Tom Nudell, CEO i współzałożyciel Piq Energy – Seria wywiadów

Tom Nudell, CEO i współzałożyciel Piq Energy, jest inżynierem systemów energetycznych oraz dyrektorem technologicznym z głębokim doświadczeniem w analizie sieci, planowaniu przesyłu i infrastrukturze energetycznej. Przed założeniem Piq Energy spędził prawie siedem lat w Smart Wires, gdzie awansował na kilka stanowisk kierowniczych w dziedzinie analityki i ostatecznie pełnił funkcję Dyrektora ds. Produktu i Analizy Rozwiązań, prowadząc interdyscyplinarne zespoły inżynierów planowania przesyłu, programistów i analityków pracujących nad zaawansowanymi studiami planowania sieci oraz zautomatyzowanymi systemami analitycznymi. Wcześniej Nudell był postdoktoranckim współpracownikiem badawczym w MIT, gdzie jego praca koncentrowała się na odporności w połączonych systemach energetycznych, zarządzaniu mikro‑sieciami oraz sterowaniu transakcyjnym. Przeprowadził również badania na North Carolina State University dotyczące lokalizowania zakłóceń w dużych sieciach energetycznych przy użyciu pomiarów w czasie rzeczywistym, uczenia maszynowego opartego na fizyce, teorii sterowania i optymalizacji.

Piq Energy jest firmą tworzącą oprogramowanie do planowania sieci, skoncentrowaną na przyspieszaniu podłączania nowych projektów energetycznych, centrów danych i innych dużych obciążeń elektrycznych do sieci energetycznej. Jej platforma umożliwia deweloperom i operatorom sieci przeprowadzanie skomplikowanych analiz sieciowych we własnym zakresie, automatyzację przepływów inżynieryjnych, ocenę potencjalnych punktów przyłączenia oraz szybsze testowanie licznych scenariuszy projektowych i sieciowych. Piq opracowuje platformę planowania sieci o charakterze agentowym, która łączy modele systemów energetycznych, dane, narzędzia inżynieryjne oraz przepływy pracy napędzane sztuczną inteligencją w jednorodne środowisko, z zastosowaniami obejmującymi energię słoneczną, wiatrową, magazyny energii bateryjnej oraz rozwój dużych obciążeń. Firma twierdzi, że jej technologia zarządza ponad 1,000 modelami sieci przesyłowych i została wykorzystana do przeprowadzenia ponad 10,000 przepływów inżynieryjnych, dążąc do zredukowania jednego z największych wąskich gardeł stojących przed nową energią i infrastrukturą obliczeniową: długotrwałych procesów przyłączania do sieci.

Twoja kariera obejmowała badania nad uczeniem maszynowym opartym na fizyce, prace nad odpornością sieci w MIT oraz siedem lat budowania analiz planowania przesyłu w Smart Wires. Jak te doświadczenia doprowadziły Cię do zidentyfikowania konkretnego problemu, który stał się podstawą powstania Piq Energy?

Moje PhD było w dziedzinie obliczeniowych systemów energetycznych, gdzie skupiałem się na monitorowaniu i sterowaniu w czasie rzeczywistym na dużą skalę. Następnie podjąłem postdoktorat na MIT, zajmując się odpornością sieci energetycznych i dynamicznymi mechanizmami rynkowymi. Po postdocie dołączyłem do Smart Wires, gdzie spędziłem siedem lat, zakładając i rozwijając zespół analityczny. Mój zespół miał globalny zakres inżynierii systemów energetycznych na czterech kontynentach, posiadając wiedzę w zakresie przepływu mocy, symulacji rynku, dynamiki, EMT oraz sprzętu w pętli.

W ciągu trzech miesięcy od dołączenia do Smart Wires zdałem sobie sprawę, że planowanie sieci to zasadniczo ogromny i złożony problem data science. Zacząłem marzyć o usprawnieniu i automatyzacji najdroższych części procesu: definiowania analiz, koordynacji między różnymi ekspertami tematycznymi oraz tworzenia i weryfikacji modeli. Aby ulepszyć ten proces planowania sieci, opracowaliśmy kilka kluczowych pomysłów. Pierwszy to powtarzalność – jeśli Twoja analiza jest w 100 % powtarzalna, nie powinno być żadnych kosztów marginalnych dla kolejnej osoby/eksperta przy ponownym uruchomieniu analizy. Ta powtarzalność jest kluczowa, aby umożliwić płynną współpracę między deweloperami, operatorami sieci i innymi stronami trzecimi przy badaniach sieciowych. Drugi pomysł polegał na zastosowaniu koncepcji „wszystkie modele są błędne, niektóre są użyteczne” i skupieniu się na weryfikacji, że posiadamy użyteczny model dla danego problemu, zamiast próbować budować i zarządzać naj„dokładniejszym” modelem we wszystkich przypadkach. (Gdy mówimy tutaj o „modelach”, mamy na myśli modele sieciowe, dynamiczne modele urządzeń i instalacji itp.).

Te wstępne spostrzeżenia skłoniły mnie i Dio, mojego współzałożyciela, do marzeń o zaawansowanej platformie programowej, która automatyzowałaby naszą pracę. Jednocześnie obserwowaliśmy, jak kolejka przyłączeniowa staje się ogromnym wąskim gardłem dla sieci. Dostrzegaliśmy także rosnące wyzwania związane z podłączaniem nowych technologii sieciowych, w tym zasobów opartych na inwerterach (IBR, w tym wszystkie nowe projekty odnawialne) oraz technologii poprawiających sieć, takich jak sprzęt SmartValve sprzedawany przez Smart Wires. Dio i ja zdaliśmy sobie sprawę, że wiemy, jak rozwiązać te problemy, ale musimy założyć firmę programistyczną, aby to zrobić.

Trzy elementy: Po pierwsze, moje doświadczenie w obliczeniowych systemach energetycznych oraz prowadzenie globalnego zespołu analitycznego stanowiły fundament. Po drugie, prace, które już wykonaliśmy w Smart Wires, były dowodem na realną, namacalną wartość do stworzenia. I wreszcie, makroklimat – skala wyzwania, która jest jednocześnie skalą szansy – był katalizatorem, który skłonił nas do podjęcia decyzji o założeniu Piq Energy.

Piq opisuje się jako \”platforma planowania sieci agentowej\”. Co sprawia, że system jest agentowy, a nie po prostu platformą automatyzacji lub analityki, oraz jakie zadania mogą jego agenci AI samodzielnie planować i wykonywać?

Piq przyspiesza proces przyłączania. Analiza techniczna jest obecnie największym wąskim gardłem przyłączania, dlatego budujemy autonomiczną platformę planowania sieci, aby przyspieszyć te analizy techniczne.

Istnieją poziomy automatyzacji. Dziś te poziomy automatyzacji nie zostały wyraźnie zdefiniowane dla planowania sieci i przyłączeń, ale możesz wyobrazić sobie coś analogicznego do poziomy automatyzacji SAE dla prowadzenia pojazdu. Odwołałem się do tej idei w moim artykule z 2018 roku opublikowanym na CIGRE World Congress. [T. Nudell, et al. “On Developing Automated Tools for Reliability Planning”, CIGRE Paris C1-201, 2018.].

Obecnie mamy tę niesamowitą, uniwersalną technologię w postaci dużych modeli językowych, a wraz z Piq staramy się wykorzystać autonomię agentową, jednocześnie zapewniając, że fizyka i inżynieria są wykonywane poprawnie, w w pełni powtarzalny i audytowalny sposób za każdym razem.

Obecnie nasz agent konfiguruje modele i scenariusze, uruchamia studia, krzyżuje publikowane raporty, analizuje wyniki i tworzy nowe raporty, które są oparte na danych ze studiów.

Studia sieciowe opierają się na sprawdzonym oprogramowaniu inżynieryjnym, szczegółowych modelach sieci i ścisłych ograniczeniach fizycznych. Jak Piq łączy AI z tymi deterministycznymi narzędziami, nie pozwalając modelowi probabilistycznemu na nadpisanie podstawowej fizyki systemu elektroenergetycznego?

Masz rację, że studia sieciowe opierają się na sprawdzonym oprogramowaniu, szczegółowych modelach i znanej fizyce. Nasza platforma umożliwia agentom uzupełnianie ludzkiej wiedzy, korzystając z naszych danych i kontekstu dotyczącego tego, jakie rodzaje studiów przeprowadzać, jak konfigurować scenariusze, a następnie opierając analizę na konkretnych danych wynikowych.

Jednak wszystko pomiędzy jest skalowalną, deterministyczną automatyzacją. Agenci nigdy nie piszą nowego kodu i nie używają nieznanych symulatorów fizyki. Skutkuje to znacznie większym zaufaniem do platformy w porównaniu z innymi podejściami, ponieważ praca wykonywana przez agenta jest powtarzalna i audytowalna, i zawsze realizowana prawidłowo. Innymi słowy, jeśli inżynier człowiek sprawdzi wyniki, powinien być w stanie odtworzyć każdy krok procesu i uzyskać te same rezultaty.

Które elementy tradycyjnego studium przyłączenia lub planowania przesyłu Piq może automatyzować już dziś, a które decyzje nadal muszą być przeglądane i zatwierdzane przez wykwalifikowanego inżyniera?

Obecnie Piq udostępnia deweloperom zestaw narzędzi obejmujących cały proces studium przyłączenia.

Pierwszym jest wysokopoziomowe przeglądanie zielonych pól na dużych obszarach, które nazywamy analizą przeglądu regionalnego. Dostarcza mapę cieplną dostępności mocy N‑1 w każdym węźle regionu, dzięki czemu możesz zobaczyć, gdzie sieć rzeczywiście ma wolne miejsce przed podjęciem decyzji o lokalizacji.

Drugim jest szczegółowe przeglądanie w konkretnym miejscu – studium POI, czyli przegląd punktowy. Te studia szczegółowo analizują jeden punkt przyłączenia: wszystkie ograniczenia sieci, potencjalne modernizacje oraz koszty tych modernizacji dla projektu podłączającego się w tym miejscu.

Trzecim elementem jest zarządzanie kolejką. To miejsce, w którym deweloperzy mogą symulować teorię gier w studium klastra, rozumiejąc szczegółowy podział kosztów i to, jak ten podział zmienia się w miarę zmian puli generatorów. Projekty zmieniają rozmiar, niektóre rezygnują, inni deweloperzy podejmują działania, a Twój podział kosztów podąża za nimi. To dynamiczny problem, a dziś większość deweloperów dowiaduje się o nim po fakcie, zamiast modelować go z wyprzedzeniem.

Piq automatyzuje również proces budowy i weryfikacji modeli dynamicznych zakładów – sprzętu i sterowań, które reprezentują centra danych, farmy słoneczne i inne podmioty w sieci.

Wszystkie te modele, wyniki i raporty wymagają obecności człowieka, który może sterować danymi wejściowymi i weryfikować wyniki. Nie twierdzimy, że posiadamy w pełni autonomiczny system, i nie ufałbym nikomu, kto tak twierdzi.

Piq zakończył ponad 10 000 studiów produkcyjnych. Czego nauczyło Cię działanie w takiej skali w zakresie utrzymania dokładności modeli, śledzenia zmieniających się warunków sieci i dostarczania wyników, które inżynierowie mogą odtworzyć i audytować?

Liczba 10 000 jest już nieaktualna, a od stycznia (kiedy podano tę liczbę) prowadzimy 2 000 studiów miesięcznie i nadal rośniemy. Wynika to z rosnącej liczby naszych użytkowników oraz faktu, że coraz więcej z nich buduje wewnętrzne systemy o podobnej skali.

Działanie w takim tempie uczy, że powtarzalność nie jest dodatkiem funkcjonalnym. To ograniczenie, które decyduje, czy w ogóle można pracować w tym tempie. Jeśli studium nie może być odtworzone, nie może być audytowane, a jeśli nie może być audytowane, nikt nie może na nim działać. Jeśli Twoje studia nie są praktyczne, generujesz jedynie wolumen, a nie wartość. Wszystko, co zbudowaliśmy w platformie, wynika z koncepcji tworzenia użytecznych modeli i przeprowadzania wartościowych studiów.

Piq umożliwia deweloperom centrów danych i innym klientom o dużym obciążeniu ocenę potencjalnych lokalizacji i scenariuszy przyłączeń przed kontaktem z dostawcą energii. W jaki sposób te studia prowadzone przez deweloperów mogą przyspieszyć proces, nie wprowadzając sprzecznych założeń ani nie powielając oficjalnej analizy dostawcy?

Operator wciąż musi przeprowadzić własne oficjalne badanie, ale nasi klienci nie mogą czekać. Dziś może to potrwać ponad rok, zanim otrzyma się wyniki tego oficjalnego badania, a w międzyczasie nasi klienci mają setki milionów dolarów zainwestowane. Muszą zakupić sprzęt, nabyć ziemię i zabezpieczyć pozycje przyłączeniowe w całym kraju. Dajemy naszym klientom możliwość podejmowania tych decyzji przed oficjalnym badaniem operatora. Zauważyliśmy również, że nasi klienci mogą wpływać na kierunek działań operatora, gdyż dysponują wiedzą o elastycznych rozwiązaniach przyłączeniowych lub alternatywnych modernizacjach umożliwiających podłączenie dodatkowej pojemności.

Oferujemy szybki, efektywny sposób na podgląd przyszłości. Nikt nie ma kryształowej kuli (i nie wiesz, z kim jeszcze konkurujesz w kolejce), ale jeśli badania są przystępne i szybkie, to eksploracja wielu scenariuszy pomaga naszym klientom podejmować lepiej poinformowane decyzje dotyczące ich kapitału. Oferujemy także możliwość, aby nasi klienci badali alternatywne modernizacje, odblokowując istniejącą pojemność w ich systemie i współpracując ramię w ramię z operatorami jako prawdziwi partnerzy.

Operatorzy w Kalifornii otrzymali wnioski o około 18,7 GW nowej pojemności usługowej dla centrów danych, choć wiele proponowanych projektów może nigdy nie zostać zrealizowanych. Czy sztuczna inteligencja może pomóc operatorom odróżnić wiarygodne projekty od spekulacyjnych lub zduplikowanych wniosków i zapobiec „obciążeniom fantomowym”, które zniekształcają długoterminowe planowanie sieci?

Spekulacja nie jest irracjonalna. Biorąc pod uwagę, jak długo trwa zbadanie i podłączenie projektu, każdy, kto może sobie pozwolić na składanie spekulacyjnych wniosków przyłączeniowych, to zrobi. To racjonalna reakcja na istniejący dziś proces przyłączeniowy. Według nas, gdyby projekty mogły być badane i podłączane tak szybko, jak mogą być budowane, nie byłoby zachęty do spekulacji.

Odpowiedź nie polega więc na wykorzystaniu SI do identyfikacji spekulacji. Zamiast tego odpowiedź brzmi: użycie SI do rzeczywistego usprawnienia procesu – aby bardziej efektywnie podłączać większe obciążenia. Oznacza to wykorzystanie SI zarówno do przyspieszenia samego procesu studium przyłączeniowego, jak i do znajdowania alternatywnych środków łagodzących, w tym technologii zwiększających możliwości sieci oraz elastycznych przyłączeń. W połączeniu ze zmianami regulacyjnymi, takimi jak wyższe koszty aplikacji, większe depozyty i zrewidowane taryfy przyłączeniowe, SI może odblokować znacznie bardziej wydajny system z znacznie mniejszą ilością spekulacji.

Jednak przy braku zmian wyzwania związane z obciążeniami fantomowymi będą się nasilać. Więcej obciążeń fantomowych oznacza więcej scenariuszy do analizy, co utrudnia długoterminowe planowanie dla planistów operatorów, co z kolei spowalnia cały system. Wolniejszy system zwiększa zachętę do spekulacji. To dokładnie to, co zaobserwowaliśmy w kolejkach przyłączeniowych generatorów, co skłoniło nas do założenia Piq w 2023 roku, i jest to właśnie pętla sprzężenia zwrotnego, którą staramy się przerwać.

Piq twierdzi, że jego praca pomogła zidentyfikować prawie 1 GW pojemności sieci dzięki elastycznym rozwiązaniom i technologiom zwiększającym możliwości sieci. Jakie rodzaje zmian operacyjnych lub technologii odblokowują tę pojemność i czy możesz przedstawić przykład, w którym projekt uniknął dużej modernizacji sieci?

Tylko trzy rzeczy mogą odblokować pojemność. Są to wszystkie rodzaje elastyczności operacyjnej, które dopiero niedawno stały się dostępne dla sieci. Nazywamy te trzy typy elastyczności Point Flexibility, Aggregate Flexibility i Network Flexibility.

Elastyczność punktowa to zmiany w miejscu przyłączenia, w tym rozwiązania takie jak bring your own generation (BYOG), limity poboru netto, ograniczanie obciążenia/obciążenia sterowalne i inne. Elastyczność zbiorcza to rozproszone zasoby w sieci, takie jak wirtualne elektrownie (VPP) i agregowane OZE, wykorzystywane do zarządzania ograniczeniami przesyłowymi. Natomiast elastyczność sieciowa to same parametry i konfiguracja sieci — zaawansowana kontrola przepływu mocy, optymalizacja topologii oraz dynamiczna ocena zdolności linii. Ważne jest, że wszystkie trzy można modelować, planować i ostatecznie wdrażać w centrum sterowania.

Najczystszym przykładem jest elastyczność sieciowa. Zbadaliśmy przypadek, w którym ograniczeniem wiążącym był pojedynczy element, a 70 MVAr kontroli przepływu mocy zainstalowanej bezpośrednio przy tym ograniczeniu odblokowało około 600 MW dodatkowej pojemności. Bez nowych linii przesyłowych, bez wieloletnich pozwoleń, jedynie niewielka modernizacja sieci odblokowała 600 MW pojemności.

Wykorzystanie pojemności sieci przesyłowej wynosi jedynie około 35 % w najgorszych warunkach planistycznych. Sieć nie jest w pełni wykorzystana. Chociaż największym wyzwaniem przy podłączaniu dużych obciążeń jest dziś pojemność sieci, ograniczenia występują tylko w określonych miejscach i warunkach. Większość tych ograniczeń ma rozwiązanie, które nie wymaga czekania dekady na nowe linie, a takie rozwiązanie można zidentyfikować poprzez lepsze badanie sieci.

Istnieje szybko rozwijający się ekosystem dla tych trzech typów elastyczności. Firmy takie jak Base Power, Voltus, Smart Wires, NewGrid i inne wdrażają dziś realne rozwiązania na dużą skalę. Jedynym brakującym elementem jest ramowy model analityczny, który umożliwi wprowadzenie tych rozwiązań do studiów przyłączeniowych.

Decyzje inżynieryjne dotyczące sieci mogą wpływać na niezawodność, ceny energii elektrycznej i inwestycje w infrastrukturę przez dziesięciolecia. Jakie zabezpieczenia, procesy walidacji, zezwolenia i ścieżki audytu są niezbędne, zanim operatorzy będą mogli zaufać agentom SI w coraz bardziej złożonych przepływach pracy planistycznej?

W pełni się zgadzamy. Aby podejmować solidne decyzje inżynieryjne, każdy element zautomatyzowanej pracy musi być audytowalny i odtwarzalny. Konieczny jest ślad dokumentacji dla każdej akcji, ponieważ nie chcesz, aby sztuczna inteligencja działała w czarnej skrzynce i wymknęła się spod kontroli.

Nasze ścieżki audytu są wieloaspektowe. Zachowujemy rozmowy agenta, działania agenta oraz deterministyczne wykonanie narzędzia. Każdy podkrok i podproces mapuje i zarządza wszystkimi swoimi wejściami i wyjściami, dzięki czemu wszystko jest audytowalne od początku do końca.

Uprawnienia są również kluczowe. Nasi agenci dziedziczą uprawnienia od użytkownika, z którym pracują. Agent nie może zobaczyć danych ani podjąć działań, które osoba, dla której pracuje, nie mogłaby zobaczyć ani wykonać.

Jest to powiązane z szerszym tematem zarządzania danymi, a agenci zmieniają historyczne paradygmaty. Historycznie zarządzanie dotyczyło danych strukturalnych, ograniczonych do jednego silosu. Dzięki agentom masz dane strukturalne, półstrukturalne i niestrukturalne przemieszczające się pomiędzy silosami — co dokładnie jest tym, co platforma taka jak Piq obiecuje odblokować, i co sprawia, że zarządzanie jest trudniejsze. W grę wchodzi znacznie więcej danych oraz szerszy zakres osób z nimi współpracujących. W organizacji systemów energetycznych ma to podwójne znaczenie: dla wrażliwych na konkurencję informacji inwestycyjnych oraz dla CEII. Na szczęście nad tym pracują inteligentni ludzie, na przykład ci zaangażowani w IEEE Task Force on Data Governance for Power System Organizations.

Piq niedawno pozyskało przekroczoną o 5 milionów dolarów rundę seed, aby rozwinąć swoją platformę. Patrząc pięć lat w przyszłość, jak oczekujesz, że AI zmieni planowanie sieci i czy szybsza analiza będzie wystarczająca, aby nadążyć za zapotrzebowaniem na energię elektryczną generowanym przez centra danych AI, elektryfikację i wzrost przemysłu?

Uważam, że wykorzystanie AI do przyspieszenia analiz jest kluczowe, aby nadążać za zapotrzebowaniem na energię elektryczną. Główny wniosek jest taki, że automatyzacja w tej skali nie polega jedynie na szybszym wykonywaniu tej samej pracy, lecz także umożliwia analizy, które po prostu nie mogłyby zostać przeprowadzone przy ograniczonej ludzkiej przepustowości. Elastyczne połączenia, elastyczne sieci przesyłowe, technologie zwiększające możliwości sieci — wszystko to odblokowuje ukrytą pojemność, która już istnieje w sieci. Łącząc to z przyspieszonymi studiami połączeń, wierzymy, że będziemy w stanie sprostać popytowi.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Piq Energy.