В Лондоне начались переговоры между DeepMind и National Grid (аналог ПАО «Россети» и Системного оператора) о применении технологии нейронных сетей для сокращения потребления электроэнергии. Демис Хассабис, соучредитель и генеральный директор компании DeepMind, надеется, что применение технологии нейронных сетей может сократить потребление электроэнергии на 10 % только за счет оптимизации электроэнергетических режимов без вложений в развитие сетевой инфраструктуры. Учитывая объем потребления электроэнергии Великобританией (25-35 ГВт) и суммарную её стоимость (десятки миллиардов фунтов), сокращение потребления на 10 % приведет к существенной экономии ресурсов.
DeepMind – британская компания, основанная в 2010 году и специализирующаяся на прикладном применении технологий машинного обучения и искусственного интеллекта. В 2014 году приобретена Google и получила известность как создатель AlphaGo, первой в мире программы, которая выиграла матч у профессионального игрока в «го».
National Grid – владеет и управляет системообразующими подстанциями и линиями электропередач Великобритании. Источниками передаваемой электроэнергии являются ТЭС, ГЭС, ВЭС и СЭС принадлежащие генерирующим компаниям Великобритании (в первую очередь EDF и E.ON).
Одной из задач National Grid является обеспечение баланса между производством и потреблением электроэнергии, с поддержанием частоты переменного тока в пределах 50 Гц. Как правило, потребность в потреблении электроэнергии для определенного момента времени хорошо предсказуема, зависит от времени суток и погоды. С учетом увеличивающейся доли ВЭС и СЭС необходимый объем производства электроэнергии на ТЭЦ и ГЭС для определенного момента времени предсказать намного сложнее чем объем потребления.
Установленная мощность британских ВЭС составляет уже 13 ГВт, что является значительным объемом при суммарном потреблении порядка 25 ГВт в летний период и 35-40 ГВт в период наиболее холодных зимних дней, в связи с чем простое изменение скорости ветра (и соответственно изменение производимой ВЭС электроэнергии) может вызвать существенные проблемы при обеспечении баланса между производством и потреблением.
Большой объем накопленных статистических данных идеально подходит для технологий машинного обучения, применяемых DeepMind. National Grid известно о путях оптимизации электроэнергетических режимов, которые применяются диспетчерами. Однако, по мнению DeepMind применение технологии искусственного интеллекта и нейронных сетей может выявить новые пути оптимизации режима, которые живые люди никогда не рассматривали. Огромная электросеть, управляемая National Grid, действительно содержим множество путей оптимизации режимов. Наибольшие потери происходят при передаче электроэнергии на большие расстояния и низкой загрузке отдельных элементов сети.
Демис Хассабис: «Есть огромный потенциал для применения технологий машинного обучения, которые помогут уменьшить влияние электроэнерегтических систем на окружающую среду. Действительно интересная возможность заключается в том, что DeepMind может помочь National Grid максимизировать использование возобновляемых источников энергии за счет использования машинного обучения для прогнозирования пиков спроса и предложения».
В прошлом году DeepMind провели похожую работу по оптимизации энергопотребления центров обработки данных Google, которая привела к сокращению потребления на 15%. В DeepMind считают, что нет никаких причин, мешающих провести аналогичную оптимизацию по всей энергосистеме Великобритании.
Источник: www.arstechnica.co.uk