Використання ШІ для максимальної стійкості в інфраструктурі

Примітка редактора. Це переказ коментарів Кевіна Скарборо до подкасту Energy Beat. Ви можете послухати повні інтерв'ю в подкастах тут.

У Siemens ми усвідомлюємо, що відбувається глобальний енергетичний перехід. Ми впевнені в цьому, оскільки ґрунтуємо нашу довгострокову стратегію на п'яти глобальних мегатрендах: демографічних змінах, урбанізації, глокалізації, зміні навколишнього середовища та ресурсоефективності, а також цифровізації. Кожен з них матиме значний вплив на енергетику — на те, як ми генеруємо, розподіляємо та використовуємо енергію. І як ми всі знаємо, компанії надають пріоритет відновлюваній енергії, енергоефективності та електрифікації своїх активів.

Ми також знаємо, що цей перехід напружує наявну енергетичну та будівельну інфраструктуру. Для підтримки надійності та стійкості цих складних систем потрібна швидка трансформація.

Будівельний сектор становить близько 40 відсотків світового попиту на енергію, а кількість корисних площ у будівлях по всьому світу, як очікується, збільшиться вдвічі до 2060 року. Це багато квадратних метрів, які збираються побудувати, викликаючи попит на наші ресурси. Це одна з причин, чому очікується, що попит на електроенергію зросте втричі до 2050 року. Таким чином, як нещодавно заявив наш генеральний директор Smart Infrastructure Маттіас Ребелліус у своєму повідомленні для Reuters Plus, «Стійке енергопостачання набуло значення, щоб стати пріоритетом інфраструктури номер один».

Siemens розглядає це як важливу можливість для будівельної та енергетичної інфраструктури стати розумнішою за допомогою штучного інтелекту, створити таку технологію, яка захищена від майбутнього, до якої ми прагнемо.

Ми використовуємо та досліджуємо штучний інтелект у межах того, що ми називаємо нашою екосистемою Building X, щоб покращити доставку звітності про дані, що, у свою чергу, забезпечує більшу енергоефективність та експлуатаційні результати для клієнтів. Одним із прикладів цього може бути використання генеративного штучного інтелекту, щоб допомогти визначити історію робочих замовлень для активу, щоб допомогти визначити пріоритети обслуговування та швидше реагувати на потреби в технічному обслуговуванні. Ми також використовуємо машинне навчання для оптимізації обробки повітря та кондиціонерів для комп'ютерних кімнат.

Простіше кажучи, ми просимо ШІ подумати про використання енергії всередині будівель. Але, як і все в цьому новому ландшафті, є проблеми та можливості, які підкреслюються величезною потребою в правильних даних.

Проблеми інтеграції штучного інтелекту в енергетичну та комунальну галузь

Три найбільші виклики для інтеграції штучного інтелекту в енергетичну та комунальну галузь - це безпека даних, управління даними та надмірна залежність від штучного інтелекту.

Безпека даних, пов'язана з штучним інтелектом, значною мірою нерегульована, тому це сфера як можливостей, так і ризику. Можливість може виникнути в тому, що галузеві асоціації, такі як Американське товариство інженерів з опалення, охолодження та кондиціонування повітря (ASHRAE), об'єднуються для створення найкращих практик використання штучного інтелекту в галузі. Потенційні ризики в рамках безпеки даних включають поганих суб'єктів, які використовують штучний інтелект злоякісним способом, наприклад, хакерів. Галузі повинні швидко розвивати свій підхід до безпеки даних, щоб вирішити ці проблеми. Дані та рішення повинні підлягати перевірці, а також повинен існувати контроль доступу до алгоритмів на основі ролей, щоб запобігти впливу поганих суб'єктів на мозок використовуваного движка штучного інтелекту.

У керуванні даними, щоб галузь була ефективною та ефективною у досягненні результатів, ШІ повинен мати рівномірний результат, особливо з генеративним ШІ. Керування якістю даних включає стандартизовані класифікації даних, механізми звітності та комунікації, особливо якщо ШІ спілкується з системою автоматизації будівель. Простота комунікацій допомагає запобігти створенню силосів даних, які перешкоджають обміну ключовими даними.

Однак існує великий ризик надмірної залежності від штучного інтелекту. Якщо ми занадто покладаємось на штучний інтелект, ми втрачаємо цю ключову іскру творчості; все буде базуватися і обмежуватися тим, що подається штучному інтелекту. Це може призвести до упередженості та самовдоволення, особливо з генеративним ШІ. Компанії, які використовують штучний інтелект як інструмент творчості, роблять це успішно лише за допомогою участі та нагляду людського розуму.

Зрештою, механізм штучного інтелекту буде настільки розумним, як і дані, які в нього надходять.

Використання найкращих даних для штучного інтелекту в будівельній та енергетичній галузях

У будь-якому застосуванні штучного інтелекту в будівництві та енергетиці найважливіші дані є точними, застосовними історичними даними, тому що, щоб передбачити майбутнє, нам потрібно знати, як речі реагували або діяли в минулому на різні стимули цієї системи. Історичні дані можуть включати зображення — ви подаєте зображення центрального заводу, наприклад, штучному інтелекту, щоб шукати в Інтернеті інформацію про дизайн пристрою чи двигуна.

Завдяки генеративному штучному інтелекту наявність звітів про робочі замовлення та повна історія обслуговування конкретної системи може дати фахівцеві — комусь, хто є експертом з оптимізації системи — можливість швидше рухатися для вирішення складної проблеми, яку може мати клієнт. З машинним навчанням наявність системи автоматизації будівель, яка використовує правильні датчики та відформатована з правильними даними тенденцій та вимірюваннями, є абсолютно критичною.

І точність даних, і дійсно надійний обсяг даних мають важливе значення для оптимізації штучного інтелекту. Наприклад, дані про погоду можуть бути використані для прийняття рішень майже в режимі реального часу для центрального операційного плану або для повітряного навантажувача за допомогою машинного навчання, для розрахунку потенційної економії. Це ключ до використання інтерфейсу прикладного програмування (API), цифрового посередника між двома додатками, який дозволяє одній програмі запитувати дані або функціональні можливості від іншої, не знаючи, як працює інша система. Системні менеджери можуть створювати API, які можна інтегрувати в використовуваний штучний інтелект, що призводить до більшої масштабованості, розширеної функціональності та гнучкості з можливістю налаштування виходів відповідно до конкретних потреб користувачів.

Визначення потрібної кількості історичних даних для AI

Як визначити, який обсяг історичних даних вам потрібен? Це залежить від того, що насправді сталося, скажімо, за останні три роки. Чи достатньо цього чи вам дійсно потрібно більше?

У моєму досвіді інженера з енергетики більшість менеджерів хотіли б отримати комунальні дані на два-три роки. Але якби ви сказали мені під час пандемії COVID, що хочете трирічні дані про комунальні послуги, я б сказав вам, що 2020 та 2021 роки насправді не мають значення для прогнозування того, як буде виглядати майбутнє, оскільки будівлі на той час були незайняті.

Скільки історичних даних вам потрібно також залежить від системи будівлі, самої будівлі та того, чого ви намагаєтеся досягти операційно. Прикладом цього є коли у вас є обробник повітря для конференц-залу, якому потрібні дані. Якщо в цьому конференц-залі буде одна зустріч на день, я, мабуть, міг би обійтися даними приблизно на два тижні. Якщо температура на вулиці була репрезентативною для більшої кількості годин при певній температурі, це повинно бути достатніми даними.

Багато міркувань щодо історичних даних залежить від програми, але енергетичні менеджери повинні серйозно поглянути на минуле та на те, як глобальні події могли сформувати фактичну якість даних, які вони мають.

Використання штучного інтелекту для управління навантаженням та гнучкості попиту

Енергетична індустрія вчиться використовувати машинне навчання та штучний інтелект для найважливіших питань оптимізації та правильного розміру навантаження на мережу та системи. Технологія цифрових двійників також відіграє в цьому важливу роль. Цифровий двійник може допомогти збільшити термін служби електричних активів, виявляючи несправності в цих системах, перш ніж вони стануть проблемою. ШІ може живити цього цифрового двійника, обробляючи великі набори даних, необхідні для створення близнюків таких активів.

Ще однією технологією, яка може стати в дію для розподілу енергії, є пропозиція в рамках платформи Siemens Xcelerator: Electrification X. Ця пропозиція, побудована на хмарних сервісах, призначена для управління, оптимізації та автоматизації інфраструктури електрифікації шляхом надання цілісного уявлення про підстанції та інші активи. Функція Electrification X, яка називається Electrification X Asset Management, використовує аналітику даних датчиків, щоб дозволити власникам активів та операторам збільшити час безперебійної роботи та надійність, зменшити експлуатаційні витрати та зміцнити кібербезпеку.

Siemens має ще одну пропозицію під назвою Gridscale X, яка забезпечує просте у розгортанні модульне програмне забезпечення для наскрізного управління мережею та використовує штучний інтелект для аналізу величезних обсягів даних мережі. У рамках цієї пропозиції є Gridscale X DER Insights, яка використовує штучний інтелект для розкриття додаткових розподілених енергетичних ресурсів (DER) та оцінки їх поведінки та впливу на мережеве обладнання. Це допомагає прогнозувати, аналізувати та отримувати корисні відомості та перетворити їх на дієві наступні кроки. Це цінно, оскільки допомагає клієнтам оптимізувати операції DER, зрозуміти продуктивність та стан DER, а також максимізувати стійкість бізнесу та мережі.

Випереджаючи основні тенденції ШІ

Менеджери галузі повинні стежити за правилами штучного інтелекту, які надходять у США та в усьому світі, оскільки вони, безсумнівно, вплинуть на те, як штучний інтелект розвивається в майбутньому. Це означає, що те, що ми робимо зараз із штучним інтелектом, зміниться. Ми також повинні стежити за новими можливостями та технологіями ШІ, коли вони з'являються в Інтернеті. Менеджери галузі повинні швидко дізнатися, як ці нові елементи можуть застосовуватися до будівельних та енергетичних операцій, щоб їх вартість могла змінити ситуацію для бізнесу та для клієнтів.

Зрештою, ми всі повинні мати відкриту думку щодо того, що може зробити ШІ. Зустріньмо зміни, які наступають, і ствердімо роль людини в ШІ. Ми можемо бути обережними, але не повинні боятися. Кожен може спиратися на штучний інтелект, дізнавшись про нього все можливе, і спробувати розвивати свій бізнес, використовуючи його там, де він додає цінності, покращує роботу та приносить користь клієнтам.

Опубліковано: 30 грудня 2025