Искусственный интеллект управляет системой энергопитания зданий.

На коммерческие и жилые здания приходится значительная доля мирового потребления энергии. Однако во многих коммерческих зданиях энергия тратится впустую – например, при предоставлении энергетических услуг в то время когда здания пусты. Эта проблема возникает из-за того, что коммерческие и жилые здания представляют собой большие сложные системы, в которых находятся разные люди с различным поведением и потребностями.

Поскольку системы энергоменеджмента зданий (BMSS) должны учитывать различные особенности поведения пользователей, потребление энергии в зданиях не всегда оптимизируется. Теперь, по мере увеличения объема данных об энергопотреблении зданий, становится доступным широкий спектр информации для оптимизации BMSS таким образом, чтобы они предоставляли энергетические услуги именно тогда, когда они необходимы.

С другой стороны, значительно возросло число источников возобновляемой энергии с перебоями (солнечные электростанции, ветрогенерация) , что создает проблемы для сетевых операторов, которым поручено обеспечивать стабильную подачу электроэнергии в сеть. В этой среде соответствие спроса и предложения имеет решающее значение, и хотя технологии хранения энергии являются одним из решений, использование источников гибкого спроса - другое.

Коммерческие и жилые здания обладают потенциалом для участия в энергетических рынках в качестве источников гибкого спроса, снижая свою нагрузку при необходимости и увеличивая ее при обильных поставках электроэнергии, не оказывая никакого влияния на их эксплуатационные характеристики. Это позволяет владельцам зданий получать дополнительные источники дохода от покупателей. Однако для этого требуются сложные BMSS, которые позволяют зданию участвовать в рынках электроэнергии в режиме реального времени и прогнозировать спрос и предложение энергии, чтобы гарантировать, что жильцы здания в значительной степени не замечают изменений в энергопотреблении здания.

Описание
Использование многочисленных данных для оптимизации энергопотребления коммерческих зданий как раз и позволяют коммерческим зданиям участвовать в рынках с гибким спросом, теперь стало возможным благодаря алгоритмам искусственного интеллекта на основе обучаемых нейросетей.

Одна из таких систем называется “Flex2X”, разработанная британской компанией Grid Edge. Система работает путем объединения данных, полученных из существующей системы энергоменеджмента здания, с другими источниками данных (например, о погодных условиях) и анализа их с использованием алгоритмов искусственного интеллекта. Эти алгоритмы способны оптимизировать энергопотребление здания в режиме реального времени. Алгоритмы считаются “искусственно интеллектуальными”, потому что они изменяются в зависимости от полученных данных и способны обучаться. Это позволяет программному обеспечению основываясь на прошлом опыте делать прогнозы энергопотребления здания за 24 часа вперед.

Искусственный интеллект также получает данные от счетчикам электроэнергии электрической сети горда/региона. Это позволяет отслеживать соотношение цен и выработки электроэнергии и решать, когда увеличивать или уменьшать электрическую нагрузку здания, исходя из стоимости или углеродоемкости электроэнергии в любой момент времени.

Контролируя, когда здание потребляет больше или меньше энергии, программное обеспечение преобразует профиль электрической нагрузки здания из более или менее фиксированной нагрузки в гибкую нагрузку. Гибкие нагрузки являются ценным товаром на современных энергетических рынках, поскольку они помогают операторам энергетического рынка лучше управлять пиками и спадами спроса и включать в сеть более прерывистые возобновляемые источники энергии.