سازمانها به دنبال این هستند که بتوانند از همه داده هایی که از طریق ابزارهای دیجیتالی جمع آوری شده اند استفاده کنند. برای خدمات آب و هوایی ، این می تواند به دلیل وابستگی صنعت به تجهیزات ، دستگاه های تلفن همراه و اینترنت اشیاء ، چالشی دلهره آور باشد. همه این داده ها می توانند تأثیر بسزایی در موفقیت سازمان ها داشته باشند ، اما به شرطی که از آنها به درستی استفاده شود.

اینجاست که هوش مصنوعی تأثیر زیادی در صنایع دیگر داشته است. خدمات مالی از آن برای ایجاد تجربیات شخصی برای مشتریان ، خرده فروشان از آن برای تعیین زمان ذخیره مجدد و غیرانتفاعی ها از آن برای بهینه سازی جذب سرمایه استفاده کرده اند. بخش انرژی و تاسیسات نیز می تواند از قدرت هوش مصنوعی برای ساده سازی عملیات و بهینه سازی خروجی استفاده کند.

از طریق تجزیه و تحلیل پیش بینی ، هوش مصنوعی می تواند توسط صنعت برای مدیریت منابع ، ذخیره انرژی و افزایش کارایی مورد استفاده قرار گیرد. خودکار جمع آوری ، ذخیره و مدیریت داده ها باعث کارآمدتر و سودآورتر شدن صنعت می شود.

تجزیه و تحلیل پیش بینی کننده می تواند نیازهای انرژی را پیش بینی کند

به گفته آرون مجومدار ، استاد صندلی جی پرکورت ، استاد دانشگاه استنفورد و عضو گروه مهندسی مکانیک ، " اگر یک لحظه عقب نشینی کنید ، متوجه می شوید دو صنعت جداگانه تریلیون دلاری وجود دارد ، صنعت انرژی و صنعت صنعت داده و اطلاعات ، که اکنون در حال تلاقی به شکلی هستند که قبلاً نداشتند. "

موسسه تحقیقاتی قدرت برق با شرکت های خدمات رسانی و جامعه هوش مصنوعی کار می کند تا مجموعه داده ها را برای توسعه و آموزش مدل ها منتشر کند. این مجموعه داده ها می توانند برای افزایش کارایی ، افزایش مدل سازی پیش بینی کننده و شناسایی موثرتر آسیب هایی که ممکن است نیاز به تعمیر یا تعویض داشته باشند ، مورد استفاده قرار گیرد.

مایکروسافت نیز ابزاری برای کمک به شرکت های قدرتمند برای تقویت تجزیه و تحلیل پیش بینی خود از طریق Power BI ارائه کرده است ، مجموعه ای از ابزارهای تجزیه و تحلیل کسب و کار که به گفته این شرکت می تواند " نحوه مدیریت انرژی پایدار و ایجاد ارزش در تولید ، عرضه ، توزیع ، و مصرف با استفاده از بینش داده محور. "

ابزارهای تجزیه و تحلیل داده ها مانند Power BI می توانند توسط برنامه های کاربردی برای پیش بینی و برنامه ریزی برای تقاضای مشتریان آینده استفاده شوند. مایکروسافت می گوید محصول آن می تواند " تصمیمات واکنشی را به استراتژی های پیش بینی کننده و پیشگیرانه با افزایش تجهیزات حیاتی و مدیریت منابع در تولید و توزیع انرژی تبدیل کند. "

هوش مصنوعی می تواند به مدیریت منابع در بخش انرژی کمک کند

مجومدار اوایل امسال در میزگرد هوش مصنوعی و برق صحبت کرد که توسط موسسه تحقیقات برق تولید شد. " افرادی که روی داده ها تمرکز می کنند عموماً تخصصی در زمینه صنعت برق ندارند و بالعکس. ما واحدهایی مانند EPRI داریم که سعی می کنند این دو را به هم متصل کنند ، و این ارزش فوق العاده ای دارد. "

وقتی صحبت از مدیریت منابع می شود ، نشریه POWER در صنعت گزارش می دهد که " EPRI در حال توسعه مدل ها و ابزارهایی است که اپراتورها را قادر می سازد تا پاسخگویی و انعطاف پذیری خود را نسبت به سیگنال های شبکه خدمات به صرفه ترین روش افزایش دهند. همراه با دیجیتالی شدن سیستم های کنترل ساختمان ، مدل های پیش بینی کننده هوش مصنوعی مقرون به صرفه ، انعطاف پذیری ، عملکرد محیطی و قابلیت اطمینان را برای خدمات و مشتریان فراهم می کند. "

یک مثال دیگر از این قابلیت هوش مصنوعی در نوامبر 2019 اعلام شد ، زمانی که بیکر هیوز (شرکت نفتی آمریکایی) ، C3.ai و مایکروسافت با اتحادیه ای به بازار آمدند که به گفته آنها پذیرش راه حل های مقیاس پذیر هوش مصنوعی در مایکروسافت آژور را برای مشتریان آسان تر می کند. بر اساس بیانیه مایکروسافت که در آن زمان منتشر شد ، " در نتیجه ، مشاغل انرژی دارای مجموعه ای امن و قابل اعتماد از برنامه های هوش مصنوعی در مقیاس سازمانی هستند که برای اجرا در آژور بهینه شده اند. این راه حل ها برای حل چالش ها در سراسر زنجیره ارزش ، از بهینه سازی موجودی و مدیریت انرژی گرفته تا تعمیر و نگهداری پیش بینی و قابلیت اطمینان فرآیند و تجهیزات طراحی شده است. "

ذخیره انرژی با استفاده از هوش مصنوعی می تواند کارایی (داده هارا) را افزایش دهد

بر اساس EPRI ، سیستمهای ذخیره انرژی جدید " به طور معمول 4 ساعت یا کمتر مقدار زمانی کاری دارند ، که با ظرفیت اوج و نیازهای خدمات جانبی مطابقت دارد. با این حال ، در سالهای آتی با استفاده از ذخیره سازی برای جایگزینی با ظرفیت بیشتر با ظرفیت معمولی ، جذب دوره های طولانی تر از تولید مجدد تجدیدپذیر ، و حمایت از تاب آوری در شرایط شدید آب و هوایی ، نیاز بالقوه به ذخیره سازی طولانی مدت وجود دارد. "

یوتیلیتی دایو(Utility Dive) گزارش می دهد که وزارت انرژی به دنبال هوش مصنوعی (AL) و یادگیری ماشینی (ML) است تا تحقیقات برای ذخیره طولانی مدت انرژی را تسریع کند. در اجلاس DOE's Long Duration Storage Shot در 23 سپتامبر ، دیوید ترک ، معاون وزیر انرژی گفت که " آوردن ویژگی ذخیره سازی طولانی مدت به شبکه ، نه تنها امکان اتکای بیشتر به انرژی های تجدیدپذیر را فراهم نمی کند ، بلکه باعث افزایش انعطاف پذیری و کاهش بار انرژی نیز می شود.  " 

با توجه به گزارش یوبیلیتی دایو ، طرح سریع اعتبارسنجی عملیاتی یا ROVI ، یا طرح پیشنهادی آزمایشگاه های ملی DOE به دنبال رفع شکاف اطلاعاتی برای ارائه دهندگان برق "با استفاده از یادگیری ماشین و هوش مصنوعی برای مدل سازی عملکرد فناوری های مختلف ذخیره سازی طولانی مدت ، " از جمله پیش بینی اینکه چگونه این فناوری عملکرد خود را از دست می دهد یا از نظر فیزیکی در طول زمان پایدار می ماند. این ابتکار بر داده های صنعت و دوقلوهای دیجیتالی سیستم های ذخیره سازی تکیه می کند تا عملکرد بلندمدت را مدل کند. "

منبع : biztechmagazine