ИИтог

IEEE запустил курс о применении ИИ для модернизации энергосетей

инфраструктураРедакция ИИтогIEEE Spectrum🔥54Рейтинг ИИтог54Влияние50Новизна38Релевантность87Неожиданность28Участники60Достоверность82
IEEE запустил курс о применении ИИ для модернизации энергосетей

Подразделение IEEE Educational Activities совместно с IEEE Power & Energy Society запустили онлайн-курс «Artificial Intelligence for Power and Energy Systems» («Искусственный интеллект для энергосистем»), программу обучения применению искусственного интеллекта для модернизации энергосетей. Курс разработал Fangxing «Fran» Li, профессор электротехники и компьютерных наук Университета Теннесси в Ноксвилле, председатель рабочей группы IEEE по машинному обучению для энергосистем. Аудитория курса, инженеры энергосистем, менеджеры энергокомпаний и специалисты по данным, которым предстоит совмещать экспертизу в электротехнике с навыками работы с ИИ.

Повод для курса, растущая нагрузка на электросети. По данным Министерства энергетики США, сочетание быстрого промышленного роста, участившихся экстремальных погодных явлений и рекордного скачка энергопотребления довело сеть, спроектированную десятилетия назад под централизованную генерацию на угле и газе, до предела возможностей. Один из факторов, спрос дата-центров: крупнейшая передающая энергокомпания Техаса, по данным CNBC, недавно получила заявки на подключение новых потребителей суммарной мощностью 220 гигаватт, в основном от ИИ- и облачных дата-центров. Одновременно сети приходится посекундно балансировать нестабильную выработку ветряной и солнечной генерации, а участившиеся экстремальные погодные явления, от зимнего похолодания, парализовавшего энергосеть Техаса, до летних волн жары, перегружающих трансформаторы, увеличивают физические риски; замена аналогового оборудования умными счётчиками и системами управления добавляет риски киберугроз.

Курс состоит из пяти модулей. Первый, основы ИИ: как базовые модели машинного обучения применяются к энергосетям, как специализированные нейросети решают расчёты потокораспределения мощности и как ИИ-модели безопасно переходят из компьютерных симуляций к работе с реальным высоковольтным оборудованием. Второй модуль учит ускорять управление сетью с помощью глубокого обучения с подкреплением, метода проб и ошибок, для автоматизированной настройки сети при аварийных ситуациях. Третий модуль посвящён прогнозированию и аналитике данных: предсказательные модели для скачков спроса, изменчивой выработки ветра и солнца и колебаний оптовых цен на электроэнергию. Четвёртый модуль, физически обоснованный и безопасный ИИ: модели, жёстко запрограммированные подчиняться законам физики, чтобы автоматические алгоритмы не принимали ошибочных решений, повреждающих оборудование; в материале это описано как ответ на барьер недоверия энергокомпаний к ИИ. Пятый модуль охватывает генеративный ИИ и технологии следующего поколения, графовые нейросети и большие языковые модели (LLM), и то, как генеративный ИИ может обрабатывать сложные межотраслевые данные для планирования работы энергокомпаний, реагирования на чрезвычайные ситуации и подготовки отчётности для регуляторов.

В материале приводится оценка из исследования McKinsey & Co. по цифровизации промышленности: интеграция продвинутой аналитики данных и автоматизации в инфраструктурные сети может снижать число ошибок проектирования систем, сокращать за счёт предиктивного обслуживания время простоя оборудования, до 50%, и продлевать срок службы энергетического оборудования, до 40%. Индивидуальный доступ к курсу оформляется через портал IEEE Learning Network; организациям, которым нужны условия для группы сотрудников, предлагается обратиться к менеджеру IEEE для обсуждения оптовых тарифов, конкретная цена ни для частных лиц, ни для организаций в материале не указана.

Ключевые факты

  • IEEE Educational Activities и IEEE Power & Energy Society запустили онлайн-курс «Artificial Intelligence for Power and Energy Systems»; разработал его Fangxing «Fran» Li, профессор Университета Теннесси в Ноксвилле и председатель рабочей группы IEEE по машинному обучению для энергосистем.
  • Курс состоит из пяти модулей: основы ИИ, ускорение управления сетью через обучение с подкреплением, прогнозирование и аналитика данных, физически обоснованный безопасный ИИ, генеративный ИИ и большие языковые модели.
  • Повод, перегрузка сети: крупнейшая передающая энергокомпания Техаса, по данным CNBC, получила заявки на подключение потребителей суммарной мощностью 220 гигаватт, в основном от ИИ- и облачных дата-центров.
  • По оценке McKinsey & Co., автоматизация энергоинфраструктуры может сокращать время простоя оборудования до 50% и продлевать срок его службы до 40%.
  • Индивидуальный доступ к курсу, через портал IEEE Learning Network; для организаций, по запросу к менеджеру IEEE; конкретная цена нигде не указана.

Почему это важно

Материал фиксирует смену статуса ИИ в энергетике: по словам отраслевых экспертов, которых приводит IEEE Spectrum, управление энергосистемами с помощью ИИ больше не футуристический проект, а базовая операционная необходимость. Электросети, спроектированные десятилетия назад под централизованную генерацию на угле и газе, получают данные с миллионов умных счётчиков и датчиков быстрее, чем их успевают обработать традиционные методы планирования сети и операторы-люди. Организации, отвечающие за надёжность сети, включая тех, кто проводит североамериканские учения по кибербезопасности вроде GridEx, считают, что сеть должна стать умнее, гибче и полностью автоматизированной; курс IEEE, институциональный ответ на нехватку специалистов, которые одновременно понимают электротехнику и модели ИИ.

Кому это важно

Инженерам энергосистем, менеджерам энергокомпаний и дата-сайентистам, курс прямо называет их целевой аудиторией. Косвенно, компаниям, строящим дата-центры для ИИ и облачных вычислений: именно их спрос называется одним из главных источников нагрузки на сеть (220 гигаватт заявок на подключение только у одной крупнейшей энергокомпании Техаса), которую курс учит снимать.

Как это применить

Индивидуальный доступ к курсу оформляется через портал IEEE Learning Network. Организациям, которым нужны условия для группы сотрудников, предлагается обратиться к менеджеру IEEE и обсудить оптовые тарифы, конкретная стоимость ни для частных лиц, ни для организаций в материале не приведена. Пять модулей выстроены как последовательный переход от основ машинного обучения к практическим темам, управлению сетью, прогнозированию, физически обоснованному ИИ и генеративным моделям, то есть курс можно проходить по порядку, от теории к прикладным задачам.

Можно ли доверять

Источник, IEEE Spectrum, флагманское издание Institute of Electrical and Electronics Engineers, которое здесь освещает образовательную программу собственной родительской организации: материал одновременно новостной и рекламный, заканчивается прямым приглашением записаться на курс или запросить цену для организации. Автор материала, Pauleth Jaramillo; судя по подписи в конце статьи, специализация, «международный бизнес», Fisher College of Business при Университете штата Огайо, то есть текст написан не профильным инженером и не специализированным отраслевым журналистом. Куратор курса, Fangxing «Fran» Li, профильный эксперт: профессор электротехники, председатель рабочей группы IEEE по машинному обучению для энергосистем, что добавляет веса содержанию программы. При этом ключевые цифры в статье, 220 гигаватт заявок в Техасе и оценки McKinsey & Co., приведены со ссылкой на сторонние источники (CNBC и неназванное исследование McKinsey) без имени энергокомпании, даты публикации или ссылки на само исследование: проверить их напрямую по материалу нельзя.

Риски и подводные камни

В материале не раскрыты ни цена курса для частных лиц, ни его продолжительность, ни то, выдаётся ли сертификат или зачётные единицы повышения квалификации, ни число уже записавшихся, решение о покупке приходится принимать без этих данных. Само направление, управление энергосетями с помощью ИИ, упирается в барьер доверия: один из пяти модулей посвящён именно тому, как избежать ошибочных решений автоматики, способных повредить оборудование, а значит, отрасль сама признаёт, что ИИ в реальных условиях управления сетью пока не безусловно надёжен. Ключевые количественные оценки статьи, 220 гигаватт и цифры McKinsey (до 50% и до 40%), вторичные цитаты без даты и первоисточника, то есть без независимой проверки.