Tom Nudell, CEO и соучредитель Piq Energy — серия интервью

Tom Nudell, CEO и соучредитель Piq Energy, является инженером электроэнергетических систем и технологическим руководителем с глубоким опытом в аналитике сетей, планировании передачи и энергетической инфраструктуре. До основания Piq Energy он проработал почти семь лет в Smart Wires, где прошёл несколько руководящих позиций в аналитике и в конечном итоге стал директором по продуктовой и аналитической поддержке решений, возглавляя междисциплинарные команды инженеров по планированию передачи, программных инженеров и аналитиков, работающих над передовыми исследованиями планирования сетей и автоматизированными аналитическими системами. Ранее Нуделл был постдокторским научным сотрудником в MIT, где его работа была сосредоточена на устойчивости взаимосвязанных энергетических систем, управлении микросетями и транзакционном управлении. Он также проводил исследования в North Carolina State University по локализации возмущений в крупномасштабных электросетях с использованием измерений в реальном времени, физически‑информированного машинного обучения, теории управления и оптимизации.

Piq Energy — компания, разрабатывающая программное обеспечение для планирования сетей, сосредоточенная на ускорении подключения новых энергетических проектов, дата‑центров и других крупных электрических нагрузок к электросети. Ее платформа позволяет разработчикам и коммунальным компаниям выполнять сложные сетевые исследования внутри компании, автоматизировать инженерные рабочие процессы, оценивать потенциальные точки подключения и быстрее тестировать многочисленные сценарии проектов и сетей. Piq разрабатывает агентную платформу планирования сетей, объединяющую модели электроэнергетических систем, данные, инженерные инструменты и рабочие процессы, управляемые ИИ, в единой среде, с применением в солнечной, ветровой энергетике, аккумуляторных системах хранения энергии и крупных нагрузках. Компания заявляет, что её технология управляет более чем 1 000 моделями передающих сетей и использовалась для выполнения более чем 10 000 инженерных рабочих процессов, стремясь сократить один из крупнейших узких мест в новых энергетических и вычислительных инфраструктурах: длительные процессы подключения к сетям.

Ваша карьера охватывала исследования машинного обучения, основанного на физике, работу по повышению устойчивости сетей в MIT и семь лет построения аналитики планирования передачи в Smart Wires. Как эти опыты привели вас к выявлению конкретной проблемы, ставшей основой Piq Energy?

Моя кандидатская диссертация была в области вычислительных энергетических систем, где я сосредоточился на мониторинге и управлении в реальном времени на широких территориальных масштабах. Затем я продолжил постдокторантуру в MIT, изучая устойчивые электросети и динамические рыночные механизмы. После постдокторантуры я присоединился к Smart Wires, где провёл семь лет, создавая и развивая аналитическую команду. Моя команда обеспечивала глобальное покрытие инженерии энергетических систем на четырёх континентах, обладая экспертизой в потоках мощности, рыночном моделировании, динамике, EMT и аппаратном моделировании в реальном времени.

В течение трёх месяцев после присоединения к Smart Wires я понял, что планирование сетей по сути является огромной и сложной задачей в области науки о данных. Я начал задумываться, как упростить и автоматизировать самые дорогостоящие части процесса: определение анализа, координацию между различными экспертами и создание и валидацию моделей. Чтобы улучшить процесс планирования сетей, мы разработали несколько ключевых идей. Первая — воспроизводимость: если ваш анализ на 100 % воспроизводим, то маржинальные затраты на повторный запуск анализа другим человеком/экспертом должны быть нулевыми. Эта воспроизводимость критически важна для обеспечения бесшовного сотрудничества между разработчиками, коммунальными компаниями и другими третьими сторонами при проведении сетевых исследований. Вторая — применение концепции «все модели ошибочны, некоторые полезны» и сосредоточение на проверке того, что у нас есть полезная модель для текущей задачи, а не попытка построить и управлять самой «точной» моделью для всего. (Под «моделями» здесь мы подразумеваем модели сетевых топологий, динамические модели устройств и установок и т.д.).

Эти первоначальные идеи подтолкнули меня и Дио, моего соучредителя, к мечте о сложной программной платформе для автоматизации нашей работы. В то же время мы наблюдали, как очередь на подключение становилась огромным узким местом для сети. Мы также видели растущие сложности при подключении новых технологий сетей, включая инверторные ресурсы (IBR, включая все новые возобновляемые проекты) и технологии улучшения сети, такие как оборудование SmartValve, которое продавала Smart Wires. Дио и я поняли, что знаем, как решить эти проблемы, но для этого нам нужно создать программную компанию.

Существует три составляющих: во‑первых, мой опыт в вычислительных электроэнергетических системах и управление глобальной аналитической командой стали фундаментом. Во‑вторых, работа, которую мы уже проделали в Smart Wires, доказала, что существует реальная ощутимая ценность для создания. И, наконец, макросреда — масштаб проблемы, который одновременно является масштабом возможности — послужила катализатором для перехода к основанию Piq Energy.

Piq описывает себя как “агентную платформу планирования сетей”. Что делает систему агентной, а не просто платформой автоматизации или аналитики, и какие задачи её AI‑агенты могут самостоятельно планировать и выполнять?

Piq ускоряет процесс подключения. Технический анализ в настоящее время является крупнейшим узким местом в подключении, поэтому мы создаём автономную платформу планирования сетей, чтобы ускорить эти технические анализы.

Существуют уровни автоматизации. На сегодняшний день эти уровни автоматизации явно не определены для планирования сетей и подключения, но вы можете представить нечто аналогичное уровням автоматизации SAE для вождения. Я упоминал эту идею в своей статье 2018 года, опубликованной на Всемирном конгрессе CIGRE. [T. Nudell, et al. “On Developing Automated Tools for Reliability Planning”, CIGRE Paris C1-201, 2018.].

Сейчас у нас есть эта удивительная, универсальная технология — большие языковые модели, и вместе с Piq мы выясняем, как использовать агентную автономию, при этом гарантируя, что физика и инженерные расчёты выполняются правильно, полностью воспроизводимо и поддаётся аудиту каждый раз.

Сегодня наш агент настраивает модели и сценарии, запускает исследования, перекрёстно ссылается на опубликованные отчёты, анализирует результаты и пишет новые отчёты, основанные на данных исследования.

Исследования сетей опираются на проверенное инженерное программное обеспечение, детальные модели сетей и строгие физические ограничения. Как Piq сочетает ИИ с этими детерминированными инструментами, не позволяя вероятностной модели переопределять базовую физику электроэнергетической системы?

Вы правы, исследования сетей опираются на проверенное программное обеспечение, детальные модели и известную физику. Наша платформа позволяет агентам дополнять человеческую экспертизу, используя наши данные и контекст о том, какие исследования проводить, как настраивать сценарии, а затем опираясь на конкретные данные результатов.

Однако всё промежуточное представляет собой масштабируемую детерминированную автоматизацию. Агентами никогда не пишется новый код, и не используются неизвестные симуляторы физики. Это приводит к гораздо более надёжной платформе по сравнению с другими подходами, поскольку работа агента воспроизводима и поддаётся аудиту, и каждый раз выполняется корректно. Другими словами, если инженер‑человек проверяет результат, он должен суметь воспроизвести каждый шаг процесса и получить те же результаты.

Какие части традиционного исследования подключения или планирования передачи Piq может автоматизировать сегодня, а какие решения всё ещё должны быть проверены и одобрены квалифицированным инженером?

Сегодня Piq предоставляет разработчикам набор инструментов для всего процесса исследования подключения.

Первый — это высокоуровневый анализ новых территорий (greenfield) на больших площадях, который мы называем региональным скрининг‑анализом. Он предоставляет тепловую карту доступной мощности N‑1 на каждом узле региона, позволяя увидеть, где сеть действительно имеет резерв перед тем, как вы выбираете место.

Второй — более детальный скрининг конкретного места — исследование POI (точка подключения) или точечный скрининг. Такие исследования глубоко анализируют одну точку подключения: все ограничения сети, потенциальные модернизации и их стоимость для проекта, подключающегося к этой точке.

Третий — управление очередью. Здесь разработчики могут моделировать теорию игр кластерного исследования, понимая детальное распределение затрат и то, как оно меняется при изменении пула генераторов. Проекты масштабируются, некоторые выходят из расчётов, другие разработчики предпринимают действия, и ваше распределение затрат меняется вместе с ними. Это динамическая задача, и сегодня большинство разработчиков узнают о ней уже после того, как она произошла, а не моделируют её заранее.

Piq также автоматизирует процесс создания и валидации динамических моделей установок — оборудования и систем управления, представляющих дата‑центры, солнечные фермы и других участников сети.

Все эти модели, результаты и отчёты требуют участия человека, который может задавать входные данные и проверять выводы. Мы пока не заявляем о наличии полностью автономной системы, и я бы не доверял тем, кто утверждает обратное.

Piq завершил более 10 000 производственных исследований. Чему вас научила работа в таком масштабе в отношении поддержания точности моделей, отслеживания меняющихся условий сети и получения результатов, которые инженеры могут воспроизводить и проверять?

Показатель в 10 000 уже устарел, и с января (когда эта цифра была опубликована) мы проводим 2 000 исследований в месяц, и продолжаем расти. Это результат роста нашей пользовательской базы, а также того, что всё больше пользователей создают внутренние системы, способные масштабироваться.

Работа в таком темпе учит, что воспроизводимость — это не добавленная функция. Это ограничение, определяющее, сможете ли вы вообще работать с такой скоростью. Если исследование нельзя воспроизвести, его нельзя проверить, а без проверки никто не может действовать на его основе. Если ваши исследования не приводят к практическим действиям, вы просто генерируете объём, а не ценность. Всё, как мы построили платформу, вытекает из идеи создания полезных моделей и проведения ценных исследований.

Piq позволяет разработчикам дата‑центров и другим клиентам с большими нагрузками оценивать потенциальные площадки и варианты подключения до обращения к поставщику электроэнергии. Как такие исследования, инициированные разработчиками, могут ускорить процесс, не создавая противоречивых предположений и не дублируя официальные анализы поставщика?

Коммунальная компания всё ещё должна провести собственное официальное исследование, но наши клиенты не могут ждать. Сегодня получение официальных результатов может занять более года, и тем временем наши клиенты держат сотни миллионов долларов инвестиций. У них есть оборудование для закупки, земля для приобретения и позиции подключения, которые нужно обеспечить по всей стране. Мы даём нашим клиентам возможность принимать эти решения до официального исследования коммунальной компании. Мы также видели, как наши клиенты могут влиять на направление коммунальной компании, будучи оснащёнными инсайтами о гибких решениях подключения или альтернативных модернизациях для подключения дополнительной мощности.

То, что мы предлагаем, — быстрый и эффективный способ предварительно увидеть будущее. У никого нет хрустального шара (и вы не знаете, с кем ещё конкурируете в очереди), но если исследования доступны и быстры, то изучение множества сценариев помогает нашим клиентам принимать более обоснованные решения по использованию капитала. Мы также предоставляем возможность нашим клиентам исследовать альтернативные модернизации, чтобы раскрыть существующую мощность их системы и работать рука об руку с коммунальными компаниями как настоящие партнёры.

Коммунальные компании Калифорнии получили запросы на примерно 18,7 ГВт новой мощности для дата‑центров, хотя многие предлагаемые проекты, возможно, никогда не будут построены. Может ли ИИ помочь коммунальным компаниям отличать достоверные проекты от спекулятивных или дублирующих запросов и предотвратить появление «фантомных нагрузок», искажающих долгосрочное планирование сети?

Спекуляция не является иррациональной. Учитывая, сколько времени требуется, чтобы проект был изучен и подключён, любой, кто может позволить себе подать спекулятивные запросы на подключение, сделает это. Это рациональная реакция на существующий сегодня процесс подключения. По нашему мнению, если бы проекты могли быть изучены и подключены так же быстро, как их можно построить, не было бы стимула к спекуляции.

Итак, ответ не в том, чтобы использовать ИИ для выявления спекуляций. Вместо этого ответ заключается в использовании ИИ для реального улучшения процесса — более эффективного подключения большей нагрузки. Это означает применение ИИ как для ускорения самого процесса изучения подключения, так и для поиска альтернативных мер смягчения, включая технологии повышения эффективности сети и гибкие подключения. В сочетании с регуляторными изменениями, такими как повышение стоимости заявок, увеличение депозитов и пересмотр тарифов на подключение, ИИ может открыть гораздо более эффективную систему с существенно меньшим уровнем спекуляций.

Но при отсутствии изменений проблемы с фантомными нагрузками будут продолжать нарастать. Чем больше фантомных нагрузок, тем больше сценариев для изучения, что усложняет долгосрочное планирование для специалистов коммунальных компаний, замедляя всю систему. Более медленная система усиливает стимул к спекуляции. Именно это мы наблюдали в очередях на подключение генераторов, что подтолкнуло нас к созданию Piq в 2023 году, и именно этот замкнутый цикл мы пытаемся разорвать.

Piq заявляет, что её работа помогла выявить почти 1 ГВт сетевой мощности благодаря гибким решениям и технологиям повышения эффективности сети. Какие типы оперативных изменений или технологий раскрывают эту мощность, и можете ли вы привести пример проекта, который избежал крупного сетевого обновления?

Только три вещи могут раскрыть мощность. Это все типы оперативной гибкости, которые до недавнего времени не были доступны сети. Мы называем эти три типа гибкости Point Flexibility, Aggregate Flexibility и Network Flexibility.

Гибкость на точке подключения — это изменения непосредственно в точке подключения, включая такие решения, как привлечение собственной генерации (BYOG), ограничения на сетевой вывод, сокращение нагрузки/контролируемые нагрузки и прочее. Совокупная гибкость — это распределённые ресурсы по сети, такие как ВПП и агрегированные ДЭР, используемые для управления ограничениями передачи. А сетевая гибкость — это параметры и конфигурация самой сети: продвинутый контроль потоков мощности, оптимизация топологии и динамический рейтинг линий. Главное, что все три типа могут быть смоделированы, спланированы и в конечном итоге внедрены в диспетчерскую.

Самый чистый пример — сетевая гибкость. Мы изучали случай, когда ограничивающим фактором был один элемент, и внедрение контроля потока мощности в объёме 70 МВАр непосредственно на этом ограничении открыло примерно 600 МВт дополнительной мощности. Никаких новых линий передачи, никаких многолетних разрешений, лишь небольшое сетевое обновление, позволяющее раскрыть 600 МВт мощности.

Использование пропускной способности сетей передачи составляет лишь около 35 % в условиях наихудшего планирования. Сеть не заполнена. Хотя сегодня главной проблемой подключения крупных нагрузок является сетевой потенциал, сеть ограничена лишь в определённых местах при определённых условиях. Большинство этих ограничений имеют решение, не требующее десятилетнего ожидания новых линий, и это решение можно выявить при более тщательном изучении сети.

Для этих трёх типов гибкости быстро растёт экосистема. Компании, такие как Base Power, Voltus, Smart Wires, NewGrid и другие, уже внедряют реальные решения в масштабе. Единственное, чего не хватает, — аналитической структуры, позволяющей включить эти решения в исследования подключения с самого начала.

Инженерные решения, связанные с сетью, могут влиять на надёжность, цены на электроэнергию и инвестиции в инфраструктуру на протяжении десятилетий. Какие меры предосторожности, процессы валидации, разрешения и аудиторские следы необходимы, чтобы коммунальные компании могли доверять ИИ‑агентам в всё более сложных рабочих процессах планирования?

Мы полностью согласны. Чтобы принимать обоснованные инженерные решения, каждый элемент автоматизированной работы должен быть проверяемым и воспроизводимым. Для каждого действия необходима документальная цепочка, ведь вы не хотите, чтобы ИИ работал в закрытом ящике и выходил из‑под контроля.

Наши аудиторские следы многогранны. Мы сохраняем диалоги агентов, действия агентов и детерминированное выполнение инструментов. Каждый подпункт и подпоток работы фиксирует и управляет всеми своими входными и выходными данными, поэтому всё проверяется от начала до конца.

Разрешения также имеют решающее значение. Наши агенты наследуют права от пользователя, с которым работают. Агент не может видеть данные или выполнять действия, которые человек, от имени которого он действует, сам не может видеть или выполнять.

Это связано с более широкой темой управления данными, и агенты меняют исторические парадигмы. Традиционно управление касалось структурированных данных, ограниченных одним силосом. С агентами у вас есть структурированные, полуструктурированные и неструктурированные данные, перемещающиеся между силосами — именно то, что обещает платформа вроде Piq, и именно это усложняет управление. Данных в игре гораздо больше, и взаимодействует более широкий круг людей. В организации электроэнергетических систем это имеет двойное значение: для конфиденциальной инвестиционной информации и для CEII. К счастью, над этим работают умные специалисты, в том числе участники рабочей группы IEEE по управлению данными для организаций электроэнергетических систем.

Piq недавно привлек переоформленный посевной раунд в размере 5 млн долларов для расширения своей платформы. Смотря на пять лет вперёд, как вы ожидаете, что ИИ изменит планирование сетей, и будет ли более быстрый анализ достаточным, чтобы успевать за спросом на электроэнергию, создаваемым ИИ‑центрами обработки данных, электрификацией и ростом промышленности?

Я считаю, что использование ИИ для ускорения анализа является ключом к поддержанию темпов спроса на электроэнергию. Главный вывод состоит в том, что автоматизация в таком масштабе — это не только выполнение той же работы быстрее, но и возможность проводить анализ, который просто невозможен при ограниченных человеческих ресурсах. Гибкие соединения, гибкие передающие сети, технологии повышения эффективности сетей — всё это раскрывает скрытый потенциал, уже существующий в сети сегодня. Совмещая это с ускоренными исследованиями соединений, мы полагаем, что сможем успевать за спросом.

Спасибо за отличное интервью, читатели, желающие узнать больше, должны посетить Piq Energy.