Enea Operator wykorzysta AI do testowania prognoz obciążenia sieci energetycznej

Projekt, którego realizacji podjęła się Enea Operator, odpowiada na potrzebę lepszego dostosowania sieci do zmieniających się warunków rynku elektrycznego, np. wskutek rosnących mocy OZE oraz regulacji dotyczących efektywności energetycznej. Głównym elementem projektu jest zastosowanie trzech autorskich algorytmów spółki Affexy, które opierają się na technikach tzw. głębokiego uczenia. Drugi nowoczesny mechanizm zastosowany w projekcie pozwala utworzonym modelom koncentrować się na najistotniejszych danych. W efekcie doświadczenia zdobyte w jednym zadaniu wykorzystywane są do ulepszania innego. Tego rodzaju „nauka” systemu pozwala na zwiększenie precyzji prognoz i ich lepsze dostosowanie do dynamicznie zmieniających się warunków sieciowych.

­Projekt Enei Operator skupia się na trzech obszarach, z których podstawowym jest analiza danych. Pozwala ona na zrozumienie obciążenia sieci i identyfikację czynników wpływających na zmienność tego obciążenia. Drugi obszar to obróbka pozyskanych danych, czyli przygotowanie ich tak, by mogły być sprawnie przeanalizowane przez zaawansowane modele sztucznej inteligencji (AI). Ten etap działań projektowych kończą raport i rekomendacje, czyli wnioski z analizy i sugerowanie czynności do optymalizacji procesu zbierania danych oraz jakości prognoz.

Korzyści, jakie niesie ze sobą realizacja projektu to przede wszystkim lepsze zrozumienie obciążenia sieci i wzorców, jakie nim kierują. Ten aspekt jest krytycznym dla efektywnego zarzadzania siecią. Dzięki projektowi możliwe jest także wykorzystanie zaawansowanych technik AI i ich pilotaż oraz testowanie skuteczności nowatorskich algorytmów w realnych warunkach. Uzyskane w projekcie wyniki i doświadczenia znajdą zastosowanie, gdy dojdzie do wdrożenia pełnoskalowego systemu dostarczając wstępnych informacji zarówno o jego skuteczności, jak i tych obszarach, które wymagają dalszego rozwoju.