Zapobiegną powtórce Czarnobyla i katastrofie klimatycznej. Technologia pomoże polskiej energetyce

Szerokiej publiczności sztuczna inteligencja objawiła się jako bot konwersacyjny, ale prawdziwie masową zmianą może być wykorzystanie AI w energetyce. Bez nowoczesnych technologii transformacja polskiego sektora energetycznego się nie uda.

Zapobiegną powtórce Czarnobyla i katastrofie klimatycznej. Technologia pomoże polskiej energetyce

Energia atomowa to coś więcej niż słynne równanie Einsteina. Dla tych, którzy na fizyce uważali mniej niż na biologii, mam plastyczny przykład.

Funkcjonowanie systemu AI w energetyce przypomina system immunologiczny organizmów żywych. Jeśli zostaniemy zaatakowani przez wirusy czy bakterie, to system musi się nauczyć, jak z tym patogenem walczyć. Jak już się nauczy i zostanie zaatakowany przez ten sam wirus, to odpowiedź immunologiczna będzie o wiele szybsza. 

Weźmy taki przykład: mamy 100 urządzeń w elektrowni. Na ich działanie wpływają zakłócenia, takie jak zwiększenie obciążenia kotła, zmiana układu pracujących młynów czy też dodawanie biomasy do paliwa. Dla procesu spalania te zakłócenia to odpowiednik wirusów. System, eksplorując przestrzeń, stara się znaleźć najlepsze ustawienia i zbudować model procesu spalania dostosowany do zmieniających się okoliczności. Opierając się na takim modelu, optymalizuje działanie systemu. W rezultacie podejmuje odpowiednie decyzje, zakładając, jak dany proces przy danym obciążeniu odpowie. 

Działa jak organizm. Działa jak człowiek. Choć to AI.

Dla producenta i konsumenta

Dużo mówi się o tym, że sztuczna inteligencja zużywa dużo energii. Ale co w sytuacji, gdy właśnie jej zastosowanie sprawi, że zarządzanie energią będzie dużo tańsze i efektywniejsze? 

Szacuje się, że same tylko systemy AI od Google'a mogą konsumować tyle energii co Irlandia. ChatGPT działający na 10 tys. procesów NVIDIA zużywa 1287 megawatogodzin energii elektrycznej. Ta energia pozwoliłaby zasilić taką mocą niemal dwie setki domów przez rok.

Właśnie przewidywanie generowania i zużycia energii to kluczowy aspekt w rozwoju i transformacji sektora energetycznego, także w Polsce.

Dziś wiemy, że sztuczna inteligencja może przewidywać zapotrzebowanie na energię elektryczną, zarówno w perspektywie długo jak i krótkookresowej, co wpływa na produkcję i sprzedaż energii. AI to też szansa na optymalizację procesów zachodzących w elektrowni węglowej, takich jak utrzymanie temperatury pary na określonym poziomie, utrzymywanie emisji tlenku azotu na pożądanym poziomie czy minimalizacja emisji dwutlenku węgla.

Modele DSR (Demand Side Response) ograniczające pobór energii elektrycznej i modele meteorologiczne dla małych obszarów, konserwacja zapobiegawcza, automatyzacja sterowania przesyłem, monitorowanie i kontrola stanu sieci przesyłowych, automatyzacja i poprawa efektywności komunikacji z klientem. W tych wszystkich obszarach wykorzystywane jest całe spektrum technologii cyfrowych, ze sztuczną inteligencją na czele. 

AI można podzielić na dwa podstawowe segmenty do wykorzystania w energetyce. Pierwsza z nich to część techniczna, czyli produkcja, dystrybucja i zarządzanie. Druga to część handlowa, związana ze sprzedażą i szeroko pojętym kontaktem z odbiorcą. 

Możemy pozytywnie wpływać na konsumentów za pomocą AI, ograniczając zużycie energii – podkreśla Adrian Sienicki, doświadczony menedżer z obszaru energetyki oraz pracownik naukowo-dydaktyczny Politechniki Łódzkiej. 

Sienicki tłumaczy, że sztuczna inteligencja ma za zadanie wykonać proces analityczny, a następnie może prowadzić zautomatyzowany proces decyzyjny, w momencie kiedy zostaną zebrane dane o użytkowaniu energii przez odbiorców. 

Z tych danych może powstać informacja, którą potem przetworzy sztuczna inteligencja, pokazując, kiedy energia jest zużywana, kiedy warto ją produkować i z jakich źródeł. W ten sposób będziemy starali się zmaksymalizować marże i zminimalizować straty.

Rolę AI w energetyce podobnie postrzega też Konrad Wojdan z Transition Technologies Advanced Solutions, firmy będącej jednym z liderów wprowadzenia rozwiązań IT do energetyki. W jego opinii sztuczna inteligencja w sektorze energetycznym wykorzystywana jest przede wszystkim w celu prognozowania i tworzenia scenariuszy na przyszłość oraz lepszego przewidywania wpływu naszych decyzji na produkcję i dystrybucję energii elektrycznej. 

AI potrafi wziąć pod uwagę więcej czynników niż człowiek, podjąć decyzję, która jest lepsza pod kątem większych oszczędności i sprawności wytwarzania energii. Wszystkie przewidywania zapotrzebowania na energię, gaz, ciepło to pole, gdzie sztuczna inteligencja może się wykazać i pomóc poprzez stworzenie odpowiednich modeli predykcyjnych – zauważa Wojdan.

Sztuczna inteligencja może również pomóc rozwiązać problem z magazynowaniem energii, ponieważ znane technologie nie pozwalają na przechowywanie znacznych ilości energii na skalę przemysłową. 

– Jest to szczególnie ważne w kontekście ogłoszonej niedawno propozycji Komisji Europejskiej dotyczącej transformacji energetycznej do 2040 roku, która przewiduje rozbudowę magazynów energii. Połączenie wszystkich małych elementów, tak aby wszystkie one wiedziały o sobie i reagowały z systemem, to jedno z najważniejszych zadań, które stawiamy sztucznej inteligencji dodaje Sienicki.

W Polsce wszystko przed nami

Sztuczna inteligencja może pomóc przestarzałej polskiej energetyce i wesprzeć ją w wielu różnych obszarach. Jednym z problemów Polski jest konieczność sprostania polityce klimatycznej Unii Europejskiej, która wiąże się ze znacznym ograniczeniem emisji CO2 i koniecznością dokonania zmian w strukturze miksu energetycznego. Ale nie jest to wcale takie łatwe. 

W Polsce nie ma strategii i polityki w skali makro wykorzystania sztucznej inteligencji w energetyce. Mówimy tutaj o kwestiach oddolnych, wyspowych. Jest to bardziej inicjatywa grupy pasjonatów czy firmy, która chce to testować. To jest wszystko przed nami i to się tworzy. Nie istnieje jedno zintegrowane podejście, w jaki sposób powinniśmy wykorzystywać sztuczną inteligencję lokalnie i jakie nadać ograniczenia – wskazuje Adrian Siennicki.

Wysłużone bloki i sieci przesyłowe wymagają ciągłego monitorowania i remontów, a do tego celu idealnie nadaje się AI. Dzięki niej możliwa jest optymalizacja produkcji i zużycia energii elektrycznej oraz cieplnej i zwiększenie bezpieczeństwa procesów. 

– To zastosowanie AI dociera już do projektantów. Dlatego dalsza cyfryzacja sektora jest zależna od efektywności, w tym zastosowanych rozwiązań – tłumaczy Sienicki. 

Sytuacja może powoli uleć zmianie. Interdyscyplinarny Zakład Analiz Energetycznych (DIZ) działających w ramach Narodowego Centrum Badań Jądrowych ma wspierać sektor energetyki konwencjonalnej i rozproszonej. W ramach swoich prac wykorzystuje on algorytmy sztucznej inteligencji do prognozowania generacji OZE, cen na rynku oraz popytu. Wykorzystuje również uczenie maszynowe do grupowania stanów systemu elektroenergetycznego lub grupowania podobnych grup odbiorców.

Pomysł wykorzystania sztucznej inteligencji do konfiguracji i optymalizacji systemów energetycznych bazujących na technologiach wodorowych i OZE stał się przedmiotem porozumienia pomiędzy NASK i Instytutem Energetyki. Współpraca ta ma przede wszystkim dotyczyć przygotowania technicznego i proceduralnego podmiotów sektora energetycznego do identyfikowania zagrożeń z cyberprzestrzeni oraz wdrożenia właściwych zabezpieczeń oraz obsługi i zgłaszania incydentów przy uwzględnieniu wymagań dyrektywy NIS2.

W ramach NCBiR rośnie liczba projektów badawczych, które są ukierunkowane na rozwój inteligentnych sieci przesyłowych, wsparcie zarządzania elastycznością i rozwiązania wspomagające decentralizację sieci. Takie projekty to np. “opracowanie zintegrowanego narzędzia bazującego na metodach programowania matematycznego” czy “opracowanie inteligentnego systemu Energy-I System, wspomagającego planowanie produkcji i zarządzanie energią w zakładzie wytwórczym”.

Problemem pozostaje komercjalizacja rozwiązań, dobre projekty nie spotykają się z odpowiednim zainteresowaniem decydentów odnośnie do ich finansowania oraz wdrożeń.

– Obecnie największy potencjał wykorzystania sztucznej inteligencji istnieje u odbiorców poprzez możliwość zbiorowego sterowania ich nawykami, czyli zebranie informacji o tym, co robią, wyciągnięcia pewnych prawidłowości, ułożenia z tego algorytmu oraz bieżącego dostosowywania działania systemów w zależności od tego, co odbiorcy robią – mówi  Adrian Siennicki. 

AI w OZE

AI będzie odgrywało dużą rolę we wsparciu energetyki odnawialnej, przewidując prognozę pogody, a przede wszystkim siłę wiatru i natężenie promieniowania słonecznego z większą dokładnością, czyniąc elektrownie wiatrowe i słoneczne jeszcze skuteczniejszymi. Jest to o tyle istotne, że OZE ma odegrać kluczową rolę w planie transformacji energetycznej UE. Według KE do 2040 roku aż 87 proc. prądu ma pochodzić właśnie z tego rodzaju źródeł energii.

Sztuczna inteligencja może również zrewolucjonizować oszczędności zużycia energii w miastach poprzez regulowanie np. pracy lamp ulicznych. Portal Wysokienapiecie.pl szacuje, że w Polsce jest 3,5 miliona lamp ulicznych, które przed podwyżkami cen energii kosztowały podatników 3 miliardy złotych rocznie. W przypadku gdyby wykorzystać AI do zarządzania oświetleniem ulic, koszt byłby o połowę mniejszy. Projekt wymiany oświetlenia na LED-owe zarządzane przez AI stworzył zespół naukowców z Akademii Górniczo-Hutniczej w Krakowie.

– AI to szansa na maksymalizację marży poprzez minimalizację strat, a tym samym ochronę środowiska. W ciepłownictwie mogłoby to polegać na określeniu pewnego bazowego zużycia ciepła dla danego budynku, a następnie na przewidywaniu przyszłego zużycia na poziomie budynków i sterowanie w taki sposób źródłami wytwórczymi i siecią, by minimalizować straty w sieci i zminimalizować peaki energii.
W sieciach elektroenergetycznych można postępować podobnie – twierdzi Adrian Siennicki.

Małe elektrownie atomowe i duże możliwości

Elektrownie atomowe należą do najbardziej konserwatywnych obiektów, jeśli chodzi o wdrażanie nowinek technologicznych. Głównym powodem jest bezpieczeństwo takich obiektów. Jednak nawet w nich już planuje się wykorzystanie sztucznej inteligencji. 

Taki pomysł pojawił się przy reaktorach typu SMR (Small Modular Reactor), które jeszcze nie weszły do komercyjnego użytku, ale mają olbrzymi potencjał. SMR to małe reaktory modułowe o mocy do 300 MWe, które powszechnie uważa się za następców energetyki opartej na węglu. Mają mniejszą moc niż duże reaktory, a wszystkie ważne elementy są umieszczone w jednym zbiorniku, który w całości może być dostarczony na miejsce budowy.  

Taka technologia pozwala na zwiększenie wydajności produkcji energii, ale również ograniczenie ilości produkowanych odpadów nuklearnych. Zabezpieczenie reaktorów SMR wymaga użycia dodatkowych narzędzi i tutaj proponowanym elementem jest wykorzystanie uczenia maszynowego do ciągłego monitorowania i wykrywania anomalii. W ramach dotychczasowych badań zaprojektowano system służący do monitorowania układu chłodzenia, który analizuje dane dostarczane przez 31 czujników mierzących między innymi temperaturą płynu, ciśnienie i natężenie przepływu. System potwierdził również, że jest w stanie szybko i dokładnie wykrywać anomalie operacyjne. 

W ramach eksperymentu zasymulowano wyciek chłodziwa, co doprowadziło do wzrostu temperatury i natężenia przepływu, co AI wykryła w ciągu 3 minut od wystąpienia. 

Wspomniane reaktory w technologii SMR są ważnym elementem strategii Polski. Do 2030 roku ma powstać pierwsza elektrownia tego typu w naszym kraju. Jednak już wcześniej warto wykorzystać możliwości oferowane przez sztuczną inteligencją do oceny ryzyka, symulacji wpływu instalacji na lokalny i krajowy system elektroenergetyczny, środowisko i społeczeństwo, co może mieć kluczowy wpływ na ostateczne parametry projektu.

Sztuczna inteligencja może zostać również wykorzystania w elektrowniach termojądrowych, które wciąż nie zostały jeszcze oddane do użytku komercyjnego. Ich działanie opiera się na fuzji termojądrowej, która musi przebiegać w plazmie. Substancja ta może być utrzymywana wyłącznie w bardzo specyficznym środowisku, a reaktor elektrowni musi być każdorazowo rozgrzany do 80 milionów stopni Celsjusza. Aby plazma nie zniszczyła tego urządzenia, konieczne jest utrzymanie bardzo silnego pola magnetycznego. W eksperymencie przeprowadzonym przez Departament Energii i Princeton University sztuczna inteligencja może pomóc przewidywać problemy wystepujące w reaktorze w błyskawicznym czasie z 95-proc. dokładnością. Naukowcy na tym jednak nie poprzestają i chcą, aby cały proces zarządzania fuzją był kontrolowany przez sztuczną inteligencję.

Wyzwania i zagrożenia 

Należy podkreślić, że rozwiązania oparte na sztucznej inteligencji są cały czas stosunkowo nową technologią i wymagają niestandardowego podejścia oraz w szczególności dojrzałości organizacji, która planuje je wdrożyć. To konieczność zgromadzenia wysokich kompetencji, współpracy wewnętrznej i integracji już posiadanej infrastruktury cyfrowej – podkreślają autorzy raportu “Jak sztuczna inteligencja może przyspieszyć transformację sektora energetycznego”. 

Autor raportu Tomasz Klekowski, zauważa, że system energetyczny zmienia w kierunku zdecentralizowanej struktury opartej o setki tysięcy źródeł energii odnawialnej wspartej dużymi elektrowniami.

– To będą miliony punktów odbioru energii, połączonych w lokalne mikrosieci. W ramach mikrosieci będzie funkcjonować wiele źródeł, wiele inteligentnych budynków i inteligentnych urządzeń, których działanie będzie optymalizowane pod względem wykorzystania energii. Większość większych i średnich firm stworzy infrastrukturę źródeł i punktów poboru w kształcie mikrosieci, taką drogą pójdą miasta, powiaty i grupy gmin – zauważa Klekowski.

Konrad Wojdan zwraca uwagę, że wyzwania pojawią się również na etapie wdrażania sztucznej inteligencji, a największym problemem jest jakość danych. Rozwiązywanie tego problemu przy wdrażaniu zajmuje 80 proc. czasu i zasobów projektu. Wojdan wyjaśnia też, że dopóki nie zacznie się wdrażać systemów wspomagających podejmowanie decyzji wykorzystujących bądź nie sztuczną inteligencję, nie ma naturalnej potrzeby wielkiej dbałości o te dane. 

– I to jest problem – mówi Konrad Wojdan. – Jeżeli niewłaściwe sprawdzimy dane, to źle nauczymy algorytmy i AI wtedy będzie nieefektywnie pracowała. Efektywność rozwiązań AI zależy od dostępności i jakości danych i wymaga powiązania wiedzy branżowej z technologiczną, odpowiedniej struktury prawnej, zarządzania danymi i dobrej oceny ryzyka i odpowiedzialności – podsumowuje.

Sztuczna inteligencja poza benefitami, które wiążą się z jej wprowadzeniem, stanowi jednak również wyzwania, które czasami mogą przerodzić się nawet w zagrożenia. 

Bezpieczeństwo i pewność zasilania odbiorców energii jest elementem krytycznym dla naszych społeczeństw, a powierzając elementy decyzyjne systemów sterowania aplikacjom AI, oddajemy tak naprawdę kawałek sterowania swoim życiem w ręce maszyn. 

Niemniej jednak nie jest to jeszcze na tyle dobrze rozwinięta technologia, aby rozwiała obawy w zakresie pełnej prawidłowości procesu decyzyjnego, szeroko pojętego bezpieczeństwa czy cyberbezpieczeństwa. Takie systemy też nie są testowane pod kątem odporności  w sytuacji kryzysowej. 

Łatwo wyobrazić sobie negatywne skutki, jeżeli ktoś nakarmi ją fałszywymi danymi, przez co AI będzie przesyłać błędne informacje. Istnieje niestety duże prawdopodobieństwo, że sztuczna inteligencja może zostać zasilona skorumpowanymi danymi. Takie próby zostaną na pewno podjęte. Niestety nie ma żadnego 100-proc. zabezpieczonego urządzenia przed takim procederem – uważa Sienicki.

Dlatego tak istotna jest kwestia cyberbezpieczeństwa. 

– Polska energetyka jest bardzo dobrze przygotowana i przetestowana na wypadek cyberataków i większość przedsiębiorstw energetycznych wciąż posiada możliwość sterowania ręcznego. Wyobraźmy sobie, że kontrolę nad naszymi urządzeniami zdalnie przejmuje ktoś inny i jest w stanie dyktować algorytmowi sterującemu komendę, która doprowadzi do tego, że zostanie uszkodzona infrastruktura krytyczna. Nie mamy zasilania, nie mamy działających szpitali i mamy ogromny problem. Element cyberbezpieczeństwa jest tutaj niebagatelny – podkreśla Sienicki.

W USA praktyka, w Polsce potencjał 

Obecnie liderem wykorzystania sztucznej inteligencji w energetyce są Stany Zjednoczone, ale też bardzo ciekawe prace wykonywane są w Indiach. Amerykański General Electric rozwinął Digital Power Plant który wykorzystuje sztuczną inteligencję i algorytmy uczenia maszynowego do optymalizacji wydajności elektrowni. Takie rozwiązania są używane w kilkunastu elektrowniach w USA. Innym przykładem wykorzystania AI jest Pacific Gas and Electric Company (PG&E), jedno z największych przedsiębiorstw energetycznych w Stanach Zjednoczonych, które wdrożyło technologie sztucznej inteligencji, aby poprawić zarządzanie siecią i niezawodność. W Indiach Tata Power, jedna z największych firm energetycznych, wdrożyła rozwiązania oparte na sztucznej inteligencji, aby zoptymalizować wydajność elektrowni i infrastruktury przesyłowej. 

ReNewPower, jedna z największych firm zajmujących się energią odnawialną w Indiach, wykorzystuje modele prognozowania oparte na sztucznej inteligencji do optymalizacji działania swoich elektrowni wiatrowych i słonecznych. To oczywiście wybrane przykłady zastosowania AI w USA i Indiach, ponieważ jest ich o wiele więcej.  

– W Polsce infrastruktura energetyczna nie pozwala na zastosowanie takich rozwiązań na szeroką skalę. Nasz kraj ma jednak pewne zalety, które mogą pomóc wprowadzić sztuczną inteligencję w energetyce. Przede wszystkim mamy zasoby ludzkie na bardzo wysokim poziomie. Mamy potencjał naukowy, który mógłby nam realizować takie aplikacje – wskazuje Adrian Sienicki i dodaje, że uczelniom bardzo trudno jest pracować w sztywnych realiach z przemysłem, gdzie istnieją różnego rodzaju procedury, prawo zamówień publicznych, które mogą przeszkodzić wdrożeniu nawet najlepszego projektu.

Należy pamiętać, że wdrażanie sztucznej inteligencji w energetyce musi być elementem szerszej strategii cyfryzacji tego obszaru, co umożliwi jej szybszą ewolucję w kierunku większego wykorzystania odnawialnych źródeł energii, decentralizację sieci i połączenie lokalnej generacji z lokalnym zużyciem, co zwiększy również odporność całej sieci. 

Wyzwania związane z wykorzystaniem sztucznej inteligencji są złożone i w oczywisty sposób wychodzą poza kwestie techniczne.

– Do najważniejszych należy gotowość organizacyjna dużych firm energetycznych i przełamanie silosów, zrozumienie i efektywna współpraca pomiędzy różnymi organizacjami i zespołami, poziom rozwoju kompetencji w tych firmach, przygotowanie systemów gromadzenia i zarządzania danymi, kwestie regulacyjne i prawne – podkreśla Tomasz Klekowski.

Ważne jest również stworzenie klarownej i wspólnej wizji jeśli chodzi o pożądany kształt systemu energetycznego.

– Przygotowanie i wykorzystanie rozwiązań sztucznej inteligencji wymaga interdyscyplinarnego podejścia, efektywnej współpracy i nowych kompetencji. Należy również zrozumieć różnice w przemysłowych i infrastrukturalnych zastosowaniach względem horyzontalnego potencjału generatywnej sztucznej inteligencji – podsumowuje Klekowski.

Rewolucja dopiero przed nami.