Znajdowanie prawdziwego partnerstwa: jak firmy użyteczności publicznej oceniają dostawców sztucznej inteligencji

Świat energii przechodzi ogromne zmiany, polegające na ponownym przemyśleniu systemów zaprojektowanych ponad sto lat temu, aby zrobić miejsce dla rozwoju inteligentniejszych i czystszych technologii. To ekscytujący czas – praktycznie każda branża w jakiś sposób się elektryzuje, pojazdy elektryczne (EV) zyskują na popularności i następuje aktywne przejście na wspieranie rozproszonych zasobów energii (DER), „źródeł energii na małą skalę”, zwykle zlokalizowanych w pobliżu lokalizacji zużycia energii elektrycznej, takich jak montowane na dachach panele słoneczne i akumulatory. To ostatnie to wielka sprawa, a ponieważ Międzynarodowe Stowarzyszenie Energetyczne (IEA) Zwraca uwagę, że szybki rozwój DER „zmieni nie tylko sposób wytwarzania energii elektrycznej, ale także sposobu jej handlu, dostarczania i zużycia”.

Dla obserwatora cała ta zmiana jest pozytywna, trwała i długo oczekiwana. Jednak praktycznie rzecz biorąc, szybkie przyspieszenie rozwoju energii odnawialnej i elektryfikacji powoduje dodatkowy stres i nadwyręża ograniczenia naszej sieci. Oprócz presji ze strony odnawialnych źródeł energii światowe systemy elektroenergetyczne stoją także przed krytycznymi wyzwaniami związanymi z ekstremalnymi zjawiskami pogodowymi związanymi z trwającą zmianą klimatu – susze w Europie, fale upałów w Indiach, poważne zimowe burze w USA – wszystko to powoduje wykładniczy wzrost liczby przeglądów, konserwacji i konserwacji. oraz koszty naprawy. Liderzy w sektorze użyteczności publicznej skupiają się obecnie laserowo na zwiększaniu modernizacji, niezawodności i odporności sieci.

Zrób zdjęcie, będzie trwać dłużej

Dla przedsiębiorstw użyteczności publicznej ich sprzęt jest często najważniejszym aktywem i wymaga stałej, skrupulatnej konserwacji. Wykonywanie tej konserwacji zależy od stałego strumienia danych (zwykle w postaci obrazów), które przedsiębiorstwa użyteczności publicznej mogą analizować w celu wykrycia anomalii operacyjnych. Gromadzenie tych danych odbywa się na wiele sposobów, od dronów i stałopłatów po pracowników liniowych fizycznie spacerujących po obiekcie. A dzięki nowym technologiom, takim jak UAV/drony i kamery helikopterowe o wysokiej rozdzielczości, sama ilość danych wzrosła astronomicznie. Z naszych rozmów z wieloma przedsiębiorstwami użyteczności publicznej wiemy, że przedsiębiorstwa użyteczności publicznej gromadzą obecnie 5–10 razy więcej danych niż w ostatnich latach.

Wszystkie te dane jeszcze bardziej spowalniają i tak już powolny cykl pracy inspekcji. Przedsiębiorstwa użyteczności publicznej spędzają średnio równowartość 6-8 miesięcy pracy rocznie na analizie danych z inspekcji. (Dostarczone przez wywiad z klientem przedsiębiorstwa użyteczności publicznej Zachodniego Wybrzeża, pobierającym 10 milionów obrazów rocznie) Główną przyczyną tej nadmiaru jest to, że analiza ta jest nadal w dużej mierze wykonywana ręcznie, a gdy firma rejestruje każdego roku miliony obrazów kontrolnych, proces staje się szalenie nieskalowalny. Analiza pod kątem anomalii jest tak czasochłonna, że ​​większość danych jest nieaktualna w momencie ich faktycznego przeglądu, co w najlepszym wypadku prowadzi do niedokładnych informacji i w najgorszym przypadku powtarzania inspekcji lub stwarzania niebezpiecznych warunków. Jest to poważny problem i wiąże się z wysokim ryzykiem. Analitycy szacują że sektor energetyczny traci co roku 170 miliardów dolarów z powodu awarii sieci, przymusowych przestojów i masowych katastrof.

Budowanie użyteczności przyszłości dzięki inspekcjom infrastruktury opartym na sztucznej inteligencji

Zwiększenie niezawodności i odporności naszej sieci będzie wymagało dwóch rzeczy – pieniędzy i czasu. Na szczęście w tym przypadku nowe technologie i innowacje mogą pomóc w usprawnieniu procesu kontroli. Nie da się przecenić wpływu sztucznej inteligencji (AI) i uczenia maszynowego (ML) na sektor użyteczności publicznej. Sztuczna inteligencja/uczenie się doskonale sprawdza się w tym bogatym w dane środowisku, a wraz ze wzrostem ilości danych zwiększa się zdolność sztucznej inteligencji do przekładania gór informacji na znaczące wnioski. Według Utility Dive, w branży panuje już „powszechna zgoda co do tego, że [AI/ML] ma potencjał identyfikacji sprzętu zagrożonego awarią w sposób znacznie szybszy i bezpieczniejszy niż obecna metoda”, która opiera się na inspekcjach ręcznych.

Chociaż obietnice tej technologii są niekwestionowane, tworzenie własnego, dostosowanego do potrzeb programu AI/ML we własnym zakresie jest powolnym, pracochłonnym procesem, najeżonym komplikacjami i przeszkodami. Wyzwania te spowodowały, że wiele przedsiębiorstw użyteczności publicznej zwróciło się o dodatkowe wsparcie do zewnętrznych konsultantów i dostawców.

3 rzeczy do rozważenia przy ocenie potencjalnego partnera AI/ML

Kiedy szukasz partnera AI/ML, działania liczą się bardziej niż słowa. Istnieje wiele sprytnych firm, które mogą obiecać księżyc, ale liderzy przedsiębiorstw użyteczności publicznej powinni przeanalizować kilka ważnych wskaźników, aby dokładnie ocenić wpływ. Do najważniejszych należy sposób, w jaki dostawca opisuje/dostarcza:

Rozwój modelu w czasie – Tworzenie różnorodnych zbiorów danych (danych zawierających wiele anomalii do analizy) zajmuje dużo czasu (często kilka lat), a niektóre rodzaje anomalii nie występują z wystarczającą częstotliwością, aby wytrenować skuteczny model sztucznej inteligencji. Na przykład wyszkolenie algorytmu do wykrywania zgnilizny, dziur dzięciołów lub zardzewiałych amortyzatorów może być wyzwaniem, jeśli nie występują one często w Twoim regionie. Dlatego pamiętaj, aby zapytać dostawcę AI/ML nie tylko o ilość jego zbiorów danych, ale także o ich jakość i różnorodność.

Prędkość – Czas to pieniądz i każdy renomowany dostawca AI/ML powinien być w stanie jasno pokazać, w jaki sposób jego oferta przyspiesza proces kontroli. Na przykład, Buzz Solutions nawiązał współpracę z New York Power Authority (NYPA) dostarczenie platformy opartej na sztucznej inteligencji, zaprojektowanej w celu znacznego skrócenia czasu potrzebnego na inspekcję i analizę. W rezultacie powstał program, który mógł analizować obrazy zasobów w ciągu godzin lub dni, a nie miesięcy, jak to miało miejsce wcześniej. Ta oszczędność czasu pozwoliła grupom konserwacyjnym NYPA ustalić priorytety napraw i zmniejszyć ryzyko awarii.

Jakość/Dokładność – W przypadku braku rzeczywistych danych do programów AI/ML firmy czasami uzupełniają dane syntetyczne (tj. dane, które zostały sztucznie utworzone przez algorytmy komputerowe), aby wypełnić luki. Jest to popularna praktyka i analitycy przewidują że już do 60 r. 2024% wszystkich danych wykorzystywanych w rozwoju sztucznej inteligencji będzie miało charakter syntetyczny (a nie rzeczywisty). Jednak choć dane syntetyczne są dobre w przypadku scenariuszy teoretycznych, nie sprawdzają się dobrze w środowiskach rzeczywistych, w których potrzebne jest dane ze świata rzeczywistego (i człowiek-w-pętli interwencje) w celu samokorekty. Rozważ poproszenie dostawcy o połączenie danych rzeczywistych i syntetycznych, aby mieć pewność, że podział ma sens.

I pamiętaj, że praca nie kończy się po wybraniu partnera. Nowy pomysł firmy Gartner regularnie organizuje „AI Bake-Off„wydarzenia” – opisane jako „szybkie, pouczające sesje, podczas których możesz zobaczyć dostawców obok siebie przy użyciu skryptowych wersji demonstracyjnych i wspólnego zestawu danych w kontrolowanym otoczeniu” w celu oceny mocnych i słabych stron każdego z nich. W procesie tym ustalane są jasne wskaźniki, które są bezpośrednio powiązane ze skalowalnością i niezawodnością algorytmów AI/ML, które następnie są zgodne z celami biznesowymi przedsiębiorstw użyteczności publicznej.

Siła przyszłości przemysłu użyteczności publicznej

Od wydajniejszych integracji przepływu pracy po zaawansowane wykrywanie anomalii poprzez sztuczną inteligencję – branża użyteczności publicznej jest na znacznie jaśniejszej ścieżce niż jeszcze kilka lat temu. Ta innowacja będzie jednak musiała być kontynuowana, zwłaszcza że do 2030 r. mandaty dotyczące inspekcji T&D mają się podwoić rząd zapowiedział utrzymanie i obronę infrastruktury energetycznej za najważniejsze priorytety bezpieczeństwa narodowego.

Przed nami jeszcze więcej pracy, ale pewnego dnia spojrzymy wstecz na ten czas jako na okres przełomowy, moment, w którym liderzy branży zintensyfikowali działania, aby inwestować w przyszłość naszej sieci energetycznej i wprowadzić usługi użyteczności publicznej w erę nowożytną.