ИИ способен изменить зарядку электромобилей

Новые средства искусственного интеллекта имеют потенциал поставлять организациям, занимающимся жилищно-коммунальным обслуживанием, информацию в реальном времени, чтобы сделать сеть электропитания и процедуру зарядки электрических автомобилей более надежными, согласно небольшому исследованию от Университета штата Мичиган и стартапа Utilidata.

Эксперты применяют искусственный интеллект для анализа поведения электромобилей во время зарядки с надеждой на улучшение деятельности водителей и помощь коммунальным службам в подготовке к резкому увеличению спроса на электроэнергию.

По их данным, зарядка электромобилей может вести к неустойчивому потреблению энергии и ухудшению качества электроэнергии, что возможно повлечет износ оборудования для зарядки.

Эти базовые проблемы вызывают расточительное использование энергии и могут привести к перебоям в работе зарядных устройств для электромобилей, что становится серьезной проблемой для водителей. Поэтому способность оперативно обнаруживать и даже предсказывать проблемы при помощи искусственного интеллекта способна изменить правила игры.

Модели искусственного интеллекта могут предоставить представление жилищно-коммунальным службам о том, как зарядка может повлиять на сеть электропитания. Кроме того, они могут консультировать водителей о том, где и когда лучше заряжать электромобили, помогая компаниям, предоставляющим услуги зарядки электромобилей, улучшить обслуживание своего оборудования.

Изначально Университет Мичигана обратился к стартапу Utilidata с запросом на проведение данного экспериментального исследования, которое призвано послужить отправной точкой для более масштабного исследовательского проекта, рассматривающего те же проблемы. Университет сотрудничает с Североамериканским советом по надежности энергоснабжения над упомянутыми выводам.

Для данного исследования специалисты установили специальные адаптеры к счетчикам электроэнергии, оборудованные платформой искусственного интеллекта Utilidata Karman, на шести станциях зарядки электрических автомобилей в университете Мичигана. Карман провел анализ напряжения, тока, мощности и других параметров с марта по июнь прошлого года.

Авторы исследования также установили устройства на автомобили 10 водителей, часто посещающих университетский кампус, чтобы отслеживать их привычки по зарядке.

Хотя исследование находится на предварительной стадии, ученые надеются, что оно поможет людям подготовиться к вызовам, связанным с электрификацией автотранспорта. В США стареющие сети электропитания уже испытывают затруднения в удовлетворении растущего спроса на электроэнергию со стороны центров обработки данных с искусственным интеллектом, майнинга криптовалют и экологически чистых технологий.

Однако для жилищно-коммунальных служб сложнее предсказать, когда и где электромобили будут подключаться к сети.

Жилищно-коммунальным службам приходится бороться с этой неопределенностью без данных в реальном времени, которые могли бы помочь им корректировать ситуацию. Эти "световые пятна" становятся все более критической проблемой на "границе сети", где клиенты все чаще подключают к сети свои собственные устройства, такие как батареи для электромобилей и солнечные панели.

Аналитик Шивон Пауэлл из ETH Zürich, не участвовавший в исследовании, отмечает: "Искусственный интеллект играет важную роль на границе сети. Раньше это не привлекало столько внимания, верно? Сейчас, когда у нас есть возможность контролировать ситуацию, у нас больше шансов и ценности в понимании происходящего".

Одной из проблем, выявленных исследователями в ходе исследования, является краткосрочное и несистематичное потребление энергии транспортными средствами, которые продолжают заряжаться даже после полной зарядки аккумулятора. Это не только неэффективно с точки зрения энергопотребления, но также может привести к перегреву проводов и трансформаторов. Ученые также отметили, что зарядка автомобилей влияет на качество электроэнергии, когда напряжение и частота сетевого электричества выходят за пределы оптимальных значений. Мерцание — явный признак низкого качества электроэнергии, что также может привести к ускоренному износу оборудования.

"Я считаю, что самым важным выводом является подтверждение того, что существует множество характеристик электромобилей, о которых не знают ни владельцы автомобилей, ни сетевые операторы, ни производители зарядных устройств", — отмечает вице-президент Utilidata по продуктовым решениям Инчен Чжан. "Поэтому есть настоятельная необходимость открыть все эти данные".

Авторы исследования предупреждают, что места с высокой концентрацией нетребовательной зарядки электромобилей могут оказать большое воздействие на электросистему, в предельном случае повлияв на электроснабжение других потребителей. Однако Чжан быстро отмечает, что вероятность отключения электроэнергии в результате этого явления крайне мала.

"Важно точно понимать, как эти новые процессы сказываются на напряжении и проблемах с качеством электроэнергии на местном уровне, но я бы не спешил с выводами об отключениях", — говорит Пауэлл, поскольку жилищно-коммунальные службы могут предпринять шаги для предотвращения подобных сбоев. И снова, исследование о неоднозначном поведении зарядки находится на ранней стадии, поэтому еще рано делать категоричные заявления о возможных последствиях этих результатов для сети.

Исследователи стремятся избежать излишнего беспокойства относительно влияния, которое может оказать зарядка электромобилей на энергосистему, учитывая, что использование электромобилей сталкивается с определенными вызовами. "Многие опасения обусловлены недостаточным знанием о реальном поведении электромобилей", — отмечает Чжан, поэтому раскрытие данной информации может успокоить многие из этих опасений.

Рост использования искусственного интеллекта также вызывает опасения относительно увеличения энергопотребления центров обработки данных, что создает дополнительную нагрузку на сеть. Чжан утверждает, что его компания учитывает этот аспект, используя специальные чипы от Nvidia, потребляющие меньше энергии по сравнению с более универсальными чипами искусственного интеллекта. Применение машинного обучения для анализа данных, как правило, менее энергоемко, чем генеративные модели искусственного интеллекта, генерирующие текст и изображения.

Все сводится к подготовке как ключевому фактору для защиты энергетической системы от новых технологий, изменяющих наш образ жизни, работу и способы передвижения. Батареи электромобилей могут даже укрепить сеть, действуя как виртуальные электростанции, поставляющие энергию в сеть по мере необходимости. Автопроизводители уже проводят подобные исследования, частично с целью сделать электромобили более доступными для потребителей. "Нам нужны электромобили. Мы должны продвигать этот процесс. Есть определенные шаги, которые мы можем предпринять для подготовки сети, и мы должны их сделать", — подытоживает Пауэлл.