Южнокорейската държавна енергийна компания KEPCO обяви внедряване на нова система за прогнозиране и управление на електроенергийната мрежа, базирана на изкуствен интелект, като очакванията са тя да намали годишните разходи за снабдяване с електроенергия с приблизително 110 милиарда вона, или около 73–74 милиона долара.

Новината е част от по-широка стратегия на Южна Корея за дигитализация на енергийния сектор и постепенно внедряване на аналитични AI системи в управлението на електроенергийната инфраструктура. Според публикуваната информация KEPCO е обновила своя модел за прогнозиране на електропотреблението и е оптимизирала управлението на енергийните мощности чрез значително разширяване на използваните масиви от данни.

Промяната е съществена. Предишният модел е работил с около 159 набора от данни, концентрирани основно около Сеул, провинция Кьонги и Пусан. Новата система използва приблизително 95 000 реални точки от данни, събирани в национален мащаб. Това позволява много по-прецизно наблюдение на поведението на електроенергийната система, включително локални натоварвания, регионални различия и кратковременни пикове на потребление.

Причината за подобна модернизация е свързана с фундаменталната промяна в начина, по който функционира електроенергийната система на Южна Корея. В продължение на десетилетия управлението на електроенергийните мрежи е базирано върху относително стабилни и предвидими модели на потребление. Днес ситуацията постепенно се променя под въздействието на няколко различни фактора.

Един от тях е рязкото разрастване на центровете за данни и инфраструктурата за изкуствен интелект. Южна Корея активно се стреми да се превърне в регионален AI и cloud център, което води до увеличаване на концентрираното електропотребление. Data center инфраструктурата работи с огромни и често силно променливи товари, което създава значително по-високи изисквания към прогнозните модели на електроенергийните оператори.

Вторият фактор е масовото навлизане на електрически превозни средства. При класическите модели на потребление електрическите товари са сравнително равномерни и предвидими. Зареждането на големи количества електромобили обаче започва да създава локални и кратковременни пикове в натоварването, особено в урбанизираните райони.

Третият фактор е постепенното увеличаване на дела на възобновяемите енергийни източници. Производството от фотоволтаични и вятърни централи зависи силно от атмосферните условия и може да се променя бързо в рамките на минути. Това прави управлението на електроенергийната система значително по-сложно в сравнение с традиционната енергетика, базирана основно на ядрени, въглищни и газови мощности.

Именно тук започва ролята на изкуствения интелект. Вместо системата да работи само с усреднени статистически модели, AI анализира огромни масиви от данни в почти реално време. Това включва атмосферни условия, регионално потребление, индустриални товари, поведение на зарядната инфраструктура, локални мрежови ограничения и други параметри. Целта е операторът да получи значително по-точна прогноза за бъдещото натоварване и по-добра възможност за оптимизация на електропреносната система.

Според KEPCO една от основните икономии ще дойде от по-ефективното използване на евтините генерации и намаляване на необходимостта от ограничаване на мощности. Компанията посочва, че системата ще помогне за намаляване на т.нар. curtailment ефекти – ситуации, при които определени електроцентрали са принудени временно да намалят производството си, защото мрежата не може ефективно да прехвърли произведената електроенергия до зоните с най-високо потребление.

Подобен проблем става все по-характерен за модерните електроенергийни системи. В определени моменти евтината генерация може да бъде налична в една част на страната, докато основното потребление се намира в друга. Ако електропреносната мрежа не може оптимално да управлява тези потоци, операторът е принуден да използва по-скъпи локални мощности или да ограничава част от евтината генерация.

Новата AI система има за цел именно да минимизира подобни ситуации чрез значително по-прецизно прогнозиране и управление на мрежовите режими.

Технологично проектът е част от по-широка национална програма на Южна Корея за т.нар. Energy Digital and AI Transformation – дигитална и AI трансформация на енергийния сектор. В рамките на тази стратегия се разработват няколко различни направления за интеграция на изкуствен интелект в електроенергийната инфраструктура.

Особено интересен е проектът за т.нар. Korean-style Kraken platform. Името идва от британската Kraken платформа на компанията Octopus Energy, която се счита за една от най-развитите AI-базирани системи за управление на distributed energy resources – разпределени енергийни ресурси.

Под distributed energy resources се разбират множество малки и средни енергийни източници и консуматори, разположени директно в разпределителната мрежа – фотоволтаици, домашни батерии, зарядни станции за електромобили, локални акумулиращи системи и други подобни елементи.

Класическите електроенергийни системи традиционно са изградени около централизирана генерация – големи електроцентрали произвеждат електроенергия, а потребителите я консумират. При distributed generation моделът е различен. Част от потребителите започват едновременно и да произвеждат електроенергия, а потоците в мрежата стават значително по-динамични и двупосочни.

Именно тук Kraken-подобните платформи започват да играят важна роля. Те използват изкуствен интелект и обработка на големи масиви от данни, за да координират огромен брой малки енергийни източници и товари като единна система. На практика платформата се опитва динамично да балансира потреблението, локалното производство, зареждането на електромобили, батерийните системи и мрежовите ограничения.

Южнокорейската версия на този модел има за цел да адаптира подобна концепция към особеностите на местната електроенергийна система. Това включва интеграция с националната преносна мрежа, прогнозиране на натоварванията, анализ на локалните ограничения и управление на distributed generation средата.

Важно е обаче да се направи ясно разграничение между аналитичен AI слой и директно управление на критична инфраструктура. В случая изкуственият интелект не управлява пряко защитните системи или критичните енергийни процеси. Самата електроенергийна система продължава да функционира върху класически детерминистични системи за управление и защита.

AI системата изпълнява предимно аналитична и оптимизационна функция. Тя обработва огромни обеми информация, открива зависимости, прогнозира натоварвания и подпомага операторите при вземане на решения. Това е съществено разграничение, защото енергийните оператори традиционно подхождат изключително предпазливо към внедряването на вероятностни AI модели в критична инфраструктура.

Реалистичният модел на внедряване засега изглежда именно като AI-assisted operation – подпомагана от изкуствен интелект експлоатация, при която AI ускорява анализа и оптимизацията, но не заменя фундаменталните защитни и управляващи системи.

В по-широк контекст KEPCO очевидно се опитва да реши проблем, който постепенно започва да се появява във всички развити електроенергийни системи. Класическите модели на управление стават все по-трудни за приложение в условията на рязко увеличаваща се сложност, distributed generation, AI data center натоварване и бързо променящи се енергийни потоци.

Именно затова подобни AI системи вероятно ще започнат да се появяват все по-често не само в Южна Корея, но и в Европа, САЩ и Япония. В голяма степен става дума не толкова за технологична мода, а за опит електроенергийните системи да останат управляеми в условията на бързо променяща се енергийна среда.