Tom Nudell, administrerende direktør og medgründer av Piq Energy – Intervjuserie

Tom Nudell, administrerende direktør og medgründer av Piq Energy, er kraftsystemingeniør og teknologileder med omfattende erfaring innen nettanalyse, transmisjonsplanlegging og energiinfrastruktur. Før han grunnla Piq Energy, arbeidet han i nesten sju år hos Smart Wires, der han hadde flere lederroller innen analyse og til slutt ble Director of Product and Solution Analytics. I denne rollen ledet han tverrfaglige team av transmisjonsplanleggere, programvareingeniører og analytikere som arbeidet med avanserte nettplanleggingsstudier og automatiserte analysesystemer. Tidligere var Nudell postdoktor ved MIT, der arbeidet hans var rettet mot robusthet i sammenkoblede energisystemer, energistyring i mikronett og transaktiv styring. Han forsket også ved North Carolina State University på å lokalisere forstyrrelser i store kraftnett ved hjelp av sanntidsmålinger, fysikkinformert maskinlæring, reguleringsteori og optimalisering.

Piq Energy er et programvareselskap for nettplanlegging som arbeider for å fremskynde tilkoblingen av nye energiprosjekter, datasentre og andre store strømforbrukere til kraftnettet. Plattformen gjør det mulig for prosjektutviklere og nettselskaper å gjennomføre komplekse nettstudier internt, automatisere tekniske arbeidsflyter, vurdere mulige tilknytningspunkter og teste en rekke prosjekt- og nettscenarier raskere. Piq utvikler en agentbasert plattform for nettplanlegging som kombinerer kraftsystemmodeller, data, ingeniørverktøy og KI-drevne arbeidsflyter i ett samlet miljø, med bruksområder innen solkraft, vindkraft, batterilagring og utvikling av store laster. Selskapet opplyser at teknologien håndterer mer enn 1 000 transmisjonsnettmodeller og har blitt brukt til å gjennomføre mer enn 10 000 tekniske arbeidsflyter. Målet er å redusere en av de største flaskehalsene for ny energi- og datainfrastruktur: langvarige nettilknytningsprosesser.

Karrieren din omfatter forskning på fysikkinformert maskinlæring, arbeid med nettrobusthet ved MIT og sju år med å bygge analysekapasitet for transmisjonsplanlegging hos Smart Wires. Hvordan førte disse erfaringene til at du identifiserte det konkrete problemet som ble til Piq Energy?

Doktorgraden min var innen beregningsbaserte kraftsystemer, med vekt på sanntidsovervåking og styring av store områder. Deretter tok jeg en postdoktor ved MIT om robuste kraftnett og dynamiske markedsmekanismer. Etter postdoktoren begynte jeg hos Smart Wires, der jeg brukte sju år på å grunnlegge og skalere analyseteamet. Teamet mitt hadde global dekning innen kraftsystemteknikk på fire kontinenter, med ekspertise i effektflyt, markedssimulering, dynamikk, elektromagnetiske transienter (EMT) og hardware-in-the-loop.

Innen tre måneder etter at jeg begynte hos Smart Wires, innså jeg at nettplanlegging i bunn og grunn er et enormt og komplekst datavitenskapelig problem. Jeg begynte å drømme om hvordan vi kunne effektivisere og automatisere de dyreste delene av prosessen: å definere analysen, koordinere ulike fageksperter og bygge og validere modeller. For å forbedre denne nettplanleggingsprosessen utviklet vi noen sentrale ideer. Den første var reproduserbarhet: Hvis en analyse er 100 prosent reproduserbar, bør marginalkostnaden ved at en annen person eller ekspert kjører analysen på nytt, være null. Denne reproduserbarheten er avgjørende for å muliggjøre sømløst samarbeid mellom prosjektutviklere, nettselskaper og andre tredjeparter om nettstudier. Den andre ideen var å bruke prinsippet om at «alle modeller er feil, men noen er nyttige» og konsentrere oss om å bekrefte at vi har en nyttig modell for det aktuelle problemet, i stedet for å prøve å bygge og forvalte den mest «nøyaktige» modellen for alt. (Når vi her snakker om «modeller», mener vi kraftnettmodeller og dynamiske modeller av utstyr, anlegg og lignende.)

Disse første innsiktene fikk medgründeren min Dio og meg til å drømme om en avansert programvareplattform som kunne automatisere arbeidet vi utførte. Samtidig så vi hvordan tilknytningskøen ble en enorm flaskehals for kraftnettet. Vi så også de økende utfordringene ved å koble til nyere nettteknologier, blant annet omformerbaserte ressurser (IBR-er, som omfatter alle nye prosjekter for fornybar energi) og nettforbedrende teknologier som SmartValve-utstyret Smart Wires solgte. Dio og jeg innså at vi visste hvordan disse problemene kunne løses, men at vi måtte starte et programvareselskap for å gjøre det.

Det er tre deler: For det første la bakgrunnen min innen beregningsbaserte kraftsystemer og erfaringen med å lede et globalt analyseteam grunnlaget. For det andre var arbeidet vi allerede hadde gjort hos Smart Wires, beviset på at det fantes reell og konkret verdi å skape. Til slutt var det overordnede klimaet – omfanget av utfordringen, som også er omfanget av muligheten – katalysatoren som fikk oss til å ta spranget og starte Piq Energy.

Piq beskriver seg selv som en «agentbasert plattform for nettplanlegging». Hva gjør systemet agentbasert i stedet for bare å være en automatiserings- eller analyseplattform, og hvilke oppgaver kan KI-agentene planlegge og utføre på egen hånd?

Piq fremskynder nettilknytning. Teknisk analyse er for øyeblikket den største flaskehalsen i tilknytningsprosessen, så vi bygger en autonom plattform for nettplanlegging for å fremskynde disse tekniske analysene.

Det finnes ulike nivåer av automatisering. I dag er disse nivåene ikke uttrykkelig definert for nettplanlegging og tilknytning, men man kan se for seg noe tilsvarende SAEs automatiseringsnivåer for bilkjøring. Jeg var inne på denne ideen i artikkelen min fra 2018, publisert under CIGREs verdenskongress [T. Nudell et al., «On Developing Automated Tools for Reliability Planning», CIGRE Paris C1-201, 2018.].

Nå har vi denne fantastiske generelle teknologien i form av store språkmodeller, og hos Piq finner vi ut hvordan vi kan utnytte agentbasert autonomi samtidig som vi sikrer at fysikken og ingeniørarbeidet blir utført riktig, fullt reproduserbart og reviderbart hver eneste gang.

I dag konfigurerer agenten vår modeller og scenarier, starter studier, kryssjekker publiserte rapporter, analyserer resultater og skriver nye rapporter som er forankret i studiedataene.

Nettstudier bygger på etablert ingeniørprogramvare, detaljerte nettmodeller og strenge fysiske begrensninger. Hvordan kombinerer Piq KI med disse deterministiske verktøyene uten å la en probabilistisk modell overstyre den underliggende fysikken i kraftsystemet?

Du har rett i at nettstudier bygger på etablert programvare, detaljerte modeller og kjent fysikk. Plattformen vår gjør det mulig for agenter å forsterke menneskelig ekspertise. Agentene får informasjon fra dataene og konteksten vår om hvilke typer studier som bør kjøres og hvordan scenarier skal konfigureres, før analysen forankres i konkrete resultatdata.

Alt imellom er imidlertid skalerbar, deterministisk automatisering. Agenter skriver aldri ny kode, og ingen ukjente fysikksimulatorer brukes. Dette gir en langt mer pålitelig plattform enn andre tilnærminger, fordi arbeidet en agent utfører, er reproduserbart og reviderbart og blir gjort på riktig måte hver gang. Med andre ord skal en menneskelig ingeniør som undersøker resultatet, kunne gjenskape hvert trinn i prosessen og få de samme resultatene.

Hvilke deler av en tradisjonell nettilknytnings- eller transmisjonsplanleggingsstudie kan Piq automatisere i dag, og hvilke beslutninger må fortsatt gjennomgås og godkjennes av en kvalifisert ingeniør?

I dag gir Piq prosjektutviklere et sett med verktøy for hele prosessen rundt nettilknytningsstudier.

Det første er en overordnet screening av store, uutviklede områder, som vi kaller regional screeninganalyse. Den gir et varmekart over N-1-reservekapasiteten ved hver node i en region, slik at man kan se hvor nettet faktisk har ledig kapasitet før man forplikter seg til et sted.

Det andre er en mer inngående screening på et bestemt sted – en POI-studie, eller punktscreening. Disse studiene går i dybden på ett tilknytningspunkt: alle nettbegrensningene, mulige oppgraderinger og hva disse oppgraderingene vil koste for et prosjekt som kobles til der.

Det tredje er køhåndtering. Her kan prosjektutviklere spille gjennom spillteorien i en klyngestudie ved å forstå den detaljerte kostnadsfordelingen og hvordan denne fordelingen endres når gruppen av produsenter forandrer seg. Prosjekter endrer størrelse, prosjekter faller fra, andre utviklere handler, og kostnadsandelen din flytter seg sammen med dem. Det er et dynamisk problem, og i dag oppdager de fleste utviklere det først i etterkant i stedet for å modellere det på forhånd.

Piq automatiserer også prosessen med å bygge og validere dynamiske anleggsmodeller – utstyret og styringene som representerer datasentre, solparker og andre aktører i nettet.

Alle disse modellene, resultatene og rapportene krever et menneske i overvåkingssløyfen som kan styre inndata og gjennomgå utdata. Vi hevder ikke at vi har et fullstendig selvkjørende system ennå, og jeg ville ikke stolt på noen som hevder at de har det.

Piq har gjennomført mer enn 10 000 produksjonsstudier. Hva har driften i denne skalaen lært dere om å opprettholde modellnøyaktighet, følge endrede nettforhold og levere resultater som ingeniører kan reprodusere og revidere?

Tallet 10 000 er allerede utdatert. Siden januar, da dette tallet ble offentliggjort, har vi kommet opp i 2 000 studier i måneden, og antallet vokser. Det skyldes at brukerbasen vår øker, og at flere brukere også bygger interne systemer som kan skaleres.

Når man arbeider i dette tempoet, lærer man at reproduserbarhet ikke er en funksjon man legger til. Det er begrensningen som avgjør om man i det hele tatt kan arbeide i dette tempoet. Hvis en studie ikke kan reproduseres, kan den ikke revideres, og hvis den ikke kan revideres, kan ingen handle på bakgrunn av den. Hvis studiene ikke fører til handling, skaper man bare volum, ikke verdi. Alt ved måten vi har bygget plattformen på, følger av ideen om å lage nyttige modeller og gjennomføre verdifulle studier.

Piq lar datasenterutviklere og andre kunder med store laster vurdere mulige steder og tilknytningsscenarier før de kontakter et nettselskap. Hvordan kan disse utviklerstyrte studiene fremskynde prosessen uten å skape motstridende forutsetninger eller duplisere nettselskapets offisielle analyse?

Nettselskapet må fortsatt gjennomføre sin egen offisielle studie, men kundene våre kan ikke vente. I dag kan det ta mer enn ett år å motta resultatene fra disse offisielle studiene, og i mellomtiden har kundene våre investeringer på flere hundre millioner dollar på spill. De må kjøpe utstyr, skaffe tomter og sikre seg posisjoner i tilknytningskøer over hele landet. Vi setter kundene våre i stand til å ta disse beslutningene før nettselskapets offisielle studie. Vi har også sett hvordan kundene våre kan påvirke nettselskapets retning når de har innsikt i fleksible tilknytningsløsninger eller alternative oppgraderinger som kan koble til ytterligere kapasitet.

Det vi tilbyr, er en rask og effektiv måte å få et glimt av fremtiden på. Ingen har en krystallkule, og man vet ikke hvem andre man konkurrerer med i køen. Men hvis studiene er rimelige og raske, hjelper utforskning av mange scenarier kundene våre med å ta bedre informerte beslutninger om kapitalen sin. Vi gir dem også mulighet til å utforske alternative oppgraderinger som kan frigjøre eksisterende kapasitet i systemet, og til å arbeide tett og trinnvis med nettselskapene som reelle partnere.

Nettselskaper i California har mottatt forespørsler om omtrent 18,7 GW ny forsyningskapasitet til datasentre, selv om mange av de foreslåtte prosjektene kanskje aldri blir bygget. Kan KI hjelpe nettselskapene med å skille troverdige prosjekter fra spekulative eller dupliserte forespørsler og hindre at «fantomlaster» forvrenger den langsiktige nettplanleggingen?

Spekulasjon er ikke irrasjonelt. Med tanke på hvor lang tid det tar å få et prosjekt utredet og tilkoblet, vil alle som har råd til å sende inn spekulative tilknytningsforespørsler, gjøre det. Det er den rasjonelle responsen på tilknytningsprosessen slik den fungerer i dag. Slik vi ser det, ville det ikke vært noe insentiv til å spekulere i utgangspunktet dersom prosjekter kunne utredes og kobles til like raskt som de kan bygges.

Svaret handler derfor ikke om å bruke KI til å identifisere spekulasjon. I stedet handler det om å bruke KI til faktisk å forbedre prosessen og koble til mer last mer effektivt. Det betyr å bruke KI både til å fremskynde selve tilknytningsstudien og til å finne alternative avbøtende tiltak, blant annet nettforbedrende teknologier og fleksible tilknytninger. Kombinert med regulatoriske endringer, som høyere søknadskostnader eller større depositum og reviderte tilknytningstariffer, kan KI åpne for et langt mer effektivt system med mye mindre spekulasjon.

Uten endringer vil imidlertid utfordringene med fantomlaster fortsette å hope seg opp. Mer fantomlast betyr flere scenarier som må studeres. Det gjør langsiktig planlegging vanskeligere for nettselskapenes planleggere og gjør hele systemet tregere. Et tregere system øker insentivet til å spekulere. Det er akkurat det vi så med produsentenes tilknytningskøer, som fikk oss til å starte Piq i 2023, og det er akkurat denne tilbakekoblingssløyfen vi prøver å bryte.

Piq sier at selskapets arbeid har bidratt til å identifisere nesten 1 GW nettkapasitet gjennom fleksible løsninger og nettforbedrende teknologier. Hvilke typer driftsendringer eller teknologier frigjør denne kapasiteten, og kan du beskrive et eksempel der et prosjekt unngikk en stor nettoppgradering?

Bare tre ting kan frigjøre kapasitet. De er alle former for driftsmessig fleksibilitet som ikke var tilgjengelige for nettet før nylig. Vi kaller disse tre typene punktfleksibilitet, aggregert fleksibilitet og nettfleksibilitet.

Punktfleksibilitet er det som endres ved tilknytningspunktet, og omfatter løsninger som egen kraftproduksjon (BYOG), grenser for nettuttak, lastreduksjon eller styrbare laster og andre tiltak. Aggregert fleksibilitet er distribuerte ressurser i nettet, som virtuelle kraftverk (VPP-er) og aggregerte distribuerte energiressurser (DER-er), som brukes til å håndtere transmisjonsbegrensninger. Nettfleksibilitet gjelder selve nettparametrene og konfigurasjonen – avansert effektflytstyring, topologioptimalisering og dynamisk linjekapasitet. Det viktige er at alle tre kan modelleres, planlegges og til slutt tas i bruk i et kontrollrom.

Det tydeligste eksempelet er nettfleksibilitet. Vi studerte et tilfelle der den bindende begrensningen var ett enkelt element, og 70 MVAr effektflytstyring installert direkte ved denne begrensningen frigjorde omtrent 600 MW ekstra kapasitet. Ingen nye transmisjonslinjer, ingen flerårige konsesjonsprosesser – bare en liten nettoppgradering som frigjorde 600 MW kapasitet.

Utnyttelsen av transmisjonsnettets kapasitet er bare rundt 35 prosent under de mest krevende planleggingsforholdene. Nettet er ikke fullt. Selv om nettkapasitet i dag er den største utfordringen ved tilkobling av store laster, er nettet bare begrenset på bestemte steder under bestemte forhold. De fleste av disse begrensningene har en løsning som ikke innebærer å vente et tiår på nye linjer, og denne løsningen kan identifiseres ved å studere nettet bedre.

Det vokser raskt frem et økosystem for disse tre typene fleksibilitet. Selskaper som Base Power, Voltus, Smart Wires, NewGrid og andre tar allerede i bruk reelle løsninger i stor skala. Den eneste manglende brikken er det analytiske rammeverket som kan få disse løsningene inn i tilknytningsstudiene i utgangspunktet.

Tekniske beslutninger om kraftnettet kan påvirke driftssikkerhet, strømpriser og infrastrukturinvesteringer i flere tiår. Hvilke sikkerhetstiltak, valideringsprosesser, tillatelser og revisjonsspor er nødvendige før nettselskapene kan betro KI-agenter stadig mer komplekse planleggingsarbeidsflyter?

Det er vi 100 prosent enige i. For å ta gode tekniske beslutninger må hver del av det automatiserte arbeidet være reviderbar og reproduserbar. Det må finnes et dokumentasjonsspor for hver handling, fordi man ikke ønsker en KI som arbeider i en svart boks og løper løpsk.

Revisjonssporene våre har flere lag. Vi beholder agentsamtalene, agenthandlingene og utførelsen av de deterministiske verktøyene. Hvert deltrinn og hver delarbeidsflyt kartlegger og håndterer alle sine inn- og utdata, slik at alt kan revideres fra ende til ende.

Tillatelser er også avgjørende. Agentene våre arver tillatelsene fra brukeren de arbeider med. En agent kan ikke se data eller utføre handlinger som personen den arbeider for, ikke selv kunne se eller utføre.

Dette er knyttet til det bredere temaet datastyring, og agenter endrer de historiske paradigmene. Tradisjonelt handlet styring om strukturerte data med et snevert omfang innenfor én silo. Med agenter beveger strukturerte, semistrukturerte og ustrukturerte data seg på tvers av siloer. Det er nettopp den muligheten en plattform som Piq lover å utløse, og nettopp det som gjør styringen vanskeligere. Langt mer data er i spill, og en bredere gruppe mennesker samhandler med dem. I en kraftsystemorganisasjon er dette viktig på to måter: for konkurransesensitive investeringsopplysninger og for kritisk informasjon om energiinfrastruktur (CEII). Heldigvis arbeider dyktige mennesker med dette, blant annet de som deltar i IEEE Task Force on Data Governance for Power System Organizations.

Piq hentet nylig inn 5 millioner dollar i en overtegnet såkornrunde for å utvide plattformen. Når du ser fem år fremover, hvordan forventer du at KI vil endre nettplanleggingen, og vil raskere analyser være nok til å holde tritt med strømbehovet fra KI-datasentre, elektrifisering og industriell vekst?

Jeg mener at bruk av KI til å fremskynde analysene er avgjørende for å holde tritt med strømbehovet. Hovedpoenget er at automatisering i denne skalaen ikke bare handler om å gjøre det samme arbeidet raskere, men også om å muliggjøre analyser som rett og slett ikke kunne utføres med begrenset menneskelig kapasitet. Fleksibel tilknytning, fleksible transmisjonsnett og nettforbedrende teknologier – alt dette frigjør latent kapasitet som allerede finnes i nettet i dag. Når dette kombineres med raskere tilknytningsstudier, tror vi at vi vil kunne holde tritt med etterspørselen.

Takk for et svært godt intervju. Lesere som ønsker å vite mer, bør besøke Piq Energy.