Korištenje UI za maksimiziranje otpornosti u infrastrukturi

Napomena urednika: Ovo je narativna verzija komentara Kevina Scarborougha na Energy Beat Podcast. Možete slušati kompletne intervjue za podcast tu.

U Siemensu prepoznajemo da se događa globalna energetska tranzicija. Uvjereni smo u ovo zapažanje jer svoju dugoročnu strategiju zasnivamo na pet globalnih megatrendova: demografske promjene, urbanizacija, glokalizacija, promjene okoliša i učinkovitost resursa te digitalizacija. Svaka od njih imat će značajan utjecaj na energiju - kako je generiramo, distribuiramo i koristimo. I kao što svi znamo, tvrtke daju prioritet obnovljivoj energiji, energetskoj učinkovitosti i elektrifikaciji svoje imovine.

Također znamo da ova tranzicija opterećuje postojeću energetsku i građevinsku infrastrukturu. Potrebna je brza transformacija kako bi se održala pouzdanost i održivost ovih složenih sustava.

Građevinski sektor predstavlja oko 40 posto globalne potražnje za energijom, a očekuje se da će se količina korisnog prostora u zgradama diljem svijeta udvostručiti do 2060. To je puno kvadratnih površina koje će se uskoro izgraditi, što zahtijeva naše resurse. To je jedan od razloga zašto se očekuje da će potražnja za električnom energijom utrostručiti do 2050. Tako je, kako je naš izvršni direktor pametne infrastrukture Matthias Rebellius nedavno izjavio u svom Objava za Reuters Plus"Otporna opskrba energijom dobila je važnost da postane infrastrukturni prioritet broj jedan.„

Siemens to smatra velikom prilikom da građevinska i energetska infrastruktura postanu pametnija s umjetnom inteligencijom, kako bi stvorili takvu vrstu tehnologije otporne na budućnost kojoj težimo.

Koristimo i istražujemo umjetnu inteligenciju unutar onoga što nazivamo našim Building X ekosustavom kako bismo poboljšali isporuku izvješćivanja o podacima što zauzvrat donosi veću energetsku učinkovitost i operativne ishode za kupce. Jedan primjer toga bilo bi korištenje generativne umjetne inteligencije za identifikaciju povijesti radnih naloga za imovinu kako bi se pomoglo u određivanju prioriteta održavanja i bržem odgovoru na potrebe održavanja. Također koristimo strojno učenje za optimizaciju uređaja za upravljanje klima uređajima i klima uređajima u računalnim sobama.

Jednostavno rečeno, tražimo od umjetne inteligencije da razmisli o korištenju energije unutar zgrada i samih zgrada. Ali kao i sve u ovom novom krajoliku, postoje izazovi i mogućnosti - naglašene ogromnom potrebom za pravim podacima.

Izazovi integracije umjetne inteligencije u energetsku i komunalnu industriju

Tri najveća izazova za integraciju umjetne inteligencije u energetsku i komunalnu industriju su sigurnost podataka, upravljanje podacima i pretjerano oslanjanje na umjetnu inteligenciju.

Sigurnost podataka vezana uz AI uglavnom je neregulirana, pa je ovo područje mogućnosti i rizika. Prilika bi mogla nastati ako se industrijske udruge poput Američkog društva inženjera grijanja, hlađenja i klimatizacije (ASHRAE) okupe kako bi stvorile najbolje prakse za korištenje UI u industriji. Potencijalni rizici unutar sigurnosti podataka uključuju loše aktere koji koriste UI na zloćudan način, poput hakiranja. Industrije moraju brzo razviti svoj pristup sigurnosti podataka kako bi se riješile ove izazove. Podaci i odluke moraju biti revidirani, a algoritmima mora postojati kontrola pristupa temeljena na ulogama kako bi se spriječilo da loši akteri utječu na mozak UI motora koji se koristi.

U upravljanju podacima, kako bi industrija bila učinkovita u postizanju rezultata, umjetna inteligencija mora imati ujednačen učinak, posebice s generativnom umjetnom inteligencijom. Upravljanje kvalitetnim podacima uključuje standardizirane kategorizacije podataka, mehanizme izvještavanja i komunikacije, posebno ako UI komunicira sa sustavom automatizacije zgrada. Jednostavnost komunikacije pomaže u sprječavanju stvaranja silosa podataka koji ometaju dijeljenje ključnih podataka.

Međutim, postoji veliki rizik oko pretjeranog oslanjanja na AI. Ako se previše oslanjamo na umjetnu inteligenciju, gubimo tu ključnu iskru kreativnosti; sve će se temeljiti i ograničiti na ono što se napaja UI motoru. To može dovesti do pristranosti i samozadovoljstva, posebno kod generativne UI. Tvrtke koje koriste UI kao alat za kreativnost to uspješno čine samo uz doprinos i nadzor ljudskih umova.

U konačnici, UI motor bit će pametan samo koliko i podaci koji se u njega unose.

Korištenje najboljih podataka za iskorištavanje umjetne inteligencije u građevinskoj i energetskoj industriji

U bilo kojoj vrsti primjene umjetne inteligencije u zgradama i energiji, najvažniji podaci su točni, primjenjivi povijesni podaci, jer da bismo predvidjeli budućnost, moramo znati kako su stvari reagirale ili djelovale u prošlosti na različite podražaje tog sustava. Povijesni podaci mogu uključivati slike — slike središnjeg postrojenja unosite, na primjer, u UI motor kako biste pomogli pretraživati internet u potrazi za informacijama o dizajnu uređaja ili motora.

Uz generativnu UI, posjedovanje izvještaja o radnom nalogu i cjelovita povijest održavanja na određenom sustavu mogli bi pružiti stručnjaku - nekome tko je stručnjak za optimizaciju sustava - mogućnost bržeg kretanja radi rješavanja složenog problema koji kupac može imati. S strojnim učenjem apsolutno je kritično imati sustav automatizacije zgrada koji koristi ispravne senzore i formatiran s ispravnim podacima o trendovima i mjerenjima.

I točnost podataka i stvarno pouzdana količina podataka neophodni su za optimizaciju UI. Primjerice, vremenski podaci mogu se koristiti za donošenje odluka gotovo u stvarnom vremenu za središnji operativni plan ili za upravljač zrakom koji koristi strojno učenje, za izračunavanje potencijalnih ušteda. Ovo je klimanje prema korištenju sučelja za programiranje aplikacija (API), digitalnog posrednika između dvije aplikacije koji omogućuje jednom programu da traži podatke ili funkcionalnost od drugog, a da ne mora znati kako drugi sustav funkcionira. Upravitelji sustava mogu stvoriti API-je koji se mogu integrirati u UI u uporabi, što rezultira većom skalabilnošću, poboljšanom funkcionalnošću i fleksibilnošću uz mogućnost prilagođavanja izlaza kako bi zadovoljili specifične potrebe korisnika.

Pronalaženje prave količine povijesnih podataka za UI

Kako odrediti koliki opseg povijesnih podataka trebate? To ovisi o tome što se zapravo dogodilo u, recimo, protekle tri godine. Je li to dovoljno ili stvarno trebate više?

U mom iskustvu energetskog inženjera, većina menadžera željela bi korisne podatke vrijedne dvije do tri godine. Ali ako biste mi tijekom pandemije COVID-a rekli da želite tri godine korisnih podataka, rekao bih vam da 2020. i 2021. zapravo nisu relevantne za predviđanje kako će izgledati budućnost jer su zgrade u to vrijeme bile nenaseljene.

Koliko povijesnih podataka trebate ovisi i o sustavu zgrade, samoj zgradi i onome što pokušavate operativno postići. Primjer za to je kada imate uređaj za upravljanje zrakom u konferencijskoj sali kojem su potrebni podaci. Ako postoji jedan sastanak dnevno u toj konferencijskoj sali, vjerojatno bih se mogao snaći s podacima vrijednim oko dva tjedna. Ako je temperatura vani bila reprezentativna za veću količinu sati na određenoj temperaturi, to bi trebao biti dovoljan podatak.

Mnoga razmatranja o povijesnim podacima ovise o aplikaciji, ali energetski menadžeri moraju ozbiljno pogledati prošlost i kako su globalni događaji mogli oblikovati stvarnu kvalitetu podataka koje imaju.

Korištenje UI za rješavanje upravljanja opterećenjem i fleksibilnosti potražnje

Energetska industrija uči kako iskoristiti strojno učenje i umjetnu inteligenciju za vrlo ključna pitanja optimizacije i prilagođavanja veličine opterećenja mreže i sustava. Digitalna tehnologija blizanaca također igra važnu ulogu u tome. Digitalni blizanac može pomoći u produženju životnog vijeka električnih sredstava otkrivanjem kvarova u tim sustavima prije nego što postanu problem. UI može napajati ovog digitalnog blizanca obradom velikih skupova podataka potrebnih za stvaranje blizanaca takve imovine.

Još jedna tehnologija koja može doći na snagu za distribuciju energije je ponuda unutar platforme Siemens Xcelerator: Electrification X. Ova ponuda, izgrađena na uslugama u oblaku, osmišljena je za upravljanje, optimizaciju i automatizaciju infrastrukture za elektrifikaciju pružajući holistički pogled na trafostanice i drugu imovinu. Značajka postavljena unutar Electrification X, nazvana Electrification X Asset Management, koristi analitiku podataka senzora kako bi vlasnicima imovine i operaterima omogućila povećanje vremena rada i pouzdanost, smanjenje operativnih troškova i jačanje kibersigurnosti.

Siemens ima još jednu ponudu pod nazivom Gridscale X koja pruža jednostavan za implementaciju modularni softver za upravljanje mrežom od kraja do kraja i koristi UI za analizu ogromnih količina mrežnih podataka. Unutar te ponude nalazi se Gridscale X DER Insights, koji koristi UI za otkrivanje distribuiranih energetskih resursa iza brojila (DER) i procjenu njihovog ponašanja i utjecaja na mrežnu opremu. To pomaže u predviđanju, analizi i izvlačenju korisnih uvida i pretvaranju u sljedeće korake koji se mogu djelovati. Ovo je vrijedno jer pomaže kupcima da optimiziraju DER operacije, razumiju performanse i zdravlje DER-a te maksimiziraju otpornost poslovanja i mreže.

Ostajanje ispred glavnih UI trendova

Industrijski menadžeri moraju paziti na propise o umjetnoj inteligenciji koji dolaze u SAD-u i globalno jer će sigurno utjecati na razvoj umjetne inteligencije u budućnosti. To znači da će se ono što sada radimo s UI promijeniti. Također moramo biti na oprezu za nove UI mogućnosti i tehnologije dok dolaze na mrežu. Menadžeri industrije moraju brzo naučiti kako se ti novi elementi mogu primijeniti na građevinske i energetske operacije kako bi njihova vrijednost mogla napraviti razliku za poslovanje i za kupce.

U konačnici, svi moramo imati otvoren um o tome što UI može učiniti. Prihvatimo promjene koje dolaze i potvrdimo ljudsku ulogu u UI. Možemo biti oprezni, ali ne treba se bojati. Svatko se može osloniti na umjetnu inteligenciju naučivši sve što možete o tome i pokušati razviti svoje poslovanje, koristeći ga tamo gdje dodaje vrijednost, poboljšava poslovanje i koristi kupcima.

Objavljeno: 30. prosinca 2025