Tom Nudell, CEO และผู้ร่วมก่อตั้ง Piq Energy – ชุดสัมภาษณ์

Tom Nudell, CEO และผู้ร่วมก่อตั้ง Piq Energy, เป็นวิศวกรระบบไฟฟ้าและผู้บริหารเทคโนโลยีที่มีประสบการณ์ลึกซึ้งในด้านการวิเคราะห์กริด, การวางแผนการส่งกำลัง, และโครงสร้างพื้นฐานด้านพลังงาน. ก่อนก่อตั้ง Piq Energy, เขาใช้เวลาประมาณเจ็ดปีที่ Smart Wires, โดยดำเนินการผ่านหลายตำแหน่งผู้นำด้านการวิเคราะห์และในที่สุดดำรงตำแหน่งผู้อำนวยการผลิตภัณฑ์และการวิเคราะห์โซลูชัน, นำทีมสหวิชาการที่ประกอบด้วยวิศวกรการวางแผนการส่งกำลัง, วิศวกรซอฟต์แวร์, และนักวิเคราะห์ที่ทำงานในโครงการศึกษาการวางแผนกริดขั้นสูงและระบบวิเคราะห์อัตโนมัติ. ก่อนหน้านั้น, Nudell เคยเป็นผู้ร่วมวิจัยหลังปริญญาเอก (Postdoctoral Research Associate) ที่ MIT, งานของเขามุ่งเน้นไปที่ความยืดหยุ่นของระบบพลังงานที่เชื่อมต่อกัน, การจัดการพลังงานไมโครกริด, และการควบคุมเชิงทำธุรกรรม. เขายังทำการวิจัยที่ North Carolina State University เกี่ยวกับการระบุตำแหน่งความรบกวนในเครือข่ายไฟฟ้าขนาดใหญ่โดยใช้การวัดแบบเรียลไทม์, การเรียนรู้ของเครื่องที่อิงฟิสิกส์, ทฤษฎีการควบคุม, และการเพิ่มประสิทธิภาพ.

Piq Energy เป็นบริษัทซอฟต์แวร์การวางแผนกริดที่มุ่งเน้นการเร่งการเชื่อมต่อโครงการพลังงานใหม่, ศูนย์ข้อมูล, และโหลดไฟฟ้าขนาดใหญ่อื่น ๆ เข้ากับโครงข่ายไฟฟ้า. แพลตฟอร์มของบริษัททำให้ผู้พัฒนาและยูทิลิตี้สามารถนำการศึกษากริดที่ซับซ้อนมาดำเนินการภายในองค์กร, อัตโนมัติขั้นตอนการวิศวกรรม, ประเมินจุดเชื่อมต่อที่เป็นไปได้, และทดสอบสถานการณ์โครงการและกริดหลายรูปแบบได้อย่างรวดเร็ว. Piq กำลังพัฒนาแพลตฟอร์มการวางแผนกริดแบบเอเจนต์ที่รวมโมเดลระบบไฟฟ้า, ข้อมูล, เครื่องมือวิศวกรรม, และกระบวนการทำงานที่ขับเคลื่อนด้วย AI ไว้ในสภาพแวดล้อมเดียว, โดยมีการใช้งานครอบคลุมโซลาร์เซลล์, พลังงานลม, ระบบเก็บพลังงานแบตเตอรี่, และการพัฒนาโหลดขนาดใหญ่. บริษัทระบุว่าเทคโนโลยีของตนจัดการโมเดลกริดการส่งกำลังกว่า 1,000 รายการและถูกใช้เพื่อดำเนินการเวิร์กโฟลว์วิศวกรรมกว่า 10,000 รายการ, เพื่อลดหนึ่งในอุปสรรคที่ใหญ่ที่สุดที่เผชิญกับโครงสร้างพื้นฐานพลังงานและคอมพิวเตอร์ใหม่: กระบวนการเชื่อมต่อกริดที่ใช้เวลานาน.

อาชีพของคุณครอบคลุมการวิจัยการเรียนรู้ของเครื่องที่อิงฟิสิกส์, งานความยืดหยุ่นของกริดที่ MIT, และการสร้างการวิเคราะห์การวางแผนการส่งกำลังเป็นเวลาเจ็ดปีที่ Smart Wires. ประสบการณ์เหล่านี้ทำให้คุณระบุปัญหาเฉพาะที่กลายเป็น Piq Energy อย่างไร?

ปริญญาเอกของฉันเป็นสาขาระบบไฟฟ้าคอมพิวเตอร์ ซึ่งฉันมุ่งเน้นการเฝ้าระวังและควบคุมแบบเรียลไทม์ในพื้นที่กว้าง. จากนั้นฉันได้ทำงานวิจัยหลังปริญญาเอกที่ MIT เกี่ยวกับกริดไฟฟ้าที่ทนทานและกลไกตลาดแบบไดนามิก. หลังจากจบโพสต์ด็อก, ฉันเข้าร่วม Smart Wires, ที่ซึ่งฉันใช้เวลาเจ็ดปีในการก่อตั้งและขยายทีมวิเคราะห์. ทีมของฉันครอบคลุมการวิศวกรรมระบบไฟฟ้าทั่วโลกในสี่ทวีป, มีความเชี่ยวชาญด้านการไหลของไฟฟ้า, การจำลองตลาด, ไดนามิกส์, EMT, และฮาร์ดแวร์ในลูป.

ภายในสามเดือนหลังจากเข้าร่วม Smart Wires, ฉันตระหนักว่าการวางแผนกริดนั้นโดยพื้นฐานเป็นปัญหาวิทยาศาสตร์ข้อมูลขนาดใหญ่และซับซ้อน. ฉันเริ่มฝันถึงวิธีการทำให้กระบวนการที่มีค่าใช้จ่ายสูงที่สุดเป็นไปอย่างราบรื่นและอัตโนมัติ: การกำหนดการวิเคราะห์, การประสานงานระหว่างผู้เชี่ยวชาญด้านต่าง ๆ, และการสร้างและตรวจสอบโมเดล. เพื่อปรับปรุงกระบวนการวางแผนกริดนี้, เราได้พัฒนาความคิดสำคัญบางประการ. อย่างแรกคือความสามารถในการทำซ้ำได้ – หากการวิเคราะห์ของคุณสามารถทำซ้ำได้ 100% จะไม่มีค่าใช้จ่ายเพิ่มเติมสำหรับบุคคล/ผู้เชี่ยวชาญคนอื่นในการรันการวิเคราะห์อีกครั้ง. ความสามารถในการทำซ้ำนี้เป็นสิ่งสำคัญเพื่อให้การทำงานร่วมกันระหว่างผู้พัฒนา, ยูทิลิตี้และบุคคลภายนอกอื่น ๆ ในการศึกษากริดเป็นไปอย่างราบรื่น. อย่างที่สองคือการนำแนวคิด “โมเดลทั้งหมดผิด, บางโมเดลมีประโยชน์” มาใช้และมุ่งเน้นการตรวจสอบว่าเรามีโมเดลที่เป็นประโยชน์สำหรับปัญหาที่กำลังแก้, แทนที่จะพยายามสร้างและจัดการโมเดลที่ “แม่นยำ” มากที่สุดสำหรับทุกอย่าง. (เมื่อเราพูดถึง “โมเดล” ที่นี่หมายถึงโมเดลเครือข่ายกริด, โมเดลไดนามิกของอุปกรณ์และโรงงาน, เป็นต้น).

แนวคิดเริ่มต้นเหล่านี้ทำให้ฉันและ Dio, ผู้ร่วมก่อตั้งของฉัน, เริ่มฝันถึงแพลตฟอร์มซอฟต์แวร์ที่ซับซ้อนเพื่ออัตโนมัติการทำงานที่เรากำลังทำ. ในเวลาเดียวกัน, เราได้สังเกตว่าคิวการเชื่อมต่อกำลังกลายเป็นอุปสรรคขนาดใหญ่สำหรับกริด. เรายังเห็นความท้าทายที่เพิ่มขึ้นในการเชื่อมต่อเทคโนโลยีกริดใหม่ ๆ รวมถึงทรัพยากรที่ใช้ inverter (IBRs, รวมถึงโครงการพลังงานหมุนเวียนใหม่ทั้งหมด) และเทคโนโลยีเสริมกริดเช่นฮาร์ดแวร์ SmartValve ที่ Smart Wires จำหน่าย. Dio และฉันตระหนักว่าเรารู้วิธีแก้ปัญหาเหล่านี้, แต่เราต้องก่อตั้งบริษัทซอฟต์แวร์เพื่อทำเช่นนั้น.

มีสามส่วน: อย่างแรก, พื้นฐานของฉันในระบบไฟฟ้าคอมพิวเตอร์และประสบการณ์การบริหารทีมวิเคราะห์ระดับโลกเป็นรากฐาน. อย่างที่สอง, งานที่เราทำที่ Smart Wires แล้วเป็นหลักฐานว่ามีคุณค่าที่จับต้องได้จริง. และสุดท้าย, สภาพแวดล้อมมหภาค – ขนาดของความท้าทายซึ่งก็เป็นขนาดของโอกาส – เป็นแรงกระตุ้นให้เรากระโดดไปก่อตั้ง Piq Energy.

Piq อธิบายตัวเองว่าเป็น “แพลตฟอร์มการวางแผนกริดแบบเอเจนต์”. อะไรทำให้ระบบเป็นเอเจนต์แทนที่จะเป็นเพียงแพลตฟอร์มอัตโนมัติหรือวิเคราะห์, และงานใดบ้างที่เอเจนต์ AI ของมันสามารถวางแผนและดำเนินการได้โดยอิสระ?

Piq กำลังเร่งการเชื่อมต่อ. การวิเคราะห์ทางเทคนิคในขณะนี้เป็นอุปสรรคที่ใหญ่ที่สุดต่อการเชื่อมต่อ, ดังนั้นเราจึงกำลังสร้างแพลตฟอร์มการวางแผนกริดอัตโนมัติเพื่อเร่งการวิเคราะห์ทางเทคนิคเหล่านี้.

มีระดับของการอัตโนมัติอยู่หลายระดับ วันนี้ระดับเหล่านี้ยังไม่ได้กำหนดอย่างชัดเจนสำหรับการวางแผนกริดและการเชื่อมต่อ แต่คุณสามารถจินตนาการสิ่งที่คล้ายคลึงกับ ระดับการอัตโนมัติของ SAE สำหรับการขับขี่ ฉันได้อ้างอิงแนวคิดนี้ในบทความปี 2018 ของฉันที่ตีพิมพ์ในงาน CIGRE World Congress [T. Nudell, et al. “On Developing Automated Tools for Reliability Planning”, CIGRE Paris C1-201, 2018.].

ตอนนี้เรามีเทคโนโลยีอเนกประสงค์ที่น่าทึ่งในรูปแบบโมเดลภาษาใหญ่ และกับ Piq เรากำลังหาวิธีใช้ประโยชน์จากความเป็นอิสระของเอเจนต์ในขณะที่ยังคงรับประกันว่าฟิสิกส์และวิศวกรรมทำได้อย่างถูกต้อง อย่างครบถ้วนและตรวจสอบได้ทุกครั้ง

ในวันนี้เอเจนต์ของเราตั้งค่าโมเดลและสถานการณ์ เปิดการศึกษาอ้างอิงรายงานที่เผยแพร่ วิเคราะห์ผลลัพธ์ และเขียนรายงานใหม่ที่อิงกลับไปยังข้อมูลการศึกษา

การศึกษากริดต้องอาศัยซอฟต์แวร์วิศวกรรมที่ได้รับการยอมรับแบบดั้งเดิม โมเดลเครือข่ายที่ละเอียด และข้อจำกัดทางฟิสิกส์ที่เข้มงวด Piq จะผสาน AI กับเครื่องมือเชิงกำหนดเหล่านี้อย่างไรโดยไม่ให้โมเดลเชิงความน่าจะเป็นลบล้างฟิสิกส์ของระบบไฟฟ้า

คุณพูดถูกว่าการศึกษากริดต้องอาศัยซอฟต์แวร์ที่ได้รับการยอมรับ โมเดลที่ละเอียด และฟิสิกส์ที่ทราบกันดี แพลตฟอร์มของเราช่วยให้เอเจนต์เสริมความเชี่ยวชาญของมนุษย์ โดยได้รับข้อมูลและบริบทจากเราเกี่ยวกับประเภทของการศึกษาที่ควรทำ วิธีการตั้งค่าฉาก และจากนั้นทำการวิเคราะห์โดยอิงผลลัพธ์ที่เป็นข้อมูลจริง

แต่สิ่งที่อยู่ระหว่างนั้นทั้งหมดคือการอัตโนมัติที่ขยายได้และเชิงกำหนด ไม่มีโค้ดใหม่ใดที่เขียนโดยเอเจนต์และไม่มีซิมูเลเตอร์ฟิสิกส์ที่ไม่คุ้นเคย สิ่งนี้ทำให้แพลตฟอร์มของเรามีความเชื่อถือได้สูงกว่าวิธีอื่น ๆ เนื่องจากงานที่เอเจนต์ทำสามารถทำซ้ำและตรวจสอบได้ และจะทำอย่างถูกต้องทุกครั้ง กล่าวคือ หากวิศวกรมนุษย์ตรวจสอบผลลัพธ์ พวกเขาควรจะสามารถทำซ้ำทุกขั้นตอนของกระบวนการและได้ผลลัพธ์เดียวกัน

ส่วนใดของการศึกษาการเชื่อมต่อหรือการวางแผนการส่งกำลังแบบดั้งเดิมที่ Piq สามารถทำอัตโนมัติได้ในวันนี้ และการตัดสินใจใดบ้างที่ยังต้องได้รับการตรวจสอบและอนุมัติโดยวิศวกรที่มีคุณสมบัติเหมาะสม

ในวันนี้ Piq มอบเครื่องมือชุดหนึ่งให้กับนักพัฒนาตลอดกระบวนการศึกษาการเชื่อมต่อ

อย่างแรกคือการคัดกรองระดับสูงแบบกรีนฟิลด์ทั่วพื้นที่กว้างที่เราเรียกว่าการวิเคราะห์การคัดกรองระดับภูมิภาค มันให้แผนที่ความร้อนของความจุ N-1 ที่เหลืออยู่ที่ทุกโหนดในภูมิภาค เพื่อให้คุณเห็นว่ากริดมีพื้นที่ว่างจริง ๆ ก่อนที่คุณจะตัดสินใจเลือกสถานที่

อย่างที่สองคือการคัดกรองเชิงลึกที่ตำแหน่งเฉพาะ — การศึกษา POI หรือการคัดกรองจุด การศึกษานี้เจาะลึกที่จุดเชื่อมต่อหนึ่งจุด: ข้อจำกัดของเครือข่ายทั้งหมด การอัปเกรดที่เป็นไปได้ และค่าใช้จ่ายของการอัปเกรดเหล่านั้นสำหรับโครงการที่เชื่อมต่อที่นั่น

อย่างที่สามคือการจัดการคิว นี่คือที่ที่นักพัฒนาสามารถจำลองทฤษฎีเกมของการศึกษากลุ่มโดยเข้าใจการจัดสรรต้นทุนอย่างละเอียด และวิธีที่การจัดสรรนั้นเปลี่ยนแปลงเมื่อกลุ่มผู้ผลิตเปลี่ยนแปลง โครงการขยายขนาด โครงการยกเลิก นักพัฒนาคนอื่นดำเนินการ และการจัดสรรต้นทุนของคุณก็เคลื่อนที่ตามนั้น นี่เป็นปัญหาแบบไดนามิก และในวันนี้นักพัฒนาส่วนใหญ่พบปัญหานี้หลังจากที่มันเกิดขึ้นแล้ว แทนที่จะจำลองล่วงหน้า

Piq ยังทำการอัตโนมัติขั้นตอนการสร้างและตรวจสอบโมเดลสำหรับโมเดลโรงงานแบบไดนามิก — อุปกรณ์และการควบคุมที่เป็นตัวแทนของศูนย์ข้อมูล ฟาร์มแสงอาทิตย์ และผู้เล่นอื่น ๆ บนกริด

โมเดล ผลลัพธ์ และรายงานทั้งหมดเหล่านี้ต้องมีมนุษย์อยู่ในลูปเพื่อกำกับอินพุตและตรวจสอบเอาต์พุต เราไม่ได้อ้างว่ามีระบบขับเคลื่อนอัตโนมัติเต็มรูปแบบในขณะนี้ และฉันก็ไม่เชื่อใจใครที่อ้างว่ามีระบบเช่นนั้น

Piq ได้ดำเนินการศึกษาการผลิตมากกว่า 10,000 ครั้งแล้ว สิ่งที่การทำงานในระดับนั้นสอนคุณเกี่ยวกับการรักษาความแม่นยำของโมเดล การติดตามสภาพกริดที่เปลี่ยนแปลง และการผลิตผลลัพธ์ที่วิศวกรสามารถทำซ้ำและตรวจสอบได้คืออะไร

ตัวเลข 10,000 ครั้งนั้นล้าสมัยแล้ว และตั้งแต่เดือนมกราคม (เมื่อมีการเผยตัวเลขนี้) เราได้ดำเนินการศึกษา 2,000 ครั้งต่อเดือนและกำลังเติบโต นี่เป็นผลมาจากผู้ใช้ของเราเพิ่มขึ้นและผู้ใช้มากขึ้นสร้างระบบภายในที่สามารถขยายได้เช่นกัน

การทำงานในอัตรานั้นสอนให้คุณรู้ว่าการทำซ้ำไม่ได้เป็นคุณลักษณะที่คุณเพิ่มเข้าไป มันเป็นข้อจำกัดที่กำหนดว่าคุณจะสามารถทำงานในอัตรานั้นได้หรือไม่ หากการศึกษาไม่สามารถทำซ้ำได้ จะไม่สามารถตรวจสอบได้ และหากไม่สามารถตรวจสอบได้ก็ไม่มีใครสามารถดำเนินการตามได้ หากการศึกษาของคุณไม่สามารถนำไปปฏิบัติได้ คุณก็แค่สร้างปริมาณ ไม่ได้สร้างคุณค่า ทุกอย่างที่เราสร้างแพลตฟอร์มมาจากแนวคิดของการสร้างโมเดลที่มีประโยชน์และดำเนินการศึกษาที่มีคุณค่า

Piq ช่วยให้นักพัฒนาศูนย์ข้อมูลและลูกค้ารายใหญ่ที่ใช้โหลดสูงประเมินไซต์และสถานการณ์การเชื่อมต่อที่เป็นไปได้ก่อนติดต่อยูทิลิตี้อย่างไร การศึกษาที่นำโดยนักพัฒนานี้สามารถเร่งกระบวนการได้โดยไม่สร้างสมมติฐานที่ขัดแย้งหรือทำสำเนาการวิเคราะห์อย่างเป็นทางการของยูทิลิตี้

ผู้ให้บริการไฟฟ้ายังคงต้องดำเนินการศึกษาทางการของตนเอง แต่ลูกค้าของเราไม่สามารถรอคอยได้ ปัจจุบันอาจใช้เวลามากกว่าหนึ่งปีจึงจะได้รับผลการศึกษาทางการเหล่านั้น ในขณะเดียวกันลูกค้าของเรากำลังถือครองการลงทุนหลายร้อยล้านดอลลาร์ พวกเขาต้องจัดหาอุปกรณ์ ซื้อที่ดิน และรักษาตำแหน่งการเชื่อมต่อทั่วประเทศ เราให้พลังแก่ลูกค้าเพื่อให้พวกเขาตัดสินใจเหล่านี้ก่อนการศึกษาทางการของผู้ให้บริการไฟฟ้า เราได้เห็นว่าลูกค้าของเรายังสามารถมีอิทธิพลต่อทิศทางของผู้ให้บริการไฟฟ้าได้ เนื่องจากพวกเขามีข้อมูลเชิงลึกเกี่ยวกับโซลูชันการเชื่อมต่อที่ยืดหยุ่นหรือการอัปเกรดทางเลือกเพื่อเชื่อมต่อกำลังการผลิตเพิ่มเติม

สิ่งที่เรานำเสนอคือวิธีที่รวดเร็วและมีประสิทธิภาพในการพรีวิวอนาคต ไม่มีใครมีลูกแก้วคริสตัล (และคุณไม่รู้ว่ามีใครแข่งขันกับคุณในคิวบ้าง) แต่หากการศึกษาเป็นไปได้ในราคาที่เหมาะสมและรวดเร็ว การสำรวจหลายสถานการณ์จะช่วยให้ลูกค้าของเราตัดสินใจใช้เงินทุนอย่างรอบรู้มากขึ้น เรายังมอบความสามารถให้ลูกค้าของเราได้สำรวจการอัปเกรดทางเลือกเพื่อปลดล็อกกำลังการผลิตที่มีอยู่ในระบบของพวกเขาและทำงานร่วมกับผู้ให้บริการไฟฟ้าอย่างเป็นหุ้นส่วนที่แท้จริง

ผู้ให้บริการไฟฟ้าในแคลิฟอร์เนียได้รับคำขอประมาณ 18.7 GW ของกำลังการให้บริการศูนย์ข้อมูลใหม่ แม้ว่าหลายโครงการที่เสนออาจไม่เคยสร้างขึ้นได้ AI สามารถช่วยผู้ให้บริการไฟฟ้าตรวจแยกโครงการที่น่าเชื่อถือจากคำขอที่คาดเดาหรือซ้ำซ้อนและป้องกัน \”phantom loads\” จากการบิดเบือนการวางแผนเครือข่ายระยะยาวได้หรือไม่?

การคาดเดาไม่ได้ไม่มีเหตุผล เนื่องจากระยะเวลาที่ใช้ในการศึกษาและเชื่อมต่อโครงการนั้นยาวนาน ใครที่สามารถจ่ายค่าใช้จ่ายเพื่อส่งคำขอเชื่อมต่อแบบคาดเดาได้ก็จะทำเช่นนั้น นี่เป็นการตอบสนองอย่างมีเหตุผลต่อกระบวนการเชื่อมต่อในปัจจุบัน ตามที่เรามอง หากโครงการสามารถได้รับการศึกษาและเชื่อมต่อได้เร็วเท่ากับการก่อสร้าง จะไม่มีแรงจูงใจให้คาดเดาเลย

ดังนั้นคำตอบไม่ได้เกี่ยวกับการใช้ AI เพื่อระบุการคาดเดา แต่เป็นการใช้ AI เพื่อปรับปรุงกระบวนการจริง ๆ — เพื่อเชื่อมต่อโหลดได้อย่างมีประสิทธิภาพมากขึ้น หมายความว่าการใช้ AI จะเร่งกระบวนการศึกษาการเชื่อมต่อเองและค้นหาวิธีบรรเทาทางเลือก รวมถึงเทคโนโลยีที่เพิ่มประสิทธิภาพของเครือข่ายและการเชื่อมต่อที่ยืดหยุ่น การผสานกับการเปลี่ยนแปลงด้านกฎระเบียบ เช่น ค่าใช้จ่ายการสมัครที่สูงขึ้นหรือเงินมัดจำที่มากขึ้นและอัตราค่าธรรมเนียมการเชื่อมต่อที่ปรับปรุงใหม่ AI สามารถเปิดระบบที่มีประสิทธิภาพมากขึ้นโดยลดการคาดเดาลงอย่างมาก

แต่หากไม่มีการเปลี่ยนแปลง ความท้าทายจากภาระโหลดลวงจะยังคงเพิ่มขึ้น ภาระโหลดลวงที่มากขึ้นหมายถึงสถานการณ์ที่ต้องศึกษาเพิ่มขึ้น ซึ่งทำให้การวางแผนระยะยาวยากขึ้นสำหรับผู้วางแผนของผู้ให้บริการไฟฟ้า ทำให้ระบบทั้งหมดทำงานช้าลง ระบบที่ช้าลงเพิ่มแรงจูงใจให้เกิดการคาดเดา นี่คือสิ่งที่เราเห็นจากคิวการเชื่อมต่อเครื่องกำเนิดไฟฟ้าที่กระตุ้นให้เราเริ่ม Piq ในปี 2023 และเป็นวงจรป้อนกลับที่เรากำลังพยายามทำลาย

Piq กล่าวว่า งานของบริษัทได้ช่วยระบุกำลังการผลิตของเครือข่ายเกือบ 1 GW ผ่านโซลูชันที่ยืดหยุ่นและเทคโนโลยีเพิ่มประสิทธิภาพของเครือข่าย ประเภทของการเปลี่ยนแปลงการดำเนินงานหรือเทคโนโลยีใดที่กำลังปลดล็อกกำลังนั้น และคุณสามารถอธิบายตัวอย่างที่โครงการหนึ่งหลีกเลี่ยงการอัปเกรดเครือข่ายใหญ่ได้หรือไม่?

มีเพียงสามสิ่งที่สามารถปลดล็อกกำลังได้ ทั้งหมดเป็นประเภทของความยืดหยุ่นในการดำเนินงานซึ่งก่อนหน้านี้ไม่เคยมีให้กับเครือข่ายจนกระทั่งเมื่อเร็ว ๆ นี้ เราเรียกความยืดหยุ่นสามประเภทนี้ว่า Point Flexibility, Aggregate Flexibility และ Network Flexibility.

ความยืดหยุ่นจุด (Point flexibility) คือการเปลี่ยนแปลงที่จุดเชื่อมต่อ รวมถึงโซลูชันเช่นการนำกำลังการผลิตของตนเองมาใช้ (BYOG) ขีดจำกัดการถอนสุทธิ การลดโหลด/โหลดที่ควบคุมได้ เป็นต้น ความยืดหยุ่นรวม (Aggregate flexibility) คือทรัพยากรกระจายทั่วเครือข่าย เช่น VPPs และ DER ที่รวมกันเพื่อจัดการข้อจำกัดการส่งกำลังไฟฟ้า และความยืดหยุ่นเครือข่าย (Network flexibility) คือพารามิเตอร์และการกำหนดค่าเครือข่ายเอง — การควบคุมการไหลของพลังงานขั้นสูง การเพิ่มประสิทธิภาพโครงสร้างเครือข่าย และการประเมินเส้นทางไฟฟ้าแบบไดนามิก สิ่งสำคัญคือ ทั้งสามประเภทสามารถทำแบบจำลอง วางแผน และในที่สุดนำไปใช้ในห้องควบคุมได้

ตัวอย่างที่ชัดเจนที่สุดคือความยืดหยุ่นเครือข่าย เราได้ศึกษากรณีที่ข้อจำกัดที่ผูกมัดเป็นองค์ประกอบเดียว และการควบคุมการไหลของพลังงาน 70 MVAr ที่ติดตั้งโดยตรงที่ข้อจำกัดนั้นได้ปลดล็อกกำลังการผลิตเพิ่มเติมประมาณ 600 MW ไม่ต้องสร้างสายส่งใหม่ ไม่ต้องขอใบอนุญาตหลายปี เพียงการอัปเกรดเครือข่ายขนาดเล็กเพื่อปลดล็อกกำลัง 600 MW

การใช้กำลังของเครือข่ายการส่งไฟฟ้าอยู่เพียงประมาณ 35% ภายใต้เงื่อนไขการวางแผนที่เลวร้ายที่สุด เครือข่ายยังไม่ได้เต็ม แม้ว่าความท้าทายที่ใหญ่ที่สุดในการเชื่อมต่อโหลดขนาดใหญ่ในวันนี้คือกำลังของเครือข่าย แต่เครือข่ายถูกจำกัดเฉพาะในบางพื้นที่และภายใต้เงื่อนไขเฉพาะ ส่วนใหญ่ของข้อจำกัดเหล่านั้นมีวิธีแก้ที่ไม่ต้องรอหลายทศวรรษสำหรับสายใหม่ และวิธีแก้นั้นสามารถระบุได้โดยการศึกษาระบบเครือข่ายอย่างละเอียดยิ่งขึ้น

มีระบบนิเวศที่เติบโตอย่างรวดเร็วสำหรับความยืดหยุ่นทั้งสามประเภทนี้ บริษัทเช่น Base Power, Voltus, Smart Wires, NewGrid และอื่น ๆ กำลังนำโซลูชันจริงไปใช้ในระดับใหญ่ในปัจจุบัน ส่วนที่ขาดอยู่เพียงอย่างเดียวคือกรอบการวิเคราะห์เพื่อให้โซลูชันเหล่านี้เข้าสู่การศึกษาการเชื่อมต่อตั้งแต่แรก

การตัดสินใจด้านวิศวกรรมที่เกี่ยวข้องกับเครือข่ายสามารถส่งผลต่อความน่าเชื่อถือ ราคาพลังงานไฟฟ้า และการลงทุนโครงสร้างพื้นฐานเป็นหลายทศวรรษ อะไรคือมาตรการป้องกัน กระบวนการตรวจสอบ สิทธิ์ และร่องรอยการตรวจสอบที่จำเป็นก่อนที่ผู้ให้บริการไฟฟ้าจะเชื่อมั่นต่อ AI agents ในกระบวนการวางแผนที่ซับซ้อนเพิ่มขึ้น?

เราเห็นด้วย 100% เพื่อให้การตัดสินใจด้านวิศวกรรมเป็นไปอย่างรอบคอบ งานอัตโนมัติทุกชิ้นต้องสามารถตรวจสอบและทำซ้ำได้ ต้องมีหลักฐานเป็นกระดาษสำหรับทุกการกระทำ เพราะคุณไม่ต้องการให้ AI ทำงานในกล่องสีดำและทำผิดพลาด

เส้นทางการตรวจสอบของเรามีหลายมิติ เราบันทึกการสนทนาของเอเจนต์ การกระทำของเอเจนต์ และการดำเนินการของเครื่องมือที่กำหนดผลลัพธ์อย่างแน่นอน ทุกขั้นตอนย่อยและกระบวนการย่อยจะทำแผนที่และจัดการอินพุตและเอาต์พุตทั้งหมด ดังนั้นทุกอย่างจึงสามารถตรวจสอบได้ตั้งแต่ต้นจนจบ

การให้สิทธิ์ก็สำคัญเช่นกัน เอเจนต์ของเราสืบทอดสิทธิ์จากผู้ใช้ที่ทำงานร่วมด้วย เอเจนต์ไม่สามารถดูข้อมูลหรือดำเนินการที่ผู้ที่มันทำงานให้ไม่สามารถดูหรือทำได้เอง

เรื่องนี้เกี่ยวข้องกับหัวข้อกว้างของการกำกับดูแลข้อมูล และเอเจนต์กำลังเปลี่ยนกรอบแนวคิดในอดีต การกำกับดูแลในอดีตมุ่งเน้นที่ข้อมูลที่มีโครงสร้างและจำกัดอยู่ในซิลโลเดียว ด้วยเอเจนต์คุณจะมีข้อมูลที่มีโครงสร้าง ครึ่งโครงสร้าง และไม่มีโครงสร้างเคลื่อนย้ายข้ามซิลโล — ซึ่งตรงกับสิ่งที่แพลตฟอร์มอย่าง Piq สัญญาจะเปิดเผย และก็เป็นสาเหตุที่ทำให้การกำกับดูแลยากขึ้น มีข้อมูลมากขึ้นอยู่ในเกมและผู้คนที่มีส่วนร่วมกับข้อมูลก็หลากหลายมากขึ้น ในองค์กรระบบไฟฟ้านี้สำคัญเป็นสองเท่า: สำหรับข้อมูลการลงทุนที่มีความอ่อนไหวต่อการแข่งขันและสำหรับ CEII โชคดีที่มีผู้เชี่ยวชาญที่ฉลาดทำงานในเรื่องนี้ เช่น ผู้ที่มีส่วนร่วมใน IEEE Task Force on Data Governance for Power System Organizations

Piq เพิ่งระดมทุนรอบ Seed จำนวน 5 ล้านดอลลาร์ที่ได้รับความสนใจเกินกำหนดเพื่อขยายแพลตฟอร์มของตน มองไปห้าปีข้างหน้า คุณคาดว่า AI จะเปลี่ยนแปลงการวางแผนกริดอย่างไร และการวิเคราะห์ที่เร็วขึ้นจะเพียงพอที่จะตามทันความต้องการไฟฟ้าที่เกิดจากศูนย์ข้อมูล AI การไฟฟ้า การใช้ไฟฟ้าเพิ่มขึ้น และการเติบโตของอุตสาหกรรมหรือไม่

ผมเชื่อว่าการใช้ AI เพื่อเร่งการวิเคราะห์เป็นกุญแจสำคัญในการตามทันความต้องการไฟฟ้า ประเด็นสำคัญคือการทำอัตโนมัติในระดับนี้ไม่ได้หมายความเพียงทำงานเดียวกันให้เร็วขึ้นเท่านั้น แต่ยังทำให้สามารถทำการวิเคราะห์ที่ไม่สามารถทำได้หากมีแบนด์วิดท์ของมนุษย์จำกัด การเชื่อมต่อที่ยืดหยุ่น, เครือข่ายส่งกำลังที่ยืดหยุ่น, เทคโนโลยีเสริมกริด — ทั้งหมดนี้เปิดศักยภาพที่ซ่อนอยู่แล้วบนกริดในปัจจุบัน การผสานกับการศึกษาการเชื่อมต่อที่เร่งเร็ว เราเชื่อว่าจะสามารถตามทันความต้องการได้

ขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมควรเยี่ยมชม Piq Energy.