Крупные центры обработки данных увеличивают спрос на электроэнергию. Некоторые утверждают, что ИИ принесёт электросети чистую выгоду.
Растущая популярность искусственного интеллекта приводит к такому значительному росту спроса на электроэнергию, что это может кардинально изменить нашу энергосистему. Потребление энергии центрами обработки данных выросло на 80% с 2020 по 2025 год и, вероятно, продолжит расти. Цены на электроэнергию уже растут, особенно в местах наибольшей концентрации центров обработки данных.
Тем не менее, многие, особенно представители крупных технологических компаний, утверждают, что ИИ в конечном итоге станет позитивной силой для энергосистемы. Они утверждают, что эта технология может помочь быстрее получать больше чистой энергии, повысить эффективность энергосистемы, а также прогнозировать и предотвращать сбои, приводящие к отключениям электроэнергии.
Эта статья является частью серии статей MIT Technology Review «Энергоемкие: ИИ и наше энергетическое будущее», посвященной энергетическим потребностям и стоимости выбросов углерода в результате революции искусственного интеллекта.
Уже есть первые примеры того, как ИИ помогает, включая инструменты ИИ, которые коммунальные предприятия используют для прогнозирования спроса и предложения. Вопрос в том, будут ли эти большие обещания реализованы достаточно быстро, чтобы перевесить негативное влияние ИИ на локальные сети и сообщества.
Тонкий баланс
По словам Уткарши Агвана, члена некоммерческой организации Climate Change AI, одной из областей, где ИИ уже используется для сетей, является прогнозирование.
Управление сетью — это баланс: операторы должны понимать существующий спрос на электроэнергию и включать правильную комбинацию электростанций для его удовлетворения. Они оптимизируют процесс с учётом экономических показателей, выбирая источники, которые обеспечат минимальные цены для всей системы.
Это требует прогнозирования на часы, а в некоторых случаях и на дни вперёд. Операторы учитывают такие факторы, как исторические данные (в праздники спрос часто выше) и погода (в жаркий день кондиционеры потребляют больше энергии). Эти прогнозы также учитывают ожидаемый уровень подачи электроэнергии от непостоянных источников, таких как солнечные панели.
Использование инструментов ИИ для прогнозирования сопряжено с небольшим риском; зачастую оно не так чувствительно ко времени, как другие приложения, которые могут требовать реакции в течение нескольких секунд или даже миллисекунд. Оператор электросети может использовать прогноз, чтобы определить, какие электростанции необходимо включить. Другие организации также могут составлять собственные прогнозы, например, используя инструменты ИИ для определения численности персонала на электростанции. Кроме того, эти инструменты не могут физически ничем управлять. Вместо этого их можно использовать в сочетании с более традиционными методами для получения дополнительных данных.
Связанная история
Сегодня операторы электросетей используют множество приблизительных моделей для моделирования сети, поскольку система настолько сложна, что невозможно точно знать, что происходит в каждом месте в любой момент времени. Необходимо учитывать не только множество электростанций и потребителей, но и, например, следить за тем, чтобы линии электропередач не перегружались.
По словам Кайри Бейкера, профессора Колорадского университета в Боулдере, работа с этими оценками может привести к определённой неэффективности. Например, операторы, как правило, генерируют немного больше электроэнергии, чем потребляет система. Использование ИИ для создания более качественной модели может сократить некоторые из этих потерь и позволить операторам принимать решения о том, как управлять инфраструктурой в режиме реального времени, чтобы обеспечить более точное соответствие спроса и предложения.
Она приводит пример поездки в аэропорт. Представьте, что есть маршрут, который, как вы знаете, доставит вас туда примерно за 45 минут. Возможно, существует другой, более сложный маршрут, который сэкономит вам время в идеальных условиях, но вы не уверены, будет ли он лучше в конкретный день. То, что сейчас делает сетка, эквивалентно выбору надёжного маршрута.
«Вот этот-то разрыв и может помочь преодолеть ИИ. Мы можем решить эту более сложную проблему достаточно быстро и надёжно, чтобы, возможно, использовать его и сократить выбросы», — говорит Бейкер.
Теоретически ИИ может использоваться для управления сетями полностью без участия человека. Но эта работа в основном всё ещё находится на стадии исследований. Операторы сетей управляют некоторыми из самых критически важных объектов инфраструктуры в стране, и отрасль не спешит вмешиваться в то, что уже работает, говорит Бейкер. Если подобные технологии когда-либо будут использоваться в работе сетей, люди всё равно будут участвовать в принятии решений, по крайней мере, на начальном этапе.
Планирование наперед
Ещё одна перспективная область применения ИИ — планирование будущих обновлений сети. Строительство электростанции может занять очень много времени: в США типичный срок от подачи первоначального запроса до ввода в коммерческую эксплуатацию составляет около четырёх лет. Одна из причин столь длительного ожидания заключается в том, что новые электростанции должны продемонстрировать своё влияние на остальную часть сети, прежде чем их подключат к сети.
Исследование межсистемных связей изучает, потребует ли строительство новой электростанции определенного типа в определенном месте модернизации сети для предотвращения проблем. После того как регулирующие органы и коммунальные службы определяют, какие именно модернизации могут потребоваться, они оценивают стоимость, и, как правило, расходы оплачивает разработчик энергосистемы.
Сегодня подобные исследования могут занимать месяцы. Они связаны с попытками понять невероятно сложную систему, и, поскольку они основаны на оценках других существующих и проектируемых электростанций, лишь несколько из них могут быть построены в одном районе в любой момент времени. Это привело к многолетней очереди на подключение к энергосистеме, длинной очереди электростанций, ожидающих своей очереди на подключение к сети на таких рынках, как США и Европа. Подавляющее большинство проектов, стоящих сегодня в очереди, — это возобновляемые источники энергии, а это значит, что чистая энергия только и ждет своего часа.
ИИ может ускорить этот процесс, позволяя быстрее создавать отчёты. Midcontinent Independent System Operator, сетевой оператор, охватывающий 15 штатов в центральной части США, в настоящее время сотрудничает с компанией Pearl Street, чтобы автоматизировать эти отчёты.
ИИ не станет панацеей для планирования сетей; существуют и другие шаги для сокращения очереди на подключение, включая получение необходимых разрешений. Но эта технология может помочь продвинуться вперёд. «Чем раньше мы сможем ускорить подключение, тем лучше для нас», — говорит Роб Грэмлих, президент Grid Strategies, консалтинговой компании, специализирующейся на рынках передачи и электроэнергии.
Список других потенциальных применений ИИ в электросетях и электрогенерации растёт. Эта технология может отслеживать и заранее планировать сбои в работе оборудования, от линий электропередач до редукторов. Компьютерное зрение может помочь обнаружить всё: от лесных пожаров до неисправных линий. ИИ также может помочь сбалансировать спрос и предложение на виртуальных электростанциях, в системах распределённых ресурсов, таких как зарядные устройства для электромобилей или умные водонагреватели.
Несмотря на наличие первых примеров исследований и пилотных программ применения ИИ, от планирования сетей до эксплуатации, некоторые эксперты скептически относятся к тому, что технология оправдает возложенные на неё надежды. «Дело не в том, что ИИ не оказал никакого влияния на энергосистемы», — говорит Агван из Climate Change AI. «Проблема в том, что обещания всегда были больше, а надежды — больше».
В некоторых регионах цены на электроэнергию уже растут из-за потребностей дата-центров в электроэнергии. Ситуация, вероятно, ухудшится. Ожидается, что к концу десятилетия спрос на электроэнергию со стороны дата-центров удвоится и достигнет 945 тераватт-часов, что примерно соответствует годовому спросу всей Японии.
Рост инфраструктуры, необходимый для поддержки роста нагрузки ИИ, значительно опередил обещания этой технологии, говорит Панайотис Мутис, доцент кафедры электротехники Городского колледжа Нью-Йорка. По его словам, более высокие счета, вызванные растущими потребностями ИИ в энергии, не оправдываются существующими способами использования этой технологии в электросети.
«В данный момент я не готов склониться на сторону идеи, что ИИ — это панацея», — говорит Моутис.
Исправление: Эта история была обновлена с целью исправления принадлежности Мутиса.
Источник: www.technologyreview.com
