Transformacja energetyczna zmienia zasady funkcjonowania Krajowego Systemu Elektroenergetycznego. Dynamiczny wzrost udziału OZE wymusza większą elastyczność, szybsze decyzje operacyjne i coraz bardziej zaawansowaną wymianę danych między uczestnikami rynku. W centrum tej zmiany pojawia się Dostawca Usług Bilansujących (DUB) – nowy podmiot, który integruje rozproszone zasoby, komunikuje się w czasie rzeczywistym z operatorem systemu przesyłowego i odpowiada za stabilność pracy KSE. Aby wypełniać tę rolę, DUB musi dysponować zarówno odpowiednimi zasobami technologicznymi, jak i zaawansowanymi systemami informatycznymi, narzędziami analitycznymi i rozwiązaniami opartymi na sztucznej inteligencji.
W ramach tego cyklu artykułów analizujemy krok po kroku: kim jest DUB, jak działa komunikacja z OSP, jakie systemy IT są niezbędne do jego funkcjonowania oraz jak kluczową rolę odgrywa AI w nowoczesnym bilansowaniu systemu energetycznego.
Poprzednie artykuły:
Kim jest dostawca usług bilansujących i jaką rolę pełni?
Wymiana informacji pomiędzy DUB a OSP w ramach systemów WIRE, SOWE oraz LFC
Rozwiązania informatyczne wspomagające dostawcę usług bilansujących w działaniach operacyjnych
Sztuczna inteligencja w energetyce – czyli o czym mowa?
Sztuczna inteligencja w ostatnich kilku latach stała się nieodzownym elementem naszego życia. Duże modele językowe, generatywne generowanie obrazów i filmów wspomaga naszą codzienną pracę, pozwalając nam skupić się na realizacji celu naszej pracy. Jednakże sam termin AI kryje za sobą znacznie większą różnorodność algorytmów pozwalających wykonywać precyzyjnie zdefiniowane zadania, które pozwalają na budowanie systemów rekomendacyjnych w mediach społecznościowych, przetwarzania i analizy obrazu oraz systemów predykcyjnych zdolnych prognozowania i estymacji parametrów złożonych środowisk np. farm wiatrowych czy fotowoltaicznych.
Prognozowanie generacji z OZE
W miksie energii odnawialnej energia wiatrowa jest obecnie uważana za najbardziej ekonomiczny sposób wytwarzania energii elektrycznej. Aby móc planować produkcję, bilansowanie całego systemu elektroenergetycznego konieczne jest przewidzenie jak dużo energii zostanie wygenerowane. Jest to coraz bardziej istotne z racji na nowe źródła generacji z farm wiatrowych. W tym celu wykorzystuje się modele oparte o sztuczne sieci neuronowe, które stanowią doskonałą metodę prognozowania prędkości wiatru w krótkim, średnim i długim okresie.
W tym celu gromadzi się prognozy pogody, fizyczne oraz operacyjne parametry wiatraków, które odpowiednio dostosowane tzn. oczyszczone z wadliwych danych oraz pogrupowane są wykorzystywane do trenowania modelu, który potem jest wykorzystywany do przewidywania generacji w czasie rzeczywistym. Ostatecznie do modelu trafiają takie informacje jak prędkość i kierunek wiatru, temperatura i wilgotność powietrza oraz fizyczne parametry turbin.
Podobnie wygląda to dla instalacji fotowoltaicznych, gdzie dla analogicznego zestawu parametrów dokonywane są prognozy. Dodatkowo, w przypadku instalacji domowych czy mikrosieciach w budowanym systemie może być uwzględniane dodatkowo użycie energii pochodzących z pomp ciepła, zapotrzebowanie na energię ze strony odbiorców czy magazyny energii co ma na celu zmniejszenie kosztów energii dla odbiorcy.
Wykrywanie kradzieży energii i awarii w systemie
Kradzież energii elektrycznej to powszechny problem, który ma negatywny wpływ zarówno na podmioty gospodarcze, jak i odbiorców energii elektrycznej. Powoduje straty finansowe, stwarza zagrożenia dla systemu energetycznego i wpływa na wysokie rachunki dla klientów. Inteligentne sieci energetyczne generują ogromne ilości danych, w tym dane dotyczące zużycia energii przez konsumentów, co jest kluczowe dla identyfikacji przypadków kradzieży energii.
W celu detekcji takich przypadków stosuje się zarówno rozwiązanie sprzętowe tj. inteligentnych liczników oraz oparte na danych z nich pochodzących. Inteligentne liczniki są w stanie monitorować zaburzenia bilansu prądowego, monitorować zdarzenia takie jak otwarcie obudowy licznika oraz inne próby zaburzenia pomiarów, pozwalając na wykrywanie stosunkowo prostych i mniej wyrafinowanych prób kradzieży i zaburzeń w konsumpcji.
Podejście oparte o dane charakteryzuje się próbą wykrycia wzorców z pomocą metod uczenia maszynowego. W tym celu wykorzystuje się podejścia:
Dzięki takiemu podejściu możliwe jest efektywne wykrywanie przypadków kradzieży energii elektrycznej ograniczając zarówno wysiłek wkładany przez personel operatorów sieci przesyłowej jak i przypadki błędnych kwalifikacji (zarówno pominięć kradzieży jak i błędnych detekcji).
Podsumowanie
Rozwój sztucznej inteligencji wpływa i pozwala na poprawę działania i integracji z systemem energetycznym odnawialnych źródeł energii. Przynosi to wymierne korzyści zarówno dla producentów, operatorów sieci czy konsumentom końcowym poprzez stabilniejszą pracę systemy, uzupełnianie się popytu i podaży i końcowo – niższych cen energii. Dalszy rozwój systemów predykcyjnych oraz innych rozwiązań z zakresu sztucznej inteligencji będzie pozwalał na zwiększenie tych korzyści.
Ambasadorzy działają!
Niniejszy tekst jest efektem samodzielnej pracy Ambasadora Transformacji Energetycznej. Ścieżka ATE jest inicjatywą realizowaną w ramach "Ogólnopolskiego Inkubatora Liderów Transformacji Energetycznej", mającą na celu kształcenie liderów zmiany polskiego systemu energetycznego. więcej
Autor: Mariusz Paluch
