Tom Nudell, CEO dan Salah Satu Pendiri Piq Energy – Seri Wawancara

Tom Nudell, CEO dan salah satu pendiri Piq Energy, adalah insinyur sistem tenaga dan eksekutif teknologi dengan pengalaman mendalam dalam analitik jaringan listrik, perencanaan transmisi, dan infrastruktur energi. Sebelum mendirikan Piq Energy, ia bekerja hampir tujuh tahun di Smart Wires. Di sana ia menjalani beberapa peran kepemimpinan analitik dan akhirnya menjabat sebagai Director of Product and Solution Analytics, memimpin tim lintas disiplin yang terdiri atas insinyur perencanaan transmisi, insinyur perangkat lunak, dan analis yang mengerjakan studi perencanaan jaringan tingkat lanjut serta sistem analitik otomatis. Sebelumnya, Nudell adalah peneliti pascadoktoral di MIT, dengan fokus pada ketahanan sistem energi yang saling terhubung, manajemen energi microgrid, dan kendali transaktif. Ia juga melakukan penelitian di North Carolina State University mengenai cara menemukan gangguan dalam jaringan listrik berskala besar dengan pengukuran waktu nyata, pembelajaran mesin berbasis fisika, teori kendali, dan optimasi.

Piq Energy adalah perusahaan perangkat lunak perencanaan jaringan yang berfokus pada percepatan penyambungan proyek energi baru, pusat data, dan beban listrik besar lainnya ke jaringan listrik. Platformnya memungkinkan pengembang dan perusahaan utilitas menjalankan sendiri studi jaringan yang kompleks, mengotomatiskan alur kerja rekayasa, mengevaluasi calon titik interkoneksi, serta menguji banyak skenario proyek dan jaringan dengan lebih cepat. Piq sedang mengembangkan platform perencanaan jaringan agentik yang menggabungkan model sistem tenaga, data, alat rekayasa, dan alur kerja berbasis AI dalam satu lingkungan terpadu, dengan aplikasi yang mencakup tenaga surya, angin, penyimpanan energi baterai, dan pengembangan beban besar. Perusahaan menyatakan bahwa teknologinya mengelola lebih dari 1.000 model jaringan transmisi dan telah digunakan untuk menyelesaikan lebih dari 10.000 alur kerja rekayasa, dalam upayanya mengurangi salah satu hambatan terbesar bagi infrastruktur energi dan komputasi baru: proses interkoneksi jaringan yang panjang.

Karier Anda mencakup penelitian pembelajaran mesin berbasis fisika, pekerjaan ketahanan jaringan di MIT, serta tujuh tahun membangun analitik perencanaan transmisi di Smart Wires. Bagaimana pengalaman tersebut membuat Anda mengenali masalah khusus yang kemudian melahirkan Piq Energy?

Gelar PhD saya berada di bidang sistem tenaga komputasional, dengan fokus pada pemantauan dan kendali area luas secara waktu nyata. Setelah itu saya menjalani program pascadoktoral di MIT mengenai jaringan listrik yang tangguh dan mekanisme pasar dinamis. Sesudah program pascadoktoral, saya bergabung dengan Smart Wires dan menghabiskan tujuh tahun untuk membentuk serta memperbesar tim analitik. Tim saya menyediakan cakupan rekayasa sistem tenaga global di empat benua, dengan keahlian dalam aliran daya, simulasi pasar, dinamika, transien elektromagnetik (EMT), dan hardware-in-the-loop.

Dalam waktu tiga bulan setelah bergabung dengan Smart Wires, saya menyadari bahwa perencanaan jaringan pada dasarnya merupakan masalah ilmu data yang sangat besar dan rumit. Saya mulai membayangkan cara menyederhanakan dan mengotomatiskan bagian proses yang paling mahal: mendefinisikan analisis, mengoordinasikan berbagai pakar bidang, serta membangun dan memvalidasi model. Untuk memperbaiki proses perencanaan jaringan ini, kami mengembangkan beberapa gagasan utama. Pertama adalah reproduksibilitas: jika analisis dapat direproduksi 100%, biaya marginal bagi orang atau pakar lain untuk menjalankan ulang analisis tersebut seharusnya nol. Reproduksibilitas ini sangat penting agar pengembang, perusahaan utilitas, dan pihak ketiga lain dapat berkolaborasi secara lancar dalam studi jaringan. Gagasan kedua adalah menerapkan konsep bahwa “semua model itu salah, tetapi sebagian berguna”, lalu berfokus pada verifikasi bahwa kami memiliki model yang berguna untuk masalah yang sedang dihadapi, alih-alih berusaha membangun dan mengelola model paling “akurat” untuk segala hal. (Ketika menyebut “model” di sini, yang kami maksud adalah model jaringan listrik, model dinamis perangkat dan pembangkit, dan sebagainya.)

Wawasan awal ini membuat saya dan Dio, salah satu pendiri bersama saya, mulai membayangkan platform perangkat lunak canggih yang dapat mengotomatiskan pekerjaan kami. Pada saat yang sama, kami melihat bagaimana antrean interkoneksi menjadi hambatan yang sangat besar bagi jaringan listrik. Kami juga melihat semakin besarnya tantangan dalam menghubungkan teknologi jaringan yang lebih baru, termasuk sumber daya berbasis inverter (IBR, yang mencakup semua proyek energi terbarukan baru) dan teknologi peningkatan jaringan seperti perangkat keras SmartValve yang dijual Smart Wires. Saya dan Dio menyadari bahwa kami tahu cara menyelesaikan masalah tersebut, tetapi harus mendirikan perusahaan perangkat lunak untuk melakukannya.

Ada tiga bagian: pertama, latar belakang saya dalam sistem tenaga komputasional dan pengalaman memimpin tim analitik global menjadi fondasinya. Kedua, pekerjaan yang telah kami lakukan di Smart Wires membuktikan bahwa ada nilai nyata dan berwujud yang dapat diciptakan. Terakhir, iklim makro — besarnya tantangan, yang juga mencerminkan besarnya peluang — menjadi katalis yang mendorong kami mengambil langkah untuk mendirikan Piq Energy.

Piq menggambarkan dirinya sebagai “platform perencanaan jaringan agentik”. Apa yang menjadikan sistem ini agentik, bukan sekadar platform otomasi atau analitik, dan tugas apa yang dapat direncanakan serta dijalankan secara mandiri oleh agen AI-nya?

Piq mempercepat interkoneksi. Analisis teknis saat ini merupakan hambatan terbesar bagi interkoneksi, sehingga kami membangun platform perencanaan jaringan otonom untuk mempercepat analisis teknis tersebut.

Ada beberapa tingkat otomasi. Saat ini, tingkat otomasi tersebut belum didefinisikan secara eksplisit untuk perencanaan jaringan dan interkoneksi, tetapi Anda dapat membayangkan sesuatu yang serupa dengan tingkat otomasi SAE untuk berkendara. Saya menyinggung gagasan ini dalam makalah tahun 2018 yang diterbitkan di Kongres Dunia CIGRE [T. Nudell et al., “On Developing Automated Tools for Reliability Planning”, CIGRE Paris C1-201, 2018.].

Sekarang kita memiliki teknologi serbaguna yang luar biasa dalam bentuk model bahasa besar. Di Piq, kami mencari cara memanfaatkan otonomi agentik sekaligus tetap memastikan bahwa aspek fisika dan rekayasa dilakukan dengan benar, sepenuhnya dapat direproduksi dan diaudit, setiap saat.

Saat ini agen kami mengonfigurasi model dan skenario, meluncurkan studi, melakukan rujuk silang terhadap laporan yang telah diterbitkan, menganalisis hasil, dan menulis laporan baru yang didasarkan kembali pada data studi.

Studi jaringan mengandalkan perangkat lunak rekayasa yang mapan, model jaringan terperinci, dan batasan fisika yang ketat. Bagaimana Piq menggabungkan AI dengan alat deterministik tersebut tanpa membiarkan model probabilistik mengesampingkan fisika dasar sistem tenaga?

Anda benar bahwa studi jaringan mengandalkan perangkat lunak yang mapan, model terperinci, dan hukum fisika yang diketahui. Platform kami memungkinkan agen memperkuat keahlian manusia dengan memanfaatkan data dan konteks kami mengenai jenis studi yang perlu dijalankan dan cara mengonfigurasi skenario, kemudian mendasarkan analisis pada data hasil yang konkret.

Namun, seluruh proses di antaranya merupakan otomasi deterministik yang dapat diskalakan. Agen tidak pernah menulis kode baru dan tidak ada simulator fisika yang tidak dikenal. Hal ini menghasilkan platform dengan tingkat kepercayaan yang jauh lebih tinggi dibandingkan pendekatan lain, karena pekerjaan agen dapat direproduksi dan diaudit serta dilakukan dengan cara yang benar setiap kali. Dengan kata lain, jika seorang insinyur manusia memeriksa keluaran, ia seharusnya dapat mengulangi setiap langkah proses dan memperoleh hasil yang sama.

Bagian mana dari studi interkoneksi atau perencanaan transmisi tradisional yang saat ini dapat diotomatiskan Piq, dan keputusan mana yang masih harus ditinjau serta disetujui oleh insinyur yang memenuhi syarat?

Saat ini Piq menyediakan seperangkat alat bagi pengembang untuk seluruh proses studi interkoneksi.

Yang pertama adalah penyaringan awal area baru dalam cakupan luas, yang kami sebut analisis penyaringan regional. Analisis ini memberikan peta panas kapasitas cadangan N-1 di setiap simpul dalam suatu wilayah, sehingga Anda dapat melihat bagian jaringan yang benar-benar masih memiliki ruang sebelum memilih lokasi.

Yang kedua adalah penyaringan lebih mendalam di lokasi tertentu — studi POI, atau penyaringan titik. Studi ini membahas secara terperinci satu titik interkoneksi: seluruh kendala jaringan, kemungkinan peningkatan, dan berapa biaya peningkatan tersebut bagi proyek yang terhubung di sana.

Yang ketiga adalah pengelolaan antrean. Di sinilah pengembang dapat menyimulasikan teori permainan dari studi klaster dengan memahami alokasi biaya secara terperinci dan bagaimana alokasi itu berubah saat kelompok pembangkit berubah. Proyek mengubah ukuran, proyek keluar, pengembang lain mengambil tindakan, dan alokasi biaya Anda ikut berubah. Ini adalah masalah dinamis, dan saat ini kebanyakan pengembang baru mengetahuinya setelah terjadi, bukan memodelkannya lebih dahulu.

Piq juga mengotomatiskan proses pembangunan dan validasi model pembangkit dinamis — peralatan dan kendali yang mewakili pusat data, ladang surya, dan pelaku lain di jaringan.

Semua model, hasil, dan laporan ini memerlukan manusia dalam lingkar pengawasan yang dapat mengarahkan masukan dan meninjau keluaran. Kami belum mengklaim memiliki sistem yang sepenuhnya berjalan sendiri, dan saya tidak akan memercayai siapa pun yang mengklaim demikian.

Piq telah menyelesaikan lebih dari 10.000 studi produksi. Apa yang Anda pelajari dari beroperasi pada skala tersebut tentang mempertahankan akurasi model, melacak perubahan kondisi jaringan, serta menghasilkan keluaran yang dapat direproduksi dan diaudit oleh insinyur?

Angka 10.000 sekarang sudah tidak berlaku. Sejak Januari, ketika angka tersebut dirilis, kami kini menjalankan 2.000 studi per bulan dan jumlahnya terus bertambah. Hal ini merupakan hasil dari pertumbuhan pengguna kami dan semakin banyak pengguna yang juga membangun sistem internal berskala besar.

Beroperasi pada kecepatan tersebut mengajarkan bahwa reproduksibilitas bukanlah fitur yang ditambahkan belakangan. Reproduksibilitas adalah batasan yang menentukan apakah Anda bisa beroperasi pada kecepatan itu sama sekali. Jika studi tidak dapat direproduksi, studi tersebut tidak dapat diaudit; dan jika tidak dapat diaudit, tidak ada yang dapat bertindak berdasarkan hasilnya. Jika studi tidak dapat ditindaklanjuti, Anda hanya menghasilkan volume, bukan nilai. Segala sesuatu tentang cara kami membangun platform berawal dari gagasan untuk membangun model yang berguna dan menjalankan studi yang bernilai.

Piq memungkinkan pengembang pusat data dan pelanggan beban besar lainnya mengevaluasi calon lokasi serta skenario penyambungan sebelum mendatangi perusahaan utilitas. Bagaimana studi yang dipimpin pengembang ini dapat mempercepat proses tanpa menciptakan asumsi yang bertentangan atau menduplikasi analisis resmi perusahaan utilitas?

Perusahaan utilitas tetap perlu menjalankan studi resminya sendiri, tetapi pelanggan kami tidak dapat terus menunggu. Saat ini, hasil studi resmi tersebut dapat memerlukan waktu lebih dari satu tahun, sementara pelanggan kami memiliki investasi ratusan juta dolar yang dipertaruhkan. Mereka harus membeli peralatan, memperoleh lahan, dan mengamankan posisi dalam antrean interkoneksi di seluruh negeri. Kami membantu pelanggan mengambil keputusan ini sebelum studi resmi perusahaan utilitas. Kami juga melihat bagaimana pelanggan dapat memengaruhi arah perusahaan utilitas ketika mereka dibekali wawasan mengenai solusi interkoneksi fleksibel atau peningkatan alternatif yang memungkinkan kapasitas tambahan tersambung.

Yang kami tawarkan adalah cara yang cepat dan efisien untuk melihat kemungkinan masa depan. Tidak ada yang memiliki bola kristal — dan Anda tidak tahu siapa lagi yang bersaing dengan Anda dalam antrean — tetapi jika studi terjangkau dan cepat, mengeksplorasi banyak skenario akan membantu pelanggan membuat keputusan modal yang lebih matang. Kami juga memungkinkan pelanggan mengeksplorasi peningkatan alternatif untuk membuka kapasitas yang sudah ada di sistem mereka dan bekerja secara berulang bersama perusahaan utilitas sebagai mitra sejati.

Perusahaan utilitas di California telah menerima permintaan sekitar 18,7 GW kapasitas layanan baru untuk pusat data, walaupun banyak proyek yang diusulkan mungkin tidak pernah dibangun. Dapatkah AI membantu perusahaan utilitas membedakan proyek yang kredibel dari permintaan spekulatif atau duplikat dan mencegah “beban hantu” mendistorsi perencanaan jaringan jangka panjang?

Spekulasi bukanlah tindakan yang tidak rasional. Mengingat lamanya waktu untuk membuat proyek dipelajari dan dihubungkan, siapa pun yang mampu mengajukan permintaan interkoneksi spekulatif akan melakukannya. Itu adalah respons rasional terhadap proses interkoneksi seperti yang berlaku saat ini. Menurut kami, jika proyek dapat dipelajari dan dihubungkan secepat proyek tersebut dapat dibangun, sejak awal tidak akan ada insentif untuk berspekulasi.

Jadi jawabannya bukan menggunakan AI untuk mengidentifikasi spekulasi. Sebaliknya, jawabannya adalah menggunakan AI untuk benar-benar memperbaiki proses dan menghubungkan lebih banyak beban secara lebih efisien. Ini berarti menggunakan AI untuk mempercepat proses studi interkoneksi itu sendiri sekaligus menemukan langkah mitigasi alternatif, termasuk teknologi peningkatan jaringan dan interkoneksi fleksibel. Jika digabungkan dengan perubahan regulasi, seperti biaya pengajuan yang lebih tinggi atau uang jaminan yang lebih besar serta tarif interkoneksi yang direvisi, AI dapat membuka sistem yang jauh lebih efisien dengan tingkat spekulasi yang jauh lebih rendah.

Namun, tanpa perubahan, tantangan beban hantu akan terus bertambah. Lebih banyak beban hantu berarti lebih banyak skenario yang perlu dipelajari, yang membuat perencanaan jangka panjang semakin sulit bagi perencana perusahaan utilitas dan memperlambat seluruh sistem. Sistem yang lebih lambat meningkatkan insentif untuk berspekulasi. Inilah yang kami lihat pada antrean interkoneksi pembangkit yang mendorong kami mendirikan Piq pada 2023, dan inilah lingkar umpan balik yang sedang kami coba putuskan.

Piq menyatakan bahwa pekerjaannya telah membantu mengidentifikasi hampir 1 GW kapasitas jaringan melalui solusi fleksibel dan teknologi peningkatan jaringan. Jenis perubahan operasional atau teknologi apa yang membuka kapasitas tersebut, dan dapatkah Anda menjelaskan contoh ketika suatu proyek berhasil menghindari peningkatan jaringan berskala besar?

Hanya tiga hal yang dapat membuka kapasitas. Semuanya merupakan jenis fleksibilitas operasional yang hingga baru-baru ini belum tersedia bagi jaringan. Kami menyebut ketiga jenis fleksibilitas ini fleksibilitas titik, fleksibilitas agregat, dan fleksibilitas jaringan.

Fleksibilitas titik adalah perubahan pada titik interkoneksi, termasuk solusi seperti membawa pembangkit sendiri (BYOG), batas penarikan daya bersih, pengurangan beban atau beban yang dapat dikendalikan, dan lain-lain. Fleksibilitas agregat adalah sumber daya tersebar di seluruh jaringan, seperti pembangkit listrik virtual (VPP) dan sumber daya energi terdistribusi (DER) yang diagregasi untuk mengelola kendala transmisi. Fleksibilitas jaringan adalah parameter dan konfigurasi jaringan itu sendiri — kendali aliran daya tingkat lanjut, optimasi topologi, dan penilaian dinamis kapasitas saluran. Yang penting, ketiganya dapat dimodelkan, direncanakan, dan pada akhirnya diterapkan di ruang kendali.

Contoh paling jelas adalah fleksibilitas jaringan. Kami mempelajari kasus ketika kendala yang mengikat hanya berupa satu elemen, dan pemasangan kendali aliran daya 70 MVAr tepat pada kendala tersebut membuka sekitar 600 MW kapasitas tambahan. Tidak ada saluran transmisi baru, tidak ada proses perizinan selama bertahun-tahun, hanya peningkatan jaringan kecil untuk membuka 600 MW kapasitas.

Pemanfaatan kapasitas jaringan transmisi hanya sekitar 35% dalam kondisi perencanaan terburuk. Jaringan tidak penuh. Walaupun saat ini kapasitas jaringan merupakan tantangan terbesar untuk menghubungkan beban besar, jaringan hanya mengalami kendala di tempat dan kondisi tertentu. Sebagian besar kendala tersebut memiliki solusi yang tidak mengharuskan menunggu satu dekade untuk saluran baru, dan solusi itu dapat ditemukan dengan mempelajari jaringan secara lebih baik.

Ekosistem untuk ketiga jenis fleksibilitas ini berkembang pesat. Perusahaan seperti Base Power, Voltus, Smart Wires, NewGrid, dan lainnya telah menerapkan solusi nyata dalam skala besar. Satu-satunya bagian yang masih belum tersedia adalah kerangka analitik untuk memasukkan solusi tersebut ke dalam studi interkoneksi sejak awal.

Keputusan rekayasa yang melibatkan jaringan dapat memengaruhi keandalan, harga listrik, dan investasi infrastruktur selama puluhan tahun. Perlindungan, proses validasi, izin, dan jejak audit apa yang diperlukan sebelum perusahaan utilitas dapat memercayakan alur kerja perencanaan yang semakin rumit kepada agen AI?

Kami sepakat 100%. Untuk membuat keputusan rekayasa yang tepat, setiap bagian dari pekerjaan otomatis harus dapat diaudit dan direproduksi. Harus ada jejak dokumentasi untuk setiap tindakan, karena tidak ada yang menginginkan AI bekerja di dalam kotak hitam dan bertindak di luar kendali.

Jejak audit kami memiliki banyak lapisan. Kami menyimpan percakapan agen, tindakan agen, dan eksekusi alat deterministik. Setiap sublangkah dan subalur kerja memetakan serta mengelola seluruh masukan dan keluarannya, sehingga semua hal dapat diaudit dari awal hingga akhir.

Izin juga sangat penting. Agen kami mewarisi izin dari pengguna yang bekerja bersama mereka. Agen tidak dapat melihat data atau mengambil tindakan yang tidak dapat dilihat atau dilakukan sendiri oleh orang yang diwakilinya.

Hal ini berkaitan dengan tema tata kelola data yang lebih luas, dan agen sedang mengubah paradigma lama. Secara historis, tata kelola berfokus pada data terstruktur dengan lingkup sempit di dalam satu silo. Dengan agen, data terstruktur, semiterstruktur, dan tidak terstruktur semuanya bergerak melintasi silo — tepat seperti potensi yang dijanjikan platform seperti Piq, dan tepat pula hal yang membuat tata kelola lebih sulit. Jauh lebih banyak data yang terlibat dan kelompok orang yang berinteraksi dengannya juga lebih luas. Dalam organisasi sistem tenaga, hal ini penting dua kali lipat: bagi informasi investasi yang sensitif secara kompetitif dan bagi informasi infrastruktur energi kritis (CEII). Untungnya, ada orang-orang cakap yang menangani hal ini, termasuk mereka yang terlibat dalam IEEE Task Force on Data Governance for Power System Organizations.

Piq baru-baru ini meraih pendanaan awal senilai US$5 juta yang kelebihan permintaan untuk memperluas platformnya. Jika melihat lima tahun ke depan, bagaimana Anda memperkirakan AI akan mengubah perencanaan jaringan, dan apakah analisis yang lebih cepat cukup untuk mengimbangi permintaan listrik dari pusat data AI, elektrifikasi, dan pertumbuhan industri?

Saya yakin penggunaan AI untuk mempercepat analisis merupakan kunci untuk mengimbangi permintaan listrik. Inti utamanya adalah bahwa otomasi pada skala ini tidak hanya berarti melakukan pekerjaan yang sama dengan lebih cepat, tetapi juga memungkinkan analisis yang sama sekali tidak dapat dilakukan jika kapasitas manusia terbatas. Interkoneksi fleksibel, jaringan transmisi fleksibel, teknologi peningkatan jaringan — semuanya membuka kapasitas laten yang sebenarnya sudah tersedia di jaringan saat ini. Dengan menggabungkannya dengan studi interkoneksi yang dipercepat, kami yakin dapat mengimbangi permintaan.

Terima kasih atas wawancara yang sangat baik ini. Pembaca yang ingin mengetahui lebih lanjut dapat mengunjungi Piq Energy.