Поиск реальных партнеров: как коммунальные предприятия оценивают поставщиков искусственного интеллекта

Энергетический мир претерпевает масштабные изменения, переосмысливая системы, разработанные более века назад, чтобы освободить место для появления более интеллектуальных и экологически чистых технологий. Это захватывающее время — практически каждая отрасль в той или иной степени электрифицируется, электромобили (EV) набирают обороты на рынке, и происходит активный переход к поддержке распределенных энергетических ресурсов (DER), «малых энергетических ресурсов», обычно расположенных рядом с объектами. использования электроэнергии, таких как солнечные панели на крыше и аккумуляторные батареи. Последнее имеет большое значение, и, поскольку Международная энергетическая ассоциация (МЭА) отмечает, что быстрое распространение РЭР «изменит не только способ производства электроэнергии, но и то, как она продается, доставляется и потребляется» в будущем.

Для наблюдателя все эти изменения являются положительными, устойчивыми и давно назревшими. Но на практике стремительное развитие возобновляемых источников энергии и электрификации создает дополнительную нагрузку и расширяет возможности нашей сети. Наряду с давлением со стороны возобновляемых источников энергии, мировые энергосистемы также сталкиваются с серьезными проблемами, связанными с экстремальными погодными явлениями, связанными с продолжающимся изменением климата – засухами в Европе, аномальной жарой в Индии, сильными зимними штормами в США – все это приводит к экспоненциальному увеличению количества проверок, технического обслуживания. , и затраты на ремонт. Лидеры коммунального сектора в настоящее время сосредоточены на повышении уровня модернизации, надежности и отказоустойчивости сети.

Сфотографируй, это продлится дольше

Для коммунальных предприятий их оборудование часто является самым важным активом и требует постоянного тщательного обслуживания. Выполнение этого обслуживания зависит от постоянного потока данных (обычно в форме изображений), которые коммунальные службы могут анализировать для обнаружения операционных аномалий. Сбор этих данных осуществляется разными способами: от беспилотников и самолетов до рабочих, которые физически ходят по объекту. А благодаря новым технологиям, таким как БПЛА/дроны и вертолетные камеры высокого разрешения, объем данных увеличился астрономически. Из наших бесед со многими коммунальными компаниями мы знаем, что сейчас коммунальные службы собирают в 5-10 раз больше данных, чем они собирали в последние годы.

Все эти данные еще больше замедляют и без того медленный рабочий цикл проверок. В среднем коммунальные службы тратят эквивалент 6-8 месяцев рабочего времени в год на анализ данных проверки. (Предоставлено интервью с клиентом коммунальной службы Западного побережья, которая собирает 10 миллионов изображений в год) Основная причина такого избытка заключается в том, что этот анализ по-прежнему в основном выполняется вручную, и когда компания ежегодно делает миллионы инспекционных изображений, процесс становится крайне немасштабируемым. На самом деле анализ аномалий занимает так много времени, что большая часть данных устаревает к моменту их фактической проверки, что в лучшем случае приводит к неточной информации, а в худшем — к повторным проверкам или опасным условиям. Это большая проблема с большими рисками. Аналитики оценивают что энергетический сектор ежегодно теряет 170 миллиардов долларов из-за сетевых сбоев, принудительных отключений и массовых бедствий.

Создание коммунальных служб будущего с помощью проверок инфраструктуры с помощью ИИ

Чтобы сделать нашу сеть более надежной и отказоустойчивой, потребуются две вещи – деньги и время. К счастью, именно здесь новые технологии и инновации могут помочь оптимизировать процесс проверки. Влияние искусственного интеллекта (ИИ) и машинного обучения (МО) на сектор коммунальных услуг невозможно переоценить. ИИ/МО чувствует себя как дома в этой богатой данными среде, и по мере того, как объем данных увеличивается, способность ИИ преобразовывать горы информации в значимые идеи становится все лучше. Согласно Utility Dive, в отрасли «уже существует широкое согласие в отношении того, что [ИИ/МО] имеет потенциал для выявления оборудования, подверженного риску отказа, намного быстрее и безопаснее, чем текущий метод», основанный на ручных проверках.

Хотя перспективы этой технологии неоспоримы, создание собственной индивидуальной программы AI/ML внутри компании — медленный и трудоемкий процесс, чреватый сложностями и препятствиями. Эти проблемы заставили многие коммунальные предприятия искать дополнительную поддержку у внешних консультантов и поставщиков.

3 вещи, которые следует учитывать при оценке потенциального партнера AI/ML

При поиске партнера по AI/ML действия важнее слов. Есть много хитрых компаний, которые могут обещать луну, но лидеры коммунальных служб должны детально изучить несколько важных показателей, чтобы точно оценить влияние. Одним из наиболее важных является то, как поставщик описывает/поставляет:

Рост модели с течением времени – Создание разнообразных наборов данных (данных, которые содержат множество аномалий для анализа) занимает значительное время (часто несколько лет), а определенные типы аномалий не возникают с достаточно высокой частотой, чтобы обучить успешную модель ИИ. Например, обучение алгоритма обнаружению таких вещей, как гниль, норы дятла или ржавые заслонки, может оказаться сложной задачей, если они нечасто встречаются в вашем регионе. Поэтому обязательно спросите поставщика AI/ML не только о количестве их наборов данных, но также об их качестве и разнообразии.

Скорость – Время – деньги, и любой авторитетный поставщик AI/ML должен быть в состоянии четко показать, как их предложение ускоряет процесс проверки. Например, Buzz Solutions сотрудничает с Управлением энергетики Нью-Йорка (NYPA) предоставить платформу на основе искусственного интеллекта, предназначенную для значительного сокращения времени, необходимого для проверки и анализа. В результате появилась программа, которая могла анализировать изображения активов за часы или дни, а не за месяцы, как раньше. Эта экономия времени позволила группам технического обслуживания NYPA расставить приоритеты в ремонте и снизить вероятность поломки.

Качество/точность – При отсутствии реальных данных для программ AI/ML компании иногда дополняют синтетические данные (т. е. данные, искусственно созданные компьютерными алгоритмами), чтобы заполнить пробелы. Это популярная практика, и аналитики прогнозируют что 60% всех данных, используемых при разработке ИИ, будут синтетическими (а не реальными) уже к 2024 году. Но хотя синтетические данные хороши для теоретических сценариев, они плохо работают в реальных условиях, где вам нужно реальные данные (и человек в курсе вмешательства) для самокоррекции. Подумайте о том, чтобы запросить у поставщика сочетание реальных и синтетических данных, чтобы разделение имело смысл.

И помните, работа не заканчивается после того, как вы выбрали партнера. Новая идея от Gartner — проведение регулярных «Конкурс ИИ” - описываются как «быстрые информативные сессии, которые позволяют вам увидеть поставщиков бок о бок, используя демонстрационные сценарии и общий набор данных в контролируемой обстановке», чтобы оценить сильные и слабые стороны каждого из них. Этот процесс устанавливает четкие показатели, которые напрямую связаны с масштабируемостью и надежностью алгоритмов AI/ML, которые затем согласуются с бизнес-целями коммунального предприятия.

Обеспечение будущего коммунального хозяйства

От более эффективной интеграции рабочих процессов до сложного обнаружения аномалий ИИ — отрасль коммунальных услуг находится на гораздо более ярком пути, чем даже несколько лет назад. Тем не менее, это нововведение необходимо будет продолжать, особенно с учетом того, что к 2030 году мандаты на инспекции T&D удвоятся, правительство объявило о поддержании и защите энергетической инфраструктуры в качестве главных приоритетов национальной безопасности.

Впереди еще много работы, но однажды мы оглянемся на это время как на переломный период, момент, когда лидеры отрасли вложили средства в будущее нашей энергосистемы и привнесли коммунальные услуги в современную эпоху.