Използване на ИИ за постигане на максимална устойчивост на инфраструктурата
Автор: Кевин Скарбъроу, директор „Енергийни услуги“ за САЩ в Siemens Smart Infrastructure – Buildings и член на Асоциацията за енергиен мениджмънт
Бележка на редактора: Това е текстова версия на коментарите на Кевин Скарбъроу в подкаста Energy Beat. Можете да чуете пълните интервюта тук.
В Siemens осъзнаваме, че сме в разгара на глобален енергиен преход. Уверени сме в това, тъй като основаваме дългосрочната си стратегия на пет глобални мегатенденции: демографски промени, урбанизация, глокализация (комбинация от глобално и локално), промени в околната среда, ресурсна ефективност и дигитализация. Всяка от тях ще има значително влияние върху енергията – начина, по който я генерираме, разпределяме и използваме. Както знаем, днес компаниите приоритизират възобновяемата енергия, енергийната ефективност и електрификацията на своите активи.
Този преход обаче подлага на сериозен натиск съществуващата енергийна и сградна инфраструктура. Тя изисква бърза трансформация, за да се запази надеждността и устойчивостта на тези сложни системи.
Сградният сектор е отговорен за около 40% от световното търсене на енергия, а се очаква площта на сградите в световен мащаб да се удвои до 2060 г. Това е огромен обем ново строителство, което ще натовари ресурсите ни. Това е и една от причините, поради които търсенето на електроенергия се очаква да се утрои до 2050 г. Както наскоро заяви Матиас Ребелиус, главен изпълнителен директор на направлението Smart Infrastructure в Siemens, в публикация за Reuters Plus: „Устойчивото енергийно снабдяване се превърна в инфраструктурен приоритет номер едно“.
Siemens разглежда това като голяма възможност – строителната и енергийната инфраструктура да станат по-интелигентни чрез ИИ, създавайки технологии, които са устойчиви на бъдещето (future-proof).
Ние интегрираме изкуствен интелект в нашата екосистема Building X, за да подобрим отчитането и анализа на данни. Това от своя страна води до по-висока енергийна ефективност и по-добри оперативни резултати за клиентите. Пример за това е използването на генеративен ИИ, който анализира историята на работните поръчки (work orders) за даден актив, за да приоритизира поддръжката и да реагира по-бързо на нуждите от ремонт. Използваме и машинно обучение за оптимизиране на климатичните системи в компютърни зали и центрове за данни.
Казано по-просто: ние внедряваме ИИ, за да анализира и оптимизира енергопотреблението в сградите и на самите сгради. Но както във всяка нова сфера, тук има както възможности, така и предизвикателства – подчертани от критичната нужда от качествени данни.
Предизвикателства пред интеграцията на ИИ в енергетиката и комуналните услуги
Трите най-големи предизвикателства са: сигурност на данните, управление на данните (data governance) и прекомерното разчитане на ИИ.
Сигурността на данните в сферата на ИИ все още е до голяма степен нерегулирана, което е едновременно риск и възможност. Възможност би се появила, ако индустриални асоциации като ASHRAE се обединят, за да създадат най-добри практики за използване на ИИ в сектора. Потенциалните рискове включват злонамерени действия, като хакерски атаки. Индустрията трябва бързо да развие своя подход към киберсигурността. Всички данни и решения трябва да подлежат на одит, а достъпът до алгоритмите трябва да бъде строго контролиран (role-based access), за да се предотврати външна намеса в „мозъка“ на ИИ системата.
На практика, ние внедряваме изкуствения интелект, за да анализира и оптимизира енергопотреблението както в сградите, така и на самите сгради като цялостни системи. Но както във всяка нова сфера, тук има както предизвикателства, така и възможности – като в основата на всичко стои критичната нужда от качествени и правилни данни.
При управлението на данни (data governance), за да бъде индустрията ефективна в постигането на резултати, ИИ трябва да генерира консистентни и унифицирани изходни данни, особено при генеративния ИИ. Качественото управление включва стандартизирани категории, механизми за отчетност и комуникация – критични елементи, когато ИИ си взаимодейства със системите за сградна автоматизация. Свободният обмен на информация предотвратява създаването на т.нар. „силози за данни“ (data silos), които възпрепятстват споделянето на ключови показатели.
Съществува обаче сериозен риск от прекомерно разчитане на технологиите. Ако се предоверим на изкуствения интелект, рискуваме да загубим творческата искра; всичко ще се ограничи до информацията, с която е захранена ИИ системата. Това може да доведе до пристрастия и самодоволство, особено при генеративния ИИ. Компаниите, които успешно използват ИИ като творчески инструмент, го правят само под прекия надзор и с участието на човешкия интелект.
В крайна сметка, една ИИ система е толкова умна, колкото са умни данните, с които е захранена.
Използване на най-добрите данни в строителството и енергетиката
При всяко приложение на ИИ в тези сектори, най-ценни са точните и приложими исторически данни. За да предвидим бъдещето, трябва да знаем как системата е реагирала или работила в миналото при различни стимули. Тези данни могат да включват дори изображения – например на централна енергийна мощност, които се подават на ИИ, за да помогне в търсенето на информация за дизайна на устройство или двигател в интернет.
Благодарение на генеративния ИИ, наличието на отчети за работни поръчки и пълна история на поддръжката на специфична система може да даде на специалиста – експерт в оптимизацията на системи – способността да реагира много по-бързо при решаването на комплексни проблеми на клиентите. В случая с машинното обучение е абсолютно критично да разполагаме със система за сградна автоматизация, която използва правилните сензори и е форматирана с коректни данни за тенденциите (trend data) и точни измервания.
Както точността, така и надеждното количество данни са от съществено значение. Например:Метеорологичните данни помагат за вземане на решения в реално време за работата на инсталациите или за изчисляване на потенциални спестявания чрез машинно обучение.Използването на API (интерфейси за програмиране на приложения) – дигитален посредник, който позволява на една програма да изисква функционалност от друга, без да познава вътрешната ѝ работа. Това води до по-голяма мащабируемост и възможност за персонализиране на резултатите според нуждите на потребителите.
Определяне на необходимия обем исторически данни
Колко назад във времето трябва да гледаме?
Като енергиен инженер мога да кажа, че обикновено мениджърите изискват данни за комуналните разходи (utility data) за 2-3 години назад. Но по време на пандемията от COVID-19 данните за 2020 и 2021 г. бяха ирелевантни за прогнозиране на бъдещето, тъй като сградите бяха необитаеми.
Обемът данни зависи от приложението: за климатизация в зала с една среща дневно, данни за две седмици биха били достатъчни.
Важно е енергийните мениджъри сериозно да анализират как глобалните събития оформят качеството на наличните данни и как те влияят на прогнозите.
Използване на ИИ за управление на натоварването и гъвкавост на търсенето
Индустрията внедрява ИИ за оптимизиране и правилно оразмеряване на натоварването на мрежата. Тук ключова роля играе технологията „Цифров близнак“ (Digital Twin), която открива повреди, преди те да станат проблем. ИИ захранва тези близнаци чрез обработка на големите масиви от данни, необходими за тяхното създаване.
В платформата Siemens Xcelerator предлагаме:Electrification X: Облачна услуга за автоматизация на инфраструктурата (подстанции и други активи), която увеличава времето за работа (uptime) и киберсигурността.
Gridscale X: Софтуер за управление на мрежата, включващ модула DER Insights. Той анализира ресурсите „зад електромера“ (DER), прогнозирайки тяхното поведение и помагайки на клиентите да максимизират устойчивостта си.
Изпреварване на тенденциите
Трябва да следим регулациите за ИИ в САЩ и глобално, защото те ще променят бъдещето. Нека приемем промените с отворено съзнание и да утвърдим ролята на човека. Можем да бъдем предпазливи, но не трябва да се страхуваме. Всеки може да се опира на ИИ там, където технологията подобрява операциите и носи стойност за бизнеса.
В крайна сметка, всички трябва да подходим с отворено съзнание към това, което ИИ може да направи. Нека приемем промените, които предстоят, и да утвърдим ролята на човека в ИИ. Можем да бъдем предпазливи, но не трябва да се страхуваме. Всеки може да се опира на ИИ, като научи всичко възможно за него и се опита да развие бизнеса си, използвайки го там, където добавя стойност, подобрява операциите и носи полза за клиентите.
Публикувано на: 30 декември 2025 г.