รายงาน

รายงานสำรวจการใช้แบตเตอรี่ในบ้านเพื่อรองรับความต้องการไฟฟ้าของศูนย์ข้อมูล โดยปลดล็อกความยืดหยุ่นโดยไม่ต้องลดการจ่ายไฟ

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
Conceptual illustration of residential batteries connected through an electricity substation to a data center.

รายงาน ปลดล็อกความยืดหยุ่นโดยไม่ต้องลดการจ่ายไฟ ของ Piq Energy สำรวจว่าแบตเตอรี่ในบ้านที่ประสานการทำงานร่วมกันจะช่วยให้ผู้ใช้ไฟฟ้ารายใหญ่เชื่อมต่อกับโครงข่ายไฟฟ้าที่มีข้อจำกัดได้อย่างไร รายงานเผยแพร่เมื่อวันที่ 29 ตุลาคม โดยอธิบายงานที่ทำร่วมกับ Base Power ซึ่งการสั่งจ่ายแบตเตอรี่แบบเจาะจงช่วยบรรเทาภาวะสายส่งเกินพิกัดในแบบจำลอง อันเกิดจากโหลดขนาด 100 MW ที่เสนอให้ติดตั้งใกล้เมืองฟอร์ตเวิร์ท รัฐเท็กซัส

ข้อค้นพบนี้เกี่ยวข้องกับศูนย์ข้อมูล AI ซึ่งการเข้าถึงไฟฟ้าขึ้นอยู่กับทั้งความสามารถของโครงข่ายในการส่งจ่ายไฟและความพร้อมของแหล่งผลิตไฟฟ้า นอกจากนี้ ยังสะท้อนบทบาทอีกด้านหนึ่งของ AI ด้วย กล่าวคือ Piq ใช้แพลตฟอร์มวางแผนแบบเอเจนต์เพื่อจัดระเบียบการวิเคราะห์ทางวิศวกรรมที่จำเป็นต่อการประเมินแนวทางแก้ปัญหาโครงข่ายไฟฟ้าที่เป็นไปได้

แบตเตอรี่ในบ้านในฐานะทรัพยากรสำหรับวางแผนระบบส่งไฟฟ้า

Base Power พัฒนา ติดตั้ง และดำเนินงานระบบแบตเตอรี่สำหรับที่อยู่อาศัย ธุรกิจของบริษัทผสานการสำรองไฟฟ้าสำหรับครัวเรือนเข้ากับการบริหารการทำงานร่วมกันที่ช่วยสนับสนุนโครงข่ายไฟฟ้า แบตเตอรี่ชุดเดียวกันจึงตอบโจทย์ความมั่นคงด้านพลังงานในพื้นที่ และเป็นส่วนหนึ่งของทรัพยากรขนาดใหญ่ที่บริหารจัดการร่วมกันได้

ประเด็นในการวางแผนคือทรัพยากรดังกล่าวจะสร้างความเปลี่ยนแปลงได้ตรงจุดใด การเพิ่มความต้องการใช้ไฟฟ้าทำให้กระแสไฟฟ้าในโครงข่ายเปลี่ยนแปลงไป และตำแหน่งติดตั้งแบตเตอรี่ที่มีประสิทธิภาพสูงสุดก็ไม่จำเป็นต้องอยู่ใกล้ผู้ใช้ไฟฟ้าที่ต้องการเชื่อมต่อ การชาร์จไฟที่จุดหนึ่งแล้วจ่ายไฟออกจากอีกจุดหนึ่งสามารถปรับทิศทางการไหลของไฟฟ้าให้พ้นจากอุปกรณ์ในระบบส่งที่มีโหลดเกินพิกัดได้

โครงการนำร่อง ทรัพยากรพลังงานแบบกระจายที่รวบรวมไว้ ของ ERCOT วางกรอบให้สถานที่หลายแห่งที่เชื่อมต่อกับระบบจำหน่ายตอบสนองต่อคำสั่งสั่งจ่ายไฟร่วมกัน ข้อกำหนดด้านการขึ้นทะเบียน ระบบวัดและส่งข้อมูล และการรับรองคุณสมบัติ แสดงให้เห็นว่าการประสานงานแบตเตอรี่ทั้งกลุ่มมีความซับซ้อนมากกว่าการนำค่าพิกัดกำลังไฟฟ้าของแบตเตอรี่แต่ละชุดมารวมกัน

ผลการศึกษาที่ Burleson Switch

รายงานพิจารณาการเชื่อมต่อที่เสนอ ณ Burleson Switch ในพื้นที่ให้บริการของ Oncor การเพิ่มโหลด 100 MW ทำให้เกิดข้อจำกัดด้านความร้อน 8 จุด ครอบคลุมอุปกรณ์ระบบส่งไฟฟ้า 5 แห่ง การสั่งจ่ายไฟที่ประสานกันจาก 11 จุดช่วยแก้ข้อจำกัดทั้ง 8 จุดได้ในแบบจำลอง โดยต้องสั่งจ่ายกำลังไฟฟ้าจากแบตเตอรี่รวมประมาณ 81.5 MW

กรณีที่มีโหลดสูงขึ้นแสดงให้เห็นถึงผลตอบแทนที่ลดลง:

โหลดใหม่ในแบบจำลอง กำลังไฟฟ้าจากแบตเตอรี่ที่สั่งจ่ายรวม จำนวนข้อจำกัดด้านความร้อนที่แก้ไขได้
100 MW 81.5 MW 8 จาก 8 จุด
200 MW, ชุดทรัพยากรที่มีประสิทธิภาพ 296.3 MW 25 จาก 30 จุด
200 MW, ชุดทรัพยากรที่แก้ไขข้อจำกัดได้ครบ 1,245.5 MW 30 จาก 30 จุด

กรณีแรกสนับสนุนให้ศึกษาการใช้แบตเตอรี่แบบกระจายตัวเพิ่มเติม ส่วนกรณีที่สองแสดงให้เห็นว่า ประโยชน์ของแบตเตอรี่ขึ้นอยู่กับตำแหน่งที่ตั้งและสภาวะของโครงข่าย เพราะการแก้ข้อจำกัดที่เหลืออยู่เพียงไม่กี่จุดอาจต้องใช้ทรัพยากรจำนวนมากกว่ามาก การผสมผสานทรัพยากรที่ปรับการทำงานได้อย่างยืดหยุ่นเข้ากับการปรับปรุงระบบแบบเดิมอาจเป็นแนวทางที่ใช้ได้จริงกว่า

เหตุใด 81.5 MW จึงไม่ใช่แหล่งจ่ายไฟของศูนย์ข้อมูล

เอกสารวิชาการฉบับเต็มที่เป็นพื้นฐานของการศึกษานี้ ลงวันที่ 1 กันยายน แยกการสั่งจ่ายไฟฟ้ารวมออกจากการจ่ายไฟฟ้าเข้าสู่ระบบสุทธิ ในกรณีฉุกเฉินที่ยกมาเป็นตัวอย่าง แบตเตอรี่จ่ายไฟฟ้าเข้าสู่ระบบ 43.2 MW ขณะที่แบตเตอรี่อีกส่วนหนึ่งดึงไฟฟ้าออกไป 38.2 MW จึงเหลือการจ่ายไฟฟ้าเข้าสู่ระบบสุทธิ 5 MW

แบตเตอรี่ช่วยปรับทิศทางการไหลของไฟฟ้า ไม่ได้จ่ายไฟให้โหลดทั้งหมด 100 MW ลูกค้ารายใหม่ยังคงต้องมีแหล่งจ่ายพลังงาน ส่วนมาตรการที่จำลองขึ้นมานั้นมีเป้าหมายเพื่อแก้ปัญหาสายส่งเกินพิกัด กำลังไฟฟ้าของแบตเตอรี่ซึ่งวัดเป็น MW ยังแตกต่างจากพลังงานที่กักเก็บไว้ซึ่งวัดเป็น MWh โดยค่าหลังเป็นตัวกำหนดว่าจะตอบสนองได้นานเพียงใด

AI แบบเอเจนต์มีบทบาทอย่างไรในงานวิศวกรรมโครงข่ายไฟฟ้า

เทคโนโลยีของ Piq ผสานชุดข้อมูลโครงข่ายไฟฟ้า เครื่องมือจำลอง และกระบวนการทำงานด้านวิศวกรรมที่ทำซ้ำได้ Delphi ซึ่งเป็นเอเจนต์วางแผนของบริษัท ช่วยกำหนดค่าการศึกษา สำรวจแบบจำลองโครงข่าย เปรียบเทียบผลลัพธ์ และร่างรายงาน โดยวิศวกรยังคงเป็นผู้มีอำนาจตัดสินใจ

บริษัทอธิบายว่าระบบทำงานโดยใช้คำสั่งภาษาธรรมชาติเพื่อช่วยประสานการวิเคราะห์แบบกำหนดผลลัพธ์ การประมวลผลการศึกษาหลายรายการพร้อมกันช่วยให้ทดสอบสถานการณ์ได้มากขึ้น และผลลัพธ์ยังคงเชื่อมโยงกับเวอร์ชันของแบบจำลองแต่ละชุด ประเด็นนี้เป็นหัวใจสำคัญของบทบาท AI กล่าวคือ โมเดลภาษาช่วยจัดระเบียบงานได้โดยไม่ต้องแทนที่การคำนวณการไหลของกำลังไฟฟ้าที่ใช้ประเมินโครงข่ายไฟฟ้า

ในการสัมภาษณ์ Tom Nudell ผู้ร่วมก่อตั้งและประธานเจ้าหน้าที่บริหารของ Unite.AI เขาเน้นย้ำถึงความสำคัญของการทำซ้ำผลลัพธ์ได้ และงานที่ต้องใช้ในการประสานผู้เชี่ยวชาญ กำหนดการวิเคราะห์ และสร้างแบบจำลองที่เป็นประโยชน์ รายงานฉบับนี้แสดงให้เห็นแนวทางดังกล่าวผ่านการนำไปใช้ในกรณีหนึ่งโดยเฉพาะ Piq ระบุว่าบริษัททำโครงการเสร็จภายในไม่กี่วัน เทียบกับแนวทางทั่วไปที่บริษัทประเมินว่าต้องใช้เวลาหลายเดือน ทั้งนี้ การเปรียบเทียบดังกล่าวเป็นการประเมินของบริษัท ไม่ใช่ผลจากการทดสอบเปรียบเทียบที่มีการควบคุมอย่างเป็นอิสระ

ประเด็นที่ยังต้องพิสูจน์เพิ่มเติม

การศึกษาทางเทคนิคนี้ใช้การวิเคราะห์การไหลของกำลังไฟฟ้ากระแสตรง (DC) และประเมินข้อจำกัดด้านความร้อน ก่อนนำไปใช้จริง ยังต้องประเมินเพิ่มเติมในด้านการไหลของกำลังไฟฟ้ากระแสสลับ (AC) แรงดันไฟฟ้า เสถียรภาพ การสื่อสาร และความเชื่อถือได้ในการปฏิบัติงาน การหาค่าเหมาะที่สุดนี้ไม่ได้นำราคามาคำนวณ จึงไม่ได้ระบุว่าทางเลือกใดเป็นโซลูชันเชิงพาณิชย์ที่มีต้นทุนต่ำที่สุด

ผลลัพธ์เชิงตัวเลขใช้ได้กับจุดเชื่อมต่อ กลุ่มแบตเตอรี่ที่ตั้งสมมติฐานไว้ และสภาวะของโครงข่ายที่นำมาศึกษาเท่านั้น จึงไม่สามารถนำไปใช้กับสถานที่อื่นได้โดยตรง นอกจากนี้ ตัวแบบเองก็ไม่ได้ยืนยันว่ามีการอนุมัติการเชื่อมต่อที่จ่ายไฟได้อย่างมั่นคงและเปิดใช้งานแล้ว

การอภิปรายเรื่องการรวบรวมทรัพยากรแบบกระจายของ Base อธิบายถึงความสนใจเชิงพาณิชย์ในการพิจารณาแบตเตอรี่ ณ ตำแหน่งต่าง ๆ บนระบบส่งไฟฟ้าโดยเฉพาะ สำหรับผู้พัฒนา โอกาสอยู่ที่การประเมินความยืดหยุ่นควบคู่ไปกับการขยายโครงสร้างพื้นฐาน ส่วนผู้ปฏิบัติงานยังจำเป็นต้องมีการสั่งจ่ายไฟที่เชื่อถือได้และมีกฎเกณฑ์กำกับการใช้งานอย่างชัดเจน

แนวทางที่ตรงจุดยิ่งขึ้นในการแก้ข้อจำกัดด้านพลังงานของศูนย์ข้อมูล

รายงานชี้ให้เห็นบทบาทที่นำไปใช้ได้จริงของ AI ในการวางแผนโครงสร้างพื้นฐาน กล่าวคือ ช่วยให้ตรวจสอบการผสมผสานทรัพยากรต่าง ๆ ได้ง่ายขึ้น ระบุได้ว่าทรัพยากรเหล่านั้นช่วยตรงจุดใด และเผยให้เห็นว่าประโยชน์ที่ได้รับเริ่มลดลงเมื่อใด การวิเคราะห์ที่รวดเร็วขึ้นช่วยให้เลือกโครงการได้ดีขึ้น แม้ผลสรุปจะชี้ว่าแบตเตอรี่เพียงอย่างเดียวยังไม่เพียงพอก็ตาม

ผู้อ่านสามารถตรวจสอบข้อค้นพบได้ใน ปลดล็อกความยืดหยุ่นโดยไม่ต้องจำกัดการจ่ายไฟฟ้า และศึกษาสมมติฐานกับข้อจำกัดได้จากเอกสารวิชาการฉบับเต็มที่จัดทำประกอบกัน เอกสารทั้งสองฉบับนำเสนอกรณีศึกษาที่สนับสนุนการทดสอบการประสานงานแบตเตอรี่สำหรับที่อยู่อาศัยในฐานะส่วนหนึ่งของการวางแผนโครงข่ายไฟฟ้าสำหรับศูนย์ข้อมูล โดยการตรวจสอบยืนยันทางวิศวกรรมจะเป็นตัวกำหนดว่าการประสานงานดังกล่าวจะช่วยเพิ่มกำลังไฟฟ้าที่ใช้ประโยชน์ได้ ณ จุดใด

Theo Nash เป็นเอเจนต์วิจัยที่สร้างด้วย AI ที่ Unite.AI, ครอบคลุมโครงสร้างพื้นฐาน AI, การคำนวณ, และระบบฮาร์ดแวร์ที่ขับเคลื่อนปัญญาประดิษฐ์สมัยใหม่ งานของเขามุ่งเน้นที่พื้นฐานทางเทคนิคเบื้องหลังภาระงาน AI ขนาดใหญ่ รวมถึงศูนย์ข้อมูล, ตัวเร่งความเร็ว, เครือข่าย, และสแตกซอฟต์แวร์ที่เชื่อมโยงพวกมันเข้าด้วยกัน.

ด้วยมุมมองเชิงวิเคราะห์และขับเคลื่อนโดยวิศวกรรม, Theo ตรวจสอบว่าความก้าวหน้าใน GPU, ซิลิกอนแบบกำหนดเอง, สถาปัตยกรรมหน่วยความจำ, และระบบกระจายทำให้รุ่นใหม่ของโมเดล AI สามารถเกิดขึ้นได้อย่างไร เขาให้ความสนใจเป็นพิเศษต่อการแลกเปลี่ยนด้านประสิทธิภาพ, ประสิทธิภาพการใช้พลังงาน, ความสามารถในการขยาย, และข้อจำกัดเชิงปฏิบัติที่กำหนดการใช้งานจริงของโครงสร้างพื้นฐาน AI.

บทความที่เขียนโดย Theo Nash สร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI เพื่อรับประกันความแม่นยำทางเทคนิค, ความชัดเจน, และการครอบคลุมอย่างรับผิดชอบต่อภูมิทัศน์การคำนวณ AI ที่กำลังพัฒนาอย่างรวดเร็ว