Искусственный интеллект может прогнозировать нагрузку на электросети на основе данных об использовании автомобильных и железных дорог.
Чтобы удовлетворить спрос и справляться с пиками потребления, поставщики электроэнергии должны иметь возможность прогнозировать нагрузку на сеть. Группа ученых из Цюрихского университета прикладных наук разработала систему искусственного интеллекта, способную точно прогнозировать нагрузку на сеть на основе данных о дорожном и железнодорожном движении. Результаты были опубликованы в Energy Strategy Reviews.
Распределители электроэнергии используют прогностические модели , чтобы более эффективно справляться с изменением климата , энергетическим кризисом и колебаниями солнечной и ветровой энергии , на которые приходится растущая доля нашей электроэнергии. Модели основаны главным образом на истории потребления, другими словами, нагрузка на сеть прогнозируется на основе прошлых действий час, день или год назад. Модели также включают другие данные, такие как прогнозы погоды , которые определяют спрос на отопление и кондиционирование воздуха и, следовательно, на электроэнергию.
Прогнозы на два-шесть часов вперед
В рамках исследовательского проекта, проводимого в Тичино и Аргау, ученые вводят данные о потреблении электроэнергии и погоде в модель искусственного интеллекта, а также данные об уровне дорожного движения и количестве пассажиров на железнодорожном транспорте. Они знали, что движения очень тесно связаны с деятельностью — отдыхом, работой, временем, проведенным дома или на улице.
И что эти действия, в свою очередь, коррелируют с потреблением электроэнергии. Поэтому ученые решили определить, может ли искусственный интеллект обнаружить связь между этими выводами. Действительно, это сделало возможными краткосрочные прогнозы: модель смогла предсказать рост внутреннего потребления электроэнергии за два-шесть часов до того, как это произошло.
Электрическая мобильность еще более поразительна
Ученые также попытались дополнить традиционные модели, основанные на истории потребления, добавив свои данные о трафике. Однако это лишь незначительно повышает качество прогнозов. По мнению ученых, данные о дорожном движении являются особенно полезной заменой истории потребления, если они недоступны или когда истории теряют свою предсказательную силу, как это происходит в определенных исключительных ситуациях, таких как пандемия или стихийное бедствие.
Тем не менее Аксорнчан Чайанонг, руководитель исследования и научный сотрудник Центра энергетики и окружающей среды Цюрихского университета прикладных наук, считает, что рост электрической мобильности может обеспечить наиболее важный потенциал для новой модели. «По мере роста количества электромобилей связь между трафиком и спросом на электроэнергию будет становиться все теснее. Это означает, что данные о трафике, вероятно, станут еще более важными для прогнозирования потребления электроэнергии».
