Может ли искусственный интеллект сократить потери электроэнергии?

Энергетика - отрасль в которой использование решений на основе искусственного интеллекта является очень перспективным. Основное направление применения подобных решений -  обеспечение надежности генерации и поставки электрической энергии при оптимальном использовании энергетических активов и снижении потерь. Следует отметить, что речь идет в первую очередь о применении так называемого «слабого» искусственного интеллекта, в частности алгоритмов машинного обучения.

Выбор тех или иных инструментов и решений на основе технологии искусственного интеллекта зависит от решаемых задач. В частности, задача выявления и снижения нетехнических потерь в электрических сетях потребует решения задачи классификации фактов выявленного безучетного или бездоговорного потребления электроэнергии. Для этого требуется формализация объекта потребления (или точки поставки электрической энергии) и разметка выборки данных для бинарной классификации в условиях несбалансированной выборки. Последовательность применения методов или конвейер обработки данных (от английского pipeline) должны учитывать особенность представления сети в виде графа и специфику выборки данных, полученных в результате зафиксированных фактов неучтенного потребления.

Также для решения этой задачи могут быть использованы подходы на основе глубоких графовых нейросетевых моделей (Graph neural networks, GNNs), позволяющие не только проводить анализ, но и моделировать изменения, вызванные, например, аварийным отключением. Также, основываясь на результатах моделирования, возможно повышение наблюдаемости за сетью за счет оптимизации установки приборов учета.

Важно понимать, что существует ряд условий, при выполнении которых потенциал искусственного интеллекта может быть действительно использован. Их можно обобщить под названием «цифровая зрелость» или готовность к внедрению систем искусственного интеллекта. К этим условиям относятся формализация объектов предметной области (объектов электросетевого хозяйства) и их связей между собой (топология сети) в виде онтологии или общей информационной модели (Common Information Model). Кроме онтологии объектов целесообразно построить онтологию деятельности, описывающую процессы для поддержки работоспособности объектов и формирования сценариев технических воздействий на основе предиктивной и прескриптивной аналитики. Кричным вопросом является интеграция разработанных систем с компонентами искусственного интеллекта в существующие бизнес-процессы или модификация последних. В противном случае эффективность внедряемых решений может быть не столь очевидной.

За последние три года Волгоградским государственным техническим университетом разработаны и внедрены решения для энергетической отрасли с применением искусственного интеллекта (для ДЗО ПАО Россети). Данный опыт, в частности, позволил выиграть в конкурсе Министерства науки и высшего образования РФ на разработку программ бакалавриата и магистратуры по профилю «искусственный интеллект» и с 2022 года начать подготовку магистров по программе «Системы искусственного интеллекта в ТЭК»