A villamosenergia-rendszer digitalizációja és a decentralizált termelés terjedése gyorsan növeli az adatigényt az ágazatban. Ez egyre nagyobb teret ad a mesterséges intelligencia és a gépi tanulás alkalmazásának a termelés, az árak és a karbantartási igények előrejelzésében.
Kiemelések
- BME kutatása explainable AI-modellekkel 19 európai ország 10 évnyi adata alapján pontosabb másnapi villamosenergia-ár előrejelzéseket tesz lehetővé.
- IEA szerint a világ legnagyobb techcégei 2023-ban több AI-ba fektettek, mint amennyi gáz- és olajberuházás történt Észak-Amerikában.
- Az új AI-algoritmusok energiaigénye akár 10-30-szorosa lehet a korábbiaknak, a szerverfarmok globális áramfogyasztása 2030-ra elérheti az 1 000 TWh-t.
AI-modellek és növekvő adatigény az energiarendszerben
Mint a Portfolio beszámolója szerint Aszódi Attila elmondta, az adatok megsokszorozódásának egyik fő oka, hogy a korábbi, nagy erőművekre épülő rendszer helyett ma már több százezer termelő működik a villamosenergia-rendszerben. A szakember szerint miközben az áramot gyakran új olajként emlegetik, az adat szerepe is hasonlóan felértékelődik az energetikában.Aszódi Attila úgy fogalmazott, hogy a tradicionális, determinisztikus modellek továbbra is velünk maradnak, ugyanakkor a hálózatokban egyre több olyan technológia jelenik meg, amely sztochasztikus, vagyis véletlenszerű folyamatoktól függ. Ebben a környezetben az AI és a gépi tanulás hatékonyabban tud új mintázatokat felismerni, feltéve hogy az algoritmusokat megfelelő adatokkal és világos céllal tanítják be.
A Nemzetközi Energia Ügynökség, IEA frissített jelentésére hivatkozva azt is kiemelte, hogy az öt legnagyobb technológiai vállalat az elmúlt évben többet fektetett AI-ba, mint amennyit a tengerentúlon gáz- és olajberuházásokra fordítottak. Hozzátette, hogy az új algoritmusok 10-20-30-szor több villamos energiát is igényelhetnek a korábbiaknál, ezért az előrejelzések szerint a szerverfarmok globális áramigénye 2030-ra akár 1 000 TWh-ra, 2035-re pedig 1 500 TWh fölé emelkedhet.
Piaci előrejelzés és iparági hatások Európában
Az előadás végén a BME legújabb kutatását is ismertette, amely az európai másnapi villamosenergia-árak mesterséges intelligencia alapú modellezésére és elemzésére összpontosít. A Budapesti Műszaki és Gazdaságtudományi Egyetem Természettudományi Karán hosszabb ideje vizsgálják az európai villamosenergia-piacok működését befolyásoló tényezőket.A kutatásban magyarázható mesterséges intelligencia, explainable AI algoritmusok alkalmazását elemezték, 19 európai ország piacának 10 évnyi adatát felhasználva. A fejlesztés eredménye a piaci szereplők számára pontosabb árelőrejelzést tesz lehetővé szabadon hozzáférhető adatokra és gyorsan futtatható AI-modellekre támaszkodva.
Aszódi Attila szerint a másnapi villamosenergia-piac előrejelzése továbbra is az iparág egyik legösszetettebb feladata. A tapasztalatok ugyanakkor azt mutatják, hogy ezek az algoritmusok jól használhatók, miközben az eredmények minőségét továbbra is alapvetően az elérhető adatok minősége és mennyisége határozza meg.
Korábban beszámoltunk a Portfolio AI in Energy 2026 budapesti konferenciáról, amely azt járja körül, hogyan válhat az AI az energiaszektorban költségcsökkentést, működési előnyt és új bevételi lehetőségeket teremtő, üzletileg mérhető eszközzé. Cikkünk kiemelte, hogy a digitalizáció, az adatvezérelt működés és az infrastruktúra-fejlesztés mellett a gyakorlati use case-ek — az előrejelzéstől a hálózatüzemeltetésig és a kiberbiztonságig — határozzák meg, kik lehetnek a következő évek nyertesei.
Legfrissebb National Grid hírek
- Forex
- Crypto