Дейв Баунді є технічним директором Innowatts – Серія інтерв’ю

Дейв Баунді є технічним директором Innowatts, лідером у сфері аналізу даних штучного інтелекту. Платформа SaaS надає підприємствам дані, необхідні для того, щоб бути більш передбачуваними, проактивними та зв’язаними з клієнтами та платниками, допомагаючи їм краще керувати ризиками, підвищувати прибутковість, підтримувати надійність мережі та передбачати тенденції сталості.

Девід має понад 20 років досвіду роботи в галузі IoT та енергетики. Його кар’єра проходила від корпоративних ІТ, розробки продукції, досліджень та інновацій та створення нових бізнес-проектів. До свого поточного призначення він заснував та очолював глобальний енергетичний бізнес Intel (INTC ), надаючи клієнтам по всьому світу рішення на основі машинного навчання та штучного інтелекту. Девід володіє кількома патентами та є членом кількох консультативних рад.

Чи можете ви описати, що таке Innowatts?

Innowatts – це нова енергетична компанія, що зосереджена на підвищенні валових марж клієнтів, одночасно збільшуючи прийняття відновлюваних джерел енергії. Ми робимо це, аналізуючи великі об’єми даних для отримання дієвých висновків. Хоча ми є компанією Б2Б, ми надаємо послуги як Б2Б, так і Б2С через наших клієнтів їхнім кінцевим користувачам. Ми приймаємо дані про споживання енергії на рівні лічильників від будинку чи підприємства, або з мережі, та поєднуємо їх з багатьма іншими наборами даних, включаючи соціально-економічні дані, дані CRM та дані щодо управління ризиками.

Наш інженерний двигун аналізу даних на основі штучного інтелекту надає висновки, починаючи від прогнозування споживання енергії на рівні споживача та закінчуючи розподілом поточного та майбутнього споживання енергії. Завдяки цьому ми можемо визначити потенційні продукти, що підходять будь-якому споживачеві. Ми також надаємо послуги роздрібним клієнтам, наприклад, ідентифікацію оптимальної моделі тарифу для максимізації їхніх валових марж.

Нарешті, ми підтримуємо операторів мережі та комунальні підприємства, щоб допомогти їм планувати майбутнє. Для них важливо зрозуміти, де відбуваються зміни, щоб вони могли оптимізувати активи, одночасно знижуючи ціни для споживачів.

Який тип технологій машинного навчання використовується в Innowatts?

По суті, ми допомагаємо машинам думати більш людським чином, одночасно дозволяючи їм масштабуватися та працювати з дуже великими наборами даних. У нас під управлінням понад 43 мільйонів лічильників, і ми працюємо з мільярдами даних кожну годину по 여러 географіях та клієнтах. У сфері нагляду за моделями ми використовуємо різні моделі, включаючи лінійну регресію, дерева рішень тощо; у сфері без нагляду прикладами є ансамблеві моделі, нейронні мережі та випадкові ліси.

Наше використання різноманітних моделей є центральним для сили нашого продукту – ми можемо визначити правильну модель для будь-якого клієнта в будь-якій ситуації. Ми можемо фактично знизити це до рівня лічильника. Це саме позиціонує нас як лідера в цій сфері.

Чому моніторинг енергії важливий для енергетичних роздрібних торговців?

Вартість придбання клієнта часто у два-три рази перевищує маржу, яку роздрібний торговець отримує від цього клієнта за рік. Це означає, що потрібно два-три роки, щоб повернути витрати на придбання клієнта, тому дуже важливо утримувати кожного клієнта.

Ми допомагаємо роздрібним торговцям досягти цього, надавши їм можливість відрізнятися. Ми надаємо прогнози та можливість визначити та розробити тарифи з урахуванням часу використання, щоб адаптувати свій продукт до клієнтів. Ми також надаємо платформи управління ризиками та ціноутворення, а також можливість ідентифікувати найкращих споживачів на кожній території. Ми також ідентифікуємо клієнтів, яким підходять конкретні продукти. Все це разом складає більш привабливий та ефективний сервіс для клієнтів, підвищуючи як придбання, так і утримання клієнтів.

Які деякі ключові висновки, які можна отримати від вивчення споживання енергії?

Представіть, що ви щойно купили електромобіль. Наші моделі можуть виявити це, дозволяючи вашому постачальнику електроенергії автоматично надсилати вам спеціалізовані повідомлення та цілісні послуги, що відповідають вашому статусу нового власника електромобіля – можливо, іншу тарифну ставку, новий страховий продукт або сервісний продукт.

Аналогічно, ми можемо ідентифікувати та попередньо повідомити вас на основі вашого споживання енергії за останні 15 днів, що ми прогнозуємо ваше споживання протягом наступних 30 днів буде значно вищим за норму через якусь причину. Ми можемо тоді працювати з вами, щоб попередньо вжити заходів, щоб уникнути шоку від рахунку. Це лише кілька прикладів того типу взаємодій, які ми можемо забезпечити.

Наші можливості прогнозування також дуже потужні. Нещодавні події в Техасі зробили прогнозування дуже складним, оскільки це була абсолютно нова ситуація. Але наші прогнози були на 20-40% точніші, ніж у наших конкурентів, тому наші клієнти були значно краще підготовлені до порушення. Використовуючи наші прогнози як частину своєї стратегії хеджування, вони були значно краще позиціоновані, коли ціни на електроенергію зросли до 9 000 доларів за мегават-годину. Економія для них була суттєвою. Те, що наші моделі швидко адаптуються до змінних ситуацій, також дозволяє нашим клієнтам ефективно прогнозувати та ставити заявки в умовах високої волатильності, навіть під час чергових відключень електроенергії.

Цей рівень моніторингу та інтерпретації даних про енергію ставає дедалі важливішим. Багато роздрібних торговців будуть збанкрутіли, а великі роздрібні торговці хеджували свої потреби на ринку до року, можливо, довше. В залежності від їхньої стратегії та профілю ризику вони могли придбати 50% необхідної енергії за останній тиждень. Вони намагалися збільшити цей відсоток, оскільки ризиковий профіль та ціна на енергію зростали. Вони хеджували більше, але в кінцевому підсумку вони намагалися купувати електроенергію на ринкові ціни. Їм доводилося робити це за середню ціну за останній рік, яка становила близько 25 доларів за мегават-годину. Тепер, вступаючи на ринок, вони намагаються купувати за 9 000 доларів за мегават-годину. Тому вартість для роздрібного торговця величезна – це їхній річний прибуток пішов за один день.

Які деякі способи використання цієї інформації для впливу на використання енергії для більш зеленої енергії?

Історично мережа була орієнтована на попит – коли попит збільшувався, оператори будували більше електростанцій, встановлювали більше кабелів, спалювали більше палива. Тепер ми перебуваємо у фазі переходу, коли ми переходимо до мережі, орієнтованої на пропозицію. Коли ми переходимо до відновлюваних джерел енергії, нам потрібно бути能够 керувати стороною пропозиції. У новому світі пропозиція надходить, коли вітер дує або сонце сяє. Ми також побачимо велике збільшення попиту, пов’язаного з електрифікацією транспорту та тепла.

Те, що ми робимо для наших клієнтів, – це аналіз того, як споживачі використовують енергію. Ми починаємо з того, що дивимося, скільки їхньої нагрузки є тим, що ми називаємо “базовою нагрузкою”. Є деякі речі, які можна зробити, щоб заохотити людей зменшити це, але в цілому це фіксовано. Ми можемо ідентифікувати тих, хто піддається впливу погодних умов, ми можемо ідентифікувати будинки, яким потрібно термічне втручання – ізоляція або встановлення термостата.

Але ми також можемо ідентифікувати часочутливі нагрузки, які є показником поведінки. Без надмірного вторгнення ми можемо бачити поведінку в будинку. Наприклад, ви можете порадити клієнтові, що їм може бути бажано охолоджувати або нагрівати свій будинок в інший час, щоб зробити його більш комфортним, економіти гроші або максимізувати використання зеленої енергії.

Ми також можемо використовувати активні стратегії управління стороною попиту, щоб відповідати споживанню до наявності відновлюваних джерел енергії без негативного впливу на досвід користувача. Наприклад, ви можете звичайно підключати свій автомобіль о 19:00 та відключати о 7:00. Ми можемо надіслати сигнал управління стороною попиту до точок зарядки, щоб визначити години, коли ваш автомобіль фактично заряджається, щоб оптимізувати використання відновлюваних джерел енергії.

У 2020 році Innowatts оголосив, що він перевершив п’ять інших енергетичних прогнозистів за більшість показників у незалежному випробуванні. Яка цінність бути能够 прогнозувати з таким високим рівнем точності?

Ситуація в Техасі показала вартість неточного прогнозування. Якщо роздрібний торговець дивиться на потенційний збиток у півмільярда доларів, то наші прогнози – які на 20-40% точніші, ніж у конкурентів – можуть зберегти їм понад 100 мільйонів доларів. Це екстремальна ситуація, але наш підхід на рівні деталей означає, що клієнти виходять вперед протягом року, навіть без екстремальної волатильності.

Наприклад, ми підтримуємо постачальника в Європі як комерційних, так і промислових клієнтів. Вони намагалися протягом років отримати попередні повідомлення про те, коли їхні клієнти будуть виконувати дії – коли вони будуть збільшувати або зменшувати свою потужність – але їм це не вдалося. Ми змогли прогнозувати для них з інтервалом у 15 хвилин для кожного з їхніх комерційних та промислових клієнтів, дозволяючи їм передбачати зміни навантаження та приймати більш обдумані рішення про покупку на високому рівні деталізації – і це означає, що вони можуть економити значні гроші.

Яке майбутнє науки про дані та машинного навчання в цій сфері?

Як я вже зазначав, ми працюємо з дуже великими наборами даних. Коли ми отримуємо більше даних та більш детальних даних, ми зможемо вивести та зробити висновки про більше інформації – і коли потужність комп’ютерів зростає, ми зможемо обробляти ці дані швидше, щоб надавати потужні висновки. Математичні принципи не змінюються, але наша здатність застосовувати складну математику у великому масштабі зробить ці можливості дедалі більш ефективними, впливовими та доступними протягом наступних кількох років. В кінцевому підсумку це підтримає рух до декарбонізованої мережі.

Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Innowatts.