Главное по тексту Применение Al-решений в российской энергетической отрасли продиктовано технологическим развитием индустрии и экономическими стимулами. Так, по оценке Ассоциации больших данных, интеллектуальные системы уже принесли энергокомпаниям более 91 млрд рублей. По прогнозам Минэнерго, к 2027 году около 70% предприятий в сфере ТЭК будут использовать технологии искусственного интеллекта в своих процессах. Динамика AI-внедрений в российской энергоотрасли Доля компаний, применяющих искусственный интеллект *Прогноз Минэнерго Источник: Минэнерго Государство активно стимулирует расширение таких практик. Согласно распоряжению правительства, цифровая трансформация ТЭК выделена в качестве ключевого стратегического направления до 2030 года. Отдельным приказом Минэнерго определена необходимость тотального перехода на автоматизированные системы при отключениях электропотребления. Это повысит эффективность управления и надёжность работы оборудования и сократит сроки ремонтов на 20%. В целом, по данным ведомства, Al-технологии помогают компаниям увеличить выручку на 11%. По оценкам экспертов, экономический эффект от внедрения Al в энергоотрасль РФ к 2030 году составит около 1 трлн рублей. Тимур Вердиев, управляющий директор — начальник управления по работе с клиентами энергетики: Сегодня мы наблюдаем не равномерное распространение AI по всей отрасли, а скорее волну пилотных и точечных внедрений, которая постепенно набирает силу. Если в 2022 году только четверть компаний ТЭК использовала AI в работе, то сейчас этот показатель превышает 60%. Запросы энергетических компаний ориентированы на решение конкретных бизнес-задач с помощью AI-технологий: прогнозирование спроса, оптимизацию ремонтов, снижение потерь. Разбираемся, как искусственный интеллект используют в электрогенерации, сетях и сбытовых компаниях. Генерация под присмотром Al Al и ML (от англ. machine learning — «машинное обучение») активно применяются для прогнозирования возможных поломок и выявления проблем в работе оборудования. По данным McKinsey, предиктивное обслуживание может сократить простои оборудования на 30—50% и продлить срок службы на 20—40%. Как это работает система получает данные от датчиков, установленных на оборудовании; анализирует информацию в режиме реального времени; прогнозирует возможные неисправности; своевременно предупреждает о потенциальных проблемах. Главные преимущества обнаружение проблем задолго до появления видимых признаков; плановое обслуживание вместо срочного ремонта; предотвращение серьёзных поломок; снижение расходов за счёт грамотного планирования ремонтных работ. Алгоритмы машинного обучения совершенствуют свои навыки на основе анализа больших объёмов данных. Так, российская IIoT-система (от англ. industrial internet of things — «промышленный интернет вещей») для аналитики и удалённого мониторинга эксплуатируется на энергопредприятиях России с 2015 года. За 10 лет к платформе подключено более 3,2 ГВт тепловой генерации (примерно 2% от общего объёма). Стоимость подключённого оборудования превышает 5 млрд долларов. Машинное зрение заменяет ручной труд и оптимизирует контроль за оборудованием. Как это работает на практике в отечественном энергосекторе? Российская компания Ctrl2GO Solutions разработала систему предиктивной диагностики, использующую статистические модели и экспертные правила. В отличие от других мировых поставщиков, она обеспечивает автоматическое построение моделей. Проект был реализован для анализа работы электрогенератора на станции, где его выход из строя привёл к штрафу в 150 млн рублей. Система смогла выявить проблему за полтора года до аварии, несмотря на то, что классические системы защиты не сработали. На ГЭС в Братске используют автоматизированную систему предиктивной диагностики (АСПД). Al собирает большой объём данных с гидроагрегатов, анализирует их работу и прогнозирует вероятность отказа. Эта позволяет определить оптимальное время для технического обслуживания, повышает безопасность и эффективность работ, отменяя необходимость частых обходов и визуального и инструментального обследования в ручном режиме. В производственных процессах российского энергетического холдинга Al применяют для оценки состояния оборудования и прогнозирования дефектов. Система собирает данные с более чем 700 000 единиц техники. Российская система, внедрённая на ТЭЦ в Екатеринбурге, уже выявила четыре аномалии, которые могли привести к отключению энергоблока. За год работы на ТЭЦ в Кировске эта платформа предотвратила 13 потенциальных дефектов, способных вызвать аварийное отключение генератора. Кроме того, она помогла снизить штрафы на оптовом рынке мощности и улучшила планирование ремонтов. Компания внедрила систему на ещё 10 станциях и будет тиражировать её на другие объекты энергогенерации. Китай — один из мировых лидеров по объёмам внедрения роботизированных систем при строительстве и обслуживании объектов энергетики. Автоматизация повышает эффективность и снижает расходы на 66% . Например, роботы выполняют годовой объём работы бригады по установке солнечных панелей всего за четыре недели. Сетевой фильтр В отечественном холдинге «Россети» намерены преобразить сетевую инфраструктуру с помощью роботов и искусственного интеллекта. В частности, предприятие планирует разработать автоматизированные системы проектирования и мониторинга, а также применять Al-решения для оценки технического состояния оборудования и учёта. Особое внимание при реализации таких проектов уделяют кибербезопасности. Так, в мае предприятие внедрило инновационную методику для выявления уязвимостей и предотвращение компрометации данных в электросетевых комплексах. Кроме того, современные Al-системы обеспечивают управление режимами электросетей. Так, в энергосистеме Магаданской области внедрили российский программный комплекс с блоком на основе искусственного интеллекта для поддержания требуемых уровней напряжения у потребителей и уменьшения потерь электроэнергии. Александр Домышев, к. т. н., научный сотрудник ИСЭМ СО РАН: Это решение улучшило управление энергосистемой в автоматическом режиме без участия оператора. Инновационные методы динамической оптимизации позволяют не только предсказывать изменения нагрузки, но и эффективно управлять режимами с учётом временных факторов. Благодаря этому система минимизирует потери электроэнергии и обеспечивает необходимый уровень напряжения для потребителей. Такие решения особенно актуальны при растущей нагрузке и необходимости экономить ресурсы. Интеллектуальные решения для управления электроэнергией применяются и на трансформаторных подстанциях. В отличие от традиционных, умные системы могут самостоятельно корректировать работу сети, что делает энергоснабжение более эффективным и безопасным. Уфа стала первым городом в России, где внедрили такие технологии. Проект стартовал в 2013 году и к концу 2020-го Уфа полностью перешла на интеллектуальное управление энергоснабжением. Как это работает датчики собирают информацию о работе оборудования; интеллектуальные системы анализируют данные; при обнаружении проблем система автоматически реагирует; операторы получают актуальную информацию удалённо. Главные преимущества Source: https://sber.pro/publication/svet-v-kontse-algoritma-kak-ai-menyaet-rossiiskuyu-energetiku/