• AI สามารถสร้างโครงข่ายพลังงานที่เชื่อถือได้มากขึ้นโดยลดความคาดเดาไม่ได้ของพลังงานลมและพลังงานแสงอาทิตย์
• ภายในปี 2028 ลมและแสงอาทิตย์จะคิดเป็นสองในสามของการผลิตพลังงานหมุนเวียนในประเทศจีน: IEA

ในขณะที่โลกเปลี่ยนไปสู่แหล่งพลังงานที่เป็นมิตรต่อสิ่งแวดล้อมภาคพลังงานหมุนเวียนก็พร้อมสําหรับการเติบโตครั้งใหญ่และความท้าทายใหม่

ผู้กําหนดนโยบายทั่วโลกตั้งเป้าหมายที่จะเพิ่มกําลังการผลิตพลังงานหมุนเวียนเป็นสามเท่าภายในปี 2030 ในการประชุม COP28 การเปลี่ยนแปลงสภาพภูมิอากาศเมื่อปีที่แล้ว และการคาดการณ์ชี้ให้เห็นว่าพลังงานแสงอาทิตย์และพลังงานลมจะเป็นผู้นํา

ในอีกห้าปีข้างหน้า แหล่งพลังงานทั้งสองนี้จะคิดเป็น 96% ของการเพิ่มกําลังการผลิต ตามรายงานพลังงานหมุนเวียนปี 2023 จากสํานักงานพลังงานระหว่างประเทศ (IEA)

แต่ไม่ใช่ท้องฟ้าสีครามทั้งหมดข้างหน้า

แหล่งพลังงานลมและพลังงานแสงอาทิตย์มีความเสี่ยงต่อสภาพอากาศที่รุนแรงทําให้ระบบการจัดการพลังงานอยู่ภายใต้แรงกดดันที่เพิ่มขึ้นและยืดวิธีการพยากรณ์แบบดั้งเดิมจนถึงขีดจํากัด

เข้าสู่สถาบันวิจัยของ Alibaba Group, DAMO Academy

ทีมวิศวกรและนักวิทยาศาสตร์ของ DAMO กําลังใช้ประโยชน์จากปัญญาประดิษฐ์และการเรียนรู้ของเครื่องเพื่อปรับปรุงความน่าเชื่อถือของการคาดการณ์พลังงานหมุนเวียน และเป็นแนวทางในการตัดสินใจของผู้ให้บริการโครงข่ายเกี่ยวกับการส่งพลังงานแสงอาทิตย์และพลังงานลมและการปรับสมดุลไฟฟ้าแบบเรียลไทม์

โมเดลการคาดการณ์สภาพอากาศที่ได้รับการสนับสนุนจาก AI ของพวกเขาได้ถูกนําไปใช้แล้วในหลายจังหวัดทั่วประเทศจีน ซึ่งอยู่ในระดับแนวหน้าของการพัฒนาพลังงานแสงอาทิตย์และพลังงานลม

รายงานของ IEA แสดงให้เห็นว่าจีนเริ่มใช้งานไฟฟ้าโซลาร์เซลล์ในปริมาณเท่ากับที่ทั่วโลกทําในปี 2022 และเพิ่มกําลังการผลิตพลังงานลม 66% เมื่อเทียบเป็นรายปี

หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับวิธีที่เทคโนโลยี AI สามารถช่วยในความพยายามเหล่านี้และขับเคลื่อนการผลิตพลังงานสะอาดทั่วโลก Alizila ได้พูดคุยกับ Liu Le ผู้เชี่ยวชาญด้านผลิตภัณฑ์อาวุโสของ DAMO Decision Intelligence Lab

ถาม: คุณช่วยอธิบายสั้น ๆ ได้ไหมว่าคุณกําลังแก้ปัญหาอะไรในการคาดการณ์พลังงานหมุนเวียนด้วย AI

ตอบ: ความท้าทายหลักในการคาดการณ์พลังงานหมุนเวียนคือความแปรปรวนโดยธรรมชาติของทรัพยากรลมและแสงอาทิตย์ ซึ่งขึ้นอยู่กับสภาพแวดล้อมที่ผันผวนเป็นอย่างมาก การเปลี่ยนแปลงอย่างรวดเร็วของสภาพอากาศอาจนําไปสู่การเปลี่ยนแปลงอย่างกะทันหันในการผลิตพลังงานทําให้ยากต่อการสร้างสมดุลระหว่างอุปสงค์และอุปทาน ซึ่งเสี่ยงต่อความเสียหายต่อเสถียรภาพของกริด

เพื่อลดผลกระทบเหล่านี้ เราได้พัฒนาระบบพยากรณ์พลังงานหมุนเวียนด้วยเทคโนโลยี AI และแมชชีนเลิร์นนิง

ด้วยการรวมข้อมูลเอาต์พุตพลังงานในอดีต การพยากรณ์อากาศเชิงตัวเลข และสภาพอากาศแบบเรียลไทม์ รวมถึงตัวแปรที่สําคัญ เช่น อุณหภูมิ ความเร็วลม และการแผ่รังสีดวงอาทิตย์ แบบจําลองของเราสร้างการคาดการณ์พลังงานที่มีความแม่นยําสูง

สิ่งนี้ช่วยให้สามารถคาดการณ์พลังงานลมและพลังงานแสงอาทิตย์ได้อย่างน่าเชื่อถือ ช่วยให้ผู้ประกอบการโครงข่ายสามารถตัดสินใจได้อย่างชาญฉลาดเกี่ยวกับการส่งพลังงานและการปรับสมดุลไฟฟ้าแบบเรียลไทม์ ด้วยการจัดการแหล่งพลังงานหมุนเวียนที่ไม่ต่อเนื่องอย่างมีประสิทธิภาพ เราช่วยรักษาเสถียรภาพของกริดและรับประกันการจัดหาพลังงานที่มั่นคง

ถาม: ระบบใช้เทคโนโลยี AI อะไรบ้าง และคุณสมบัติที่โดดเด่นคืออะไร

ตอบ: ระบบนี้รวมเอาเทคโนโลยีล้ําสมัยหลายอย่าง โดยเฉพาะโมเดล AI หลักสามแบบ ได้แก่ โมเดลการคาดการณ์พลังงาน โมเดลการคาดการณ์สภาพอากาศ และโมเดลการตีความการคาดการณ์

แบบจําลองการคาดการณ์พลังงานใช้อัลกอริธึมการเรียนรู้ของเครื่องขั้นสูง รวมถึงเทคนิคการเรียนรู้เชิงลึก เพื่อวิเคราะห์ชุดข้อมูลขนาดใหญ่ของการผลิตพลังงานในอดีตและสภาพอากาศ โดยประเมินปริมาณพลังงานที่สามารถผลิตได้จากทรัพยากรลมและแสงอาทิตย์ในช่วงเวลาต่างๆ ซึ่งจะช่วยเพิ่มความแม่นยําของการคาดการณ์

แบบจําลองการพยากรณ์อากาศใช้ข้อมูลสาธารณะจากศูนย์พยากรณ์อากาศระยะกลางแห่งยุโรป ซึ่งให้ข้อมูลเชิงลึกในอดีตหลายทศวรรษเกี่ยวกับสภาพอากาศทั่วโลก รวมกับข้อมูลแบบเรียลไทม์จากสํานักพยากรณ์อากาศของจีน

ใช้เฟรมเวิร์ก 2D-Vision Transformer ซึ่งเป็นสถาปัตยกรรมที่ปรับขนาดได้สําหรับงานประมวลผลภาพ ซึ่งสามารถรวมโมดูลอัลกอริทึมที่เป็นกรรมสิทธิ์และรองรับพารามิเตอร์โมเดลขนาดใหญ่ได้อย่างง่ายดาย

ด้วยการรวมข้อมูลอุตุนิยมวิทยาคุณภาพสูงและสถาปัตยกรรมการเรียนรู้เชิงลึกที่เป็นนวัตกรรมใหม่โมเดลนี้มีจุดมุ่งหมายเพื่อปรับปรุงความแม่นยําในการคาดการณ์อย่างมีนัยสําคัญโดยจัดการกับแหล่งที่มาของความไม่แน่นอนที่สําคัญในการผลิตพลังงานหมุนเวียน

แบบจําลองการตีความการคาดการณ์ซึ่งเป็นการประยุกต์ใช้ AI ที่อธิบายได้ให้ความโปร่งใสโดยการเปรียบเทียบข้อมูลในอดีตกับการคาดการณ์ปัจจุบัน สิ่งนี้ช่วยให้ผู้ใช้เข้าใจความคลาดเคลื่อนในการคาดการณ์และก้าวข้ามอัลกอริทึมกล่องดํา

โมเดลที่เป็นกรรมสิทธิ์ของเรามีข้อได้เปรียบในการประมวลผลที่รวดเร็วและความสามารถในการปรับขนาด ทําให้มีประสิทธิภาพสําหรับชุดข้อมูลขนาดใหญ่ ความโปร่งใสนี้มีความสําคัญต่อการสร้างความไว้วางใจจากผู้ให้บริการโครงข่ายไฟฟ้าและผู้เชี่ยวชาญด้านพลังงาน ซึ่งช่วยให้พวกเขาสามารถตรวจสอบความถูกต้องของการคาดการณ์ของเราและตัดสินใจได้อย่างชาญฉลาด

โมเดลเหล่านี้ช่วยเพิ่มความแม่นยําในการคาดการณ์ ปรับปรุงความปลอดภัยในการทํางานของกริด และสนับสนุนกลยุทธ์การจัดการพลังงานที่มีประสิทธิภาพมากขึ้นในที่สุด

ถาม: คุณช่วยแบ่งปันกรณีศึกษาที่ประสบความสําเร็จซึ่งระบบนี้ถูกนํามาใช้ได้ไหม

ตอบ: ปัจจุบัน ระบบพยากรณ์พลังงานหมุนเวียนของเราถูกนําไปใช้ในหลายมณฑลในประเทศจีน เช่น มณฑลซานตง เจ้อเจียง และหูเป่ย ครอบคลุมฟาร์มกังหันลมและเซลล์แสงอาทิตย์บนชั้นดาดฟ้า

ในมณฑลเจ้อเจียง อัตราเฉลี่ยของการคาดการณ์ที่ไม่มีคุณสมบัติในฟาร์มกังหันลมลดลงจาก 20.7% เป็น 8.4% อัตราที่ไม่มีเงื่อนไขนี้แสดงถึงเปอร์เซ็นต์ของวันภายในหนึ่งเดือนเมื่อความแม่นยําในการคาดการณ์ลดลงต่ํากว่า 85% ซึ่งเป็นอัตราการประเมินมาตรฐานที่ผู้ให้บริการกริดใช้

การปรับปรุงที่โดดเด่นในการคาดการณ์นี้ช่วยเพิ่มประสิทธิภาพการดําเนินงานในการจัดการการผลิตไฟฟ้าและเพิ่มความปลอดภัยของโครงข่ายไฟฟ้าโดยรวม ด้วยเหตุนี้ ผู้ให้บริการโครงข่ายจึงสามารถสร้างสมดุลระหว่างอุปสงค์และอุปทานได้อย่างมีประสิทธิภาพมากขึ้น

ด้วยวิธีการ AI ที่อธิบายได้ เรายังสามารถเปิดเผยกลไกการทํางานของแบบจําลองการคาดการณ์ ซึ่งนําไปสู่การนําไปใช้และความพึงพอใจของผู้ใช้มากขึ้น

ถาม: คุณเผชิญกับความท้าทายอะไรบ้างในการพัฒนาระบบนี้

ตอบ: เราพบกับความท้าทายมากมายในระหว่างกระบวนการพัฒนา อุปสรรคที่สําคัญประการหนึ่งคือการรับรองคุณภาพและปริมาณข้อมูล บ่อยครั้งที่ข้อมูลที่วิเคราะห์ไม่เพียงพอหรือไม่เพียงพอสําหรับการสร้างแบบจําลองการคาดการณ์ที่เชื่อถือได้ นอกจากนี้ ความแปรปรวนของสภาพอากาศยังก่อให้เกิดความท้าทายอีกประการหนึ่ง เนื่องจากการผลิตพลังงานหมุนเวียนได้รับอิทธิพลอย่างมากจากปัจจัยด้านสิ่งแวดล้อม

เพื่อแก้ไขปัญหาเหล่านี้เราได้รวมข้อมูลอุตุนิยมวิทยาที่แม่นยําเพื่อให้มั่นใจได้ถึงความแม่นยําที่สูงขึ้นในการคาดการณ์โหลดและพลังงานของเรา นอกจากนี้ เราทํางานอย่างต่อเนื่องเพื่อปรับปรุงโมเดล AI ของเราเพื่อปรับให้เข้ากับรูปแบบที่เกิดขึ้นใหม่ในสภาพอากาศและการใช้พลังงาน

ถาม: คุณเห็นศักยภาพในการใช้เทคโนโลยีนี้ในวงกว้างทั่วโลกหรือไม่?

ตอบ: เราคาดการณ์ว่าระบบนี้สามารถเพิ่มความปลอดภัยและความน่าเชื่อถือของระบบไฟฟ้าได้อย่างมีนัยสําคัญโดยการลดความไม่แน่นอนที่เกี่ยวข้องกับการผลิตพลังงานหมุนเวียน

ความสามารถในการให้การคาดการณ์ที่แม่นยําช่วยให้ภูมิภาคต่างๆ สามารถตอบสนองต่อความท้าทายด้านการเปลี่ยนแปลงสภาพภูมิอากาศได้ดีขึ้น และสนับสนุนการเปลี่ยนผ่านทั่วโลกไปสู่โซลูชันด้านพลังงานที่ยั่งยืน

เรามุ่งมั่นที่จะส่งเสริมความมั่นคงด้านพลังงานและอํานวยความสะดวกในการรวมทรัพยากรหมุนเวียนเข้ากับโครงข่ายไฟฟ้าที่มีอยู่มากขึ้น

ระบบของเราได้รับการเน้นย้ําในรายงาน AI for Good—Innovate for Impact โดยสหภาพโทรคมนาคมระหว่างประเทศ ซึ่งจัดแสดงกรณี AI for Good ทั่วโลกประมาณ 50 กรณีจากการส่งผลงานมากกว่า 200 รายการจาก 38 ประเทศ การรับรู้นี้กระตุ้นให้เราพัฒนาระบบต่อไป

ถาม: คุณจะพัฒนาเทคโนโลยีนี้ต่อไปอย่างไร

ตอบ: เราวางแผนที่จะพัฒนาเทคโนโลยีของเราต่อไปโดยมุ่งเน้นไปที่การพัฒนาแบบจําลองสภาพอากาศที่ได้รับการปรับปรุงซึ่งปรับปรุงความแม่นยําและความน่าเชื่อถือให้ดียิ่งขึ้น นอกจากนี้เรายังมุ่งมั่นที่จะรวมความรู้จากผู้เชี่ยวชาญไว้ในกรอบการคาดการณ์ของเราโดยใช้ประโยชน์จากโมเดลภาษาขนาดใหญ่เพิ่มความสามารถในการปรับตัวและความแม่นยําของการคาดการณ์ของเรา

นอกจากนี้ เรากําลังสํารวจความเป็นไปได้ในการใช้เทคโนโลยีในประเทศและภูมิภาคอื่นๆ เพื่อช่วยให้พวกเขาเอาชนะความท้าทายในการคาดการณ์พลังงานหมุนเวียน

ด้วยนวัตกรรมอย่างต่อเนื่องและการเพิ่มประสิทธิภาพทางเทคโนโลยีระบบการพยากรณ์พลังงานหมุนเวียนของเราจึงอยู่ในตําแหน่งที่จะสร้างผลกระทบที่มีความหมายต่อโซลูชันพลังงานสะอาดทั่วโลกและการจัดการไฟฟ้าที่มีประสิทธิภาพ