτα δίκτυα μετάδοσης, τεχνολογίες ενίσχυσης του δικτύου — όλα αυτά απελευθερώνουν κρυφή χωρητικότητα που ήδη υπάρχει στο δίκτυο σήμερα. Συνδυάζοντας αυτό με επιταχυμένες μελέτες διασύνδεσης, πιστεύουμε ότι θα μπορέσουμε να ανταποκριθούμε στη ζήτηση.

Σας ευχαριστούμε για τη σπουδαία συνέντευξη, οι αναγνώστες που θέλουν να μάθουν περισσότερα πρέπει να επισκεφθούν Piq Energy.