Das große Versprechen der KI für den Energiesektor

Bei all den grandiosen Vorhersagen darüber, wie künstliche Intelligenz die Wirtschaft und die Menschheit verändern wird, verliert man leicht den Überblick darüber, wie sich KI in bestimmten Sektoren manifestieren wird.

Für den Energiesektor ist das Versprechen tiefgreifend: KI könnte das fehlende Glied sein, das ein wirklich digitalisiertes, verteiltes, dekarbonisiertes und demokratisiertes Energiesystem ermöglicht. Doch heute klafft zwischen dieser Vision und der Realität eine gewaltige Kluft. Das derzeitige US-Energiesystem ist für eine andere Ära konzipiert und es fehlen die detaillierten Echtzeitdaten, die die KI benötigt, um ihr Potenzial auszuschöpfen.

Wir betreten das Zeitalter der Automatisierung

David Groarke, Geschäftsführer des Versorgungsberatungsunternehmens Indigo Advisory Group, lieferte letzte Woche eine Erzählung, die mir half, diesen Moment zu verstehen, als ich durch die Transition AI-Konferenz in Boston navigierte. KI ist mehr als eine Technologie; Es ist ein Vorbote einer neuen Epoche für den Versorgungssektor.

Hier ist der Bogen:

• In den 1970er bis 1990er Jahren erlebte der Energiesektor einen Aufschwung Ära der Umstrukturierungdas die Entstehung erneuerbarer Energien verfolgte.
• Von 2000 bis 2020 befand sich der Sektor in einer Phase Zeitalter der Digitalisierungdie den Beginn der Energiewende vorangetrieben hat.
• Ab 2020 sind wir in die Ära der Automatisierungdas durch KI aufgeladen wird und dazu beitragen wird, Netto-Null-Ziele zu erreichen.

Auf dem Weg in diese dritte Ära wollen Lösungsanbieter und Start-ups daraus Kapital schlagen – und versprechen, Daten zu nutzen, um Energiesysteme widerstandsfähiger, effizienter und sauberer zu machen. Es gibt bereits Hunderte dieser Start-ups, die darum kämpfen, neue Technologien zu nutzen, um den Wert (und hoffentlich auch andere Vorteile) für Versorgungsunternehmen zu steigern.

Maschinelles LernenBeispielsweise können mithilfe von Algorithmen Datenmuster für Anwendungen wie vorausschauende Wartung, Energieprognose und Ausfallmanagement gelernt werden. Verteilte KI würde es ermöglichen, Informationen über Geräte zu verteilen, um eine dezentrale Entscheidungsfindung und eine tiefere Durchdringung verteilter Energieressourcen zu ermöglichen.

Alle diese Lösungen setzen die gleiche Voraussetzung voraus: die Verfügbarkeit guter, sauberer Daten.

KI ist nur so gut wie ihre Daten

Der Erhalt zahlreicher, vertrauenswürdiger und qualitativ hochwertiger Daten kann das größte Hindernis für die Erkenntnis des Werts von KI sein. Hier sind drei Möglichkeiten, wie die Daten verbessert werden müssen, damit der Energiesektor den Herausforderungen der Zukunft gewachsen ist.

Menge

Einfach ausgedrückt: Wir haben nicht genügend Daten. Um KI sinnvoll einzusetzen, müssen wir wissen, was im gesamten Stromnetz und am Netzrand passiert. Die Lücke ist nicht unerheblich – um zu verstehen, wie Komponenten miteinander interagieren, müsste sich die erfasste Datenmenge um eine Größenordnung ändern.

Um diese Daten zu erhalten, sind massive Investitionen in Technologien erforderlich, die sich möglicherweise nicht sofort auszahlen.

“Eine Sache [companies] „In Datenerfassung und Rechenleistung sollte man im Jahr 2023 nicht zu wenig investieren“, sagte Jess Melanson, Chief Operating Officer des Softwareunternehmens Utilidata. „Obwohl es im engeren Sinne der Investition teuer erscheinen mag, wird es Ihnen Zeit und Geld sparen.“ wieder, wenn Sie neue Softwareanwendungen erstellen.

Darüber hinaus müssen diese Daten differenzierter sein als die heutigen digitalen Technologien. Für den Ressourcenausgleich müssten beispielsweise bei verteilten Energieressourcen Daten auf Millisekundenebene verfügbar sein – etwas, das derzeit größtenteils nicht existiert.

Qualität

Diejenigen im Energiesektor benötigen Dateningenieure, die eng mit den zugrunde liegenden Daten zusammenarbeiten, um diese zu bereinigen und sicherzustellen, dass sie von hoher Qualität sind. Diese Rolle unterscheidet sich von Datenwissenschaftlern, die versuchen, Erkenntnisse aus Daten zu gewinnen, oder von Softwareentwicklern, die dabei helfen, Algorithmen in Produkte zu integrieren.

Alle diese Daten müssen in zugänglichen Formaten bereitgestellt werden, und die Branche wird wahrscheinlich eine Standardisierung benötigen, um sicherzustellen, dass verfügbare Informationen zwischen Interessengruppen und Anwendungen geteilt werden können.

Verschiedene Teile des Energiesektors leisten dies heute besser als andere. Aus der Übertragungsperspektive sind Versorgungsunternehmen auf Bundesebene verpflichtet, genaue Daten auszutauschen, um die Zuverlässigkeit des Verbundnetzes zu gewährleisten – obwohl noch detailliertere Informationen erforderlich sind.

Aus Sicht der Geräte (Elektrofahrzeuge und Energiespeicher) ist mehr erforderlich, um einzelne Lasten zu verstehen – und den anfallenden Daten zu vertrauen. Denn Energiemärkte neigen dazu, Innovationen konservativ umzusetzen.

Kontext

Vorausgesetzt, dass wir in der Lage sind, genügend hochwertige Daten zu sammeln, müssen diejenigen, die KI-Anwendungen für den Energiesektor entwickeln und einsetzen, den Kontext, in dem diese Informationen gesammelt und verwendet werden, im Auge behalten. Geschieht dies nicht, könnten die derzeitigen Voreingenommenheitssysteme noch verstärkt werden, warnte Priya Donti, Geschäftsführerin von Climate Change AI, einer gemeinnützigen Organisation, die sich dafür einsetzt, maschinelles Lernen zu katalysieren, um Klimalösungen anzugehen.

„Um mit Voreingenommenheit umzugehen, muss nicht nur der enge Rahmen der Daten und des spezifischen technischen Systems betrachtet werden, sondern auch der breitere soziale Kontext, in dem Sie Ihren Algorithmus entwickeln“, sagte Donti.

Ein Beispiel ist der Einsatz von maschinellem Lernen, um vorherzusagen, welche Gebäude bei energetischen Sanierungen mit größerer Wahrscheinlichkeit erfolgreich sein werden. Dies mag zwar eine nützliche Anwendung zur gezielten Bekämpfung von Sanierungsaktivitäten sein, könnte jedoch unbeabsichtigt die Diskriminierung verstärken, wenn die US-amerikanische Geschichte des Redlining und der Unterinvestition in farbige Gemeinschaften außer Acht gelassen wird.

Was auf dem Spiel steht? Ein falscher Umgang mit der KI könnte negative Auswirkungen auf das Energiesystem haben, das offen gesagt ohnehin schon mit dem Klimawandel und der alternden Infrastruktur zu kämpfen hat. Darüber hinaus könnte eine falsche KI das Vertrauen in Technologien verringern, die das Netz hätten stärken können.

Die Tage der KI im Energiesektor sind noch früh und es wird sicherlich viele Entwicklungen geben, wenn Unternehmen diese seltsame neue Welt verstehen. Über welche KI-Dinge denken Sie (oder Ihr Unternehmen) nach? Lass es mich wissen unter [email protected].