Zaradi hitre integracije obnovljivih virov energije v elektroenergetski sistem (EES) postaja zanesljivost EES vse pomembnejša. Prehod iz tradicionalnih načinov proizvodnje električne energije na bolj trajnostne oblike, kot sta sonce in veter, prinaša vrsto izzivov, predvsem pri ohranjanju zanesljivosti sistema in optimizaciji porazdelitve virov. Zeleni prehod je neizogiben, če želimo zmanjšati vpliv na okolje v okviru boja proti klimatskim spremembam, vendar ta proces zahteva bolj kompleksno upravljanje z energetskimi viri, ki poleg konvencionalnih virov zajema tudi obnovljive vire energije. Zaradi hitre spremembe proizvodnje se mora tudi EES hitro prilagajati spreminjajočim pogojem. Zagotavljanje učinkovitega delovanja EES, ki vključuje tudi zmanjšanje obratovalnih stroškov in optimizacijo uporabe razpoložljivih elektrarn, je eden od ključnih vidikov tega izziva. Ta vidik obravnava vprašanje, kako najbolje uporabiti obstoječe vire električne energije, da bi zagotovili neprekinjeno in stabilno oskrbo z električno energijo, hkrati pa čim bolj zmanjšali stroške proizvodnje električne energije.
Ekonomsko dispečiranje, ki je pomembna funkcija pri obratovanju EES, obravnava vprašanje porazdelitve proizvodnje med različnimi elektrarnami na optimalen način ob hkratnem zmanjšanju skupnih stroškov proizvodnje. Kot že prej omenjeno, strateško načrtovanje in optimizacija sta ključna za zagotavljanje zanesljivosti EES in stroškovne učinkovitosti. Nepredvidljivost in variabilnost obnovljivih virov energije zahtevata natančno načrtovanje in prilagodljivost sistemov, zato je metoda ekonomskega dispečiranja ključna za učinkovito upravljanje elektroenergetskega sistema..
Razvoj umetne inteligence ima velik vpliv tudi na energetiko, saj je z njo mogoče izboljšati energetske sisteme. Strojno učenje in obdelava naravnega jezika so tehnologije umetne inteligence, ki jih izkoriščamo v različnih sferah energetskih sistemov. Strojno učenje omogoča analizo velikih količin podatkov, zato ta orodja pomagajo pri napovedi proizvodnje obnovljivih virov energije in optimizaciji proizvodnje virov v realnem času. Z izboljševanjem umetne inteligence pri uporabi jezika postaja interakcija med operaterji in sistemi prek klepetalnih robotov vse boljša in človeku podobna, kar operaterjem olajša odločanje in zmanjšuje verjetnost napak. Ta naloga raziskuje potencial uporabe orodij, ki temeljijo na umetni inteligenci, natančneje klepetalnih robotov, za reševanje problema ekonomskega dispečiranja. Glavni cilj je ugotoviti, ali klepetalni roboti, ki temelijo na umetni inteligenci, uspešno izvedejo ekonomsko dispečiranje, kar bi predstavljalo alternativo tradicionalnim metodam optimizacije oz. ekonomskega dispečiranja.
Raziskava se začne s scenarijem, ki vključuje tri termoelektrarne. Cilj je prerazporediti proizvodnjo energije med elektrarne na najbolj stroškovno učinkovit način, pri čemer je treba pokriti potrebe po energiji, a hkrati upoštevati tehnične omejitve posamezne elektrarne. Najprej se problem reši z uporabo računalniškega programa, ki ga je napisal človek. Ta rešitev služi kot referenca. Isti problem se nato reši z uporabo klepetalnih robotov, ki izkoriščajo možnosti umetne inteligence za generiranje optimalne rešitve. Po opravljenih izračunih s pomočjo računalniškega programa in uporabe AI je sledila primerjalna analiza, pri kateri se ocenjuje učinkovitost, natančnost in enostavnost obeh načinov rešavanja, s poudarkom na rešitvah klepetalnih robotov. Pri ocenjevanju ključnih kazalnikov uspešnosti sta čas obdelave in natančnost optimizacijskih rezultatov, ki ju analiziramo da bi ugotovili, ali lahko klepetalni roboti na osnovi umetne inteligence nudijo rešitve ki jih lahko uporabljamo in ali imajo konkurenčno prednost v primerjavi s tradicionalnimi metodami reševanja. Hitrost je pogosto odločilni dejavnik pri upravljanju energetskih sistemov, zato je zelo pomembno, kako hitro in natančno lahko klepetalni robot generira rešitve v primerjavi s tradicionalnimi metodami. Prednost umetne inteligence je sposobnost hitrega prilagajanja na spreminjajoče pogoje in obdelovanje večjega števila spremenljivk. To je pomembno v kontekstu vključevanja obnovljivih virov energije v sisteme, pri čemer lahko umetna inteligenca uporablja vremenske napovedi za ocenjevanje proizvodnje električne energije, s čimer bi se pripomoglo k bolj učinkovitemu in zanesljivemu delovanju elektroenergetskega omrežja.
Ko sta bila ChatGPT in Copilot napotena k reševanju problema ekonomskega dispečiranja, je bilo treba vnesti podatke, omejitve in metodo za generiranje kode. Čas in trud za to ter za odpravljanje morebitnih nesporazumov sta enaka kot pri samostojnem pisanju kode. Prednost pa se je pokazala pri odpravljanju napak in nadgradnjah obstoječe kode.
Za oceno zmogljivosti klepetalnih robotov je analizi dodan še zahtevnejši primer, v katerem je v ekonomsko dispečiranje vključena tudi hidroelektrarna.
Gre namreč za vir, ki nima stalno na razpolago energenta (vode), ampak je ta omejen z hidrologijo reke, ta pa je odvisna od padavin v obliki dežja in snega. Pri termoelektrarnah je dejstvo, da je energent vedno na razpolago, na primer premog na deponiji, zemeljski plin v plinovodnem omrežju ipd. Klepetalni roboti so prejeli nalogo, da rešijo ekonomsko dispečiranje, ki vsebuje hidroelektrarno. Vključitev hidroelektrarn povečuje kompleksnost problema zaradi potrebe po vključitvi omejitev razpoložljivosti vode. Tukaj je pokazano, da imajo klepetalni roboti potencial za reševanje bolj kompleksnih nalog.
V prihodnje bodo rezultati tega raziskovanja prispevali k rastočemu obsegu znanja o uporabi umetne inteligence in klepetalnih robotov pri obratovanju EES. Preučevanje izvedljivosti uporabe klepetalnih robotov za ekonomsko dispečiranje bi se lahko izkoristilo za nadaljne raziskave o širši vlogi umetne intelegence pri optimizaciji energetskih sistemov. Potencialno bi se umetna inteligenca lahko uporabljala kot orodje za dodatno podporo, skupaj s tradicionalnimi metodami upravljanja EES. S tem bi se izboljšali učinkovitost, zanesljivost in stabilnost. Umetna inteligenca in klepetalni roboti bodo omogočali boljšo optimizacijo in hitrejše odločanje, kar prinaša možnost za razvoj bolj prilagodljivih in odzivnih sistemov, ki se bodo bolje spopadali s prihodnjimi izzivi v energetskem sektorju. Nadaljnje raziskave in razvoj na tem področju so ključnega pomena za dosego trajnostnih energetskih ciljev in zagotavljanje stabilne oskrbe z energijo v prihodnosti.
|
