CC BY
228Обзор применения технологий искусственного интеллекта в электроэнергетической отрасли
fO
сч о сч
со
о ш m
X
<
m о х
X
Ляндау Юрий Владимирович
д.э.н., профессор, зав. Базовой кафедрой Благотворительного фонда поддержки образовательных программ «КАПИТАНЫ» «Инновационный менеджмент и социальное предпринимательство» ФГБОУ ВО «РЭУ им. Г.В. Плеханова, lyandau@gmail.com
Темирбулатов Ахмат Умарович
советник отдела Департамента цифровой трансформации Министерства энергетики Российской Федерации, akhmatmsu@yandex.ru
Статья посвящена анализу применения технологий искусственного интеллекта в электроэнергетической отрасли. Рассмотрены определение, факторы, способствовавшие развитию искусственного интеллекта, элементы государственной политики в части поддержки развития технологий искусственного интеллекта в топливно-энергетическом комплексе Российской Федерации. Проанализированы примеры внедрения технологий искусственного интеллекта в организациях электроэнергетической отрасли, осуществляющих деятельность в сферах производства, транспортировки и сбыта электрической энергии, а также положительные эффекты от их внедрения. В частности, приведены примеры использования технологий искусственного интеллекта для осуществления перехода к ремонту оборудования по техническому состоянию, предиктивной аналитики, оптимизации и повышения эффективности производственных процессов, в том числе управления процессом горения на тепловых электростанциях, повышения показателей генерации электрической энергии на электростанциях, работающих на возобновляемых источниках энергии, повышения наблюдаемости и управляемости электрических сетей, повышения надежности электросетевого хозяйства, проектирования цифровых подстанций, обнаружения неправомерного подключения потребителей электрической энергии к электрическим сетям, прогнозирования спроса и цен на оптовом рынке электрической энергии и мощности, оптимизации процессов в рамках обслуживания энергосбытовыми организациями потребителей электрической энергии, в том числе посредством возможности ведения виртуальными ассистентами диалогов в текстовой или голосовой форме.
Ключевые слова: искусственный интеллект, машинное обучение, электроэнергетическая отрасль, топливно-энергетический комплекс
Актуальность
В современном мире искусственный интеллект (далее -ИИ) играет все большую роль, проникая в различные сферы жизни и преобразуя их. С началом применения ИИ стали возможны революционные изменения в сфере медицины, транспорта, коммуникаций и других отраслях экономики, в частности, в электроэнергетической отрасли. Технологии ИИ позволяют автоматизировать процессы, оптимизировать расходование различных ресурсов и принимать обоснованные управленческие решения на основе анализа больших объемов данных. По мере распространения применения ИИ, его изучение и понимание становится необходимой насущной задачей для исследователей и практиков.
Основная часть
Под ИИ согласно Национальной стратегии по развитию ИИ на период до 2030 года, утвержденной Указом Президента Российской Федерации 10 октября 2019 г. № 490, понимается комплекс технологических решений, позволяющих имитировать когнитивные функции человека и получать при выполнении конкретных задач результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека. Комплекс технологических решений включает в себя информационно-коммуникационную инфраструктуру, программное обеспечение, процессы и сервисы по обработке данных и поиску решений.
Таким образом, технологии ИИ состоят из программного обеспечения и соответствующей электронной компонентной базы, в частности, материальных носителей киберфизической системы, состоящих из вычислительных мощностей, и поддерживающих технологий, в том числе датчиков, сенсоров, камер и систем передачи и хранения данных, для обеспечения работы алгоритмов ИИ.
Развитие технологий ИИ началось ещё в 20-х и 30-х годах XX века, когда исследователи стали заниматься разработкой ранних форм ИИ и алгоритмов, способных имитировать человеческое мышление. Однако реальный прорыв в развитии ИИ произошел во второй половине XX века.
В 1950 году английский математик и логик Алан Тьюринг опубликовал статью под названием «Вычислительные машины и разум» («Computing Machinery and Intelligence»), в которой предложил тест, который стал известен как «тест Тьюринга». Этот тест предполагал, что компьютер считается «разумным» или обладающим ИИ, если он способен обмануть человека и убедить его в том, что он общается с другим человеком, а не с машиной.
Затем в 1956 году в Дартмутском колледже в США состоялась историческая конференция, которая часто считается «рождением» термина «искусственный интеллект». На этой конференции ведущие ученые в области математики, логики и компьютерных наук собрались для обсуждения проблем и возможностей создания «машин, способных мыслить».
С тех пор развитие технологий ИИ прошло через несколько этапов, связанных с научными открытиями, доступностью данных, улучшением алгоритмов и развитием аппаратного обеспечения. В последние десятилетия ИИ сделал огромные шаги вперед и стал применяться в рамках управления производ-
ством, качеством, ресурсами, логистикои, закупками, прогнозирования, а также в области финансов и бухгалтерского учета и в работе юридических служб.
Стоит отметить, что за последние десятилетия стремительное развитие ИИ обусловлено совокупностью факторов.
Так, доступность и возможности более мощных вычислительных ресурсов, а также эффективное применение способов распределенных вычислении и технологии облачных вычислении стали одними из определяющих факторов, позволяющих обрабатывать большие объемы данных и существенно развить возможности ИИ.
Важный вклад в совершенствование ИИ внесли разработки в области графических процессоров, которые способствовали значительно более быстрому обучению нейронных сетей. В частности, процессоры GPU (Graphics Processing Unit) и TPU (Tensor Processing Unit), которые обладают параллельной архитектурой, оказались высокопроизводительными решениями для выполнения операций в глубоком обучении. Вместе с тем TPU (Tensor Processing Unit), разработанные компанией Google процессоры, которые оптимизированы для работы с операциями над тензорами - основными единицами данных в глубоких нейронных сетях, дали возможность еще более высокой производительности при обучении ИИ и выполнении операций над большими данными.
Между тем улучшались алгоритмы глубокого обучения и смежные технологии работы с большими данными. Исследователи также создали новые модели нейронных сетей, учитывающие контекст и сложные взаимосвязи данных. Крупные компании инвестировали в ИИ, что стимулировало активные исследования в этой области.
При этом значимым фактором развития ИИ также стало снижение стоимости хранения информации с 0,12 долларов за 1 Гб в 2009 году до менее чем 0,03 долларов к 2018 году [1].
Таким образом, внедрение ИИ с учетом вышеизложенного привело к началу его широкого применения, ИИ стал драйвером революционных изменений.
Для большинства ведущих стран мира развитие ИИ стало приоритетом, закрепленным в отдельных программах документах и комплексных стратегиях научно-технологического развития как на государственном и региональном уровне, так и на уровне отдельных организаций и корпораций. При этом по оценке Института глобальных исследований компании McKinsey технологии ИИ могут обеспечить дополнительный глобальный рост ВВП в размере около 13 трлн долларов к 2030 году, что составляет 1,2% дополнительного среднегодового прироста ВВП [2].
В Российской Федерации развитие технологий ИИ также определено одним из ключевых направлений в рамках государственной политики в области научно-технологического развития, в том числе цифровой трансформации топливно-энергетического комплекса. Указанный приоритет определен, в частности, в Стратегическом направлении в области цифровой трансформации топливно-энергетического комплекса, утвержденном распоряжением Правительства Российской Федерации от 28 июня 2021 г. № 3924-р (далее - СН ЦТ). В данном документе отмечается, что ИИ будет использоваться в промышленности для анализа больших данных, а также в рамках функционирования систем поддержки и принятия решений.
В целом в рамках анализа СН ЦТ прослеживается одна из генеральных линий государственной политики в рамках развития Ии, а именно, переход на модель (концепцию) управления на основе данных. Так, ключевые задачи указанного документа непосредственно касаются создания единых стандартов для обмена данными в топливно-энергетическом комплексе, а также законодательного и технического обеспечения доступности промышленных данных для организаций.
При этом одним из проектов, включенных в СН ЦТ, является «Данные для роста - искусственный интеллект», предусматривающий принятие технических, нормативно-правовых документов в целях создания рынка промышленных данных. Следует отметить, что акцентирование усилий на совершенствовании механизма передачи данных является обоснованным и необходимым мероприятием для развития ИИ. Во-первых - развитие механизмов использование промышленных данных, а именно, порядок их обезличивания, передачи и обработки продиктовано необходимостью развития технологий ИИ и наличием соответствующих правовых и технических условий в ряде развитых стран [3]. Во-вторых - топливно-энергетический комплекс, включающий, в частности, электроэнергетику, является отраслью, в которой на ежедневной основе генерируются данные в размере более десятков петабайт, и в настоящее время актуальным вопросом является не «где взять большие данные?», а «как работать с большими дан-ными?»[4].
Данные играют критическую роль в развитии ИИ. Модели ИИ обучаются на основе анализа данных и извлечения закономерностей. Качество данных непосредственно влияет на качество обученных моделей ИИ. Данные из разных источников, форматов и контекстов обогащают базу знаний и позволяют Ии более гибко и эффективно решать разнообразные задачи. В то же время чем более разнообразные и объективные данные предоставляются для обучения ИИ, тем более точные и обобщающие результаты могут быть получены. Также имеет значение непрерывное обновление данных в целях совершенствования ИИ с течением времени.
Стоит отметить, что помимо совершенствования законодательства для целей развития ИИ государством принимаются и ряд иных мер поддержки данного направления, в частности, приняты особые налоговые преференции в целях развития ИИ. Начиная с 1 января 2023 года при приобретении и включении в активы компании основных средств и нематериальных активов, относящихся к ИИ, суммы амортизации, начисляемой на эти активы, могут быть увеличены в 1,5 раза. Кроме того, расходы на приобретение лицензий на программное обеспечение в области ИИ могут быть увеличены в 1,5 раза при расчете налога на прибыль [5].
При этом в электроэнергетической отрасли в целях повышения информационной безопасности и развития внутреннего рынка информационных технологий для компаний с государственным участием, включенных в специальный перечень, утвержденный распоряжением Правительства Российской Федерации от 23 января 2003 года № 91-р, действуют ограничения закупки и использования иностранных решений в области ИИ. Например, доля использования такими компаниями программного обеспечения класса «Средства разработки программного обеспечения на основе нейротехнологий и искусственного интеллекта», включенного в Единый реестр российских программ для электронно-вычислительных машин и баз данных, должна составить не менее 95% к 2024 году [6].
Более того, использование программного обеспечения в области ИИ, не включенного в указанный реестр, должно быть исключено на всех значимых объектах критической информационной инфраструктуры к 2025 году [7].
Таким образом, государством в настоящее время развитие ИИ в топливно-энергетическом комплексе, частью которого является электроэнергетическая отрасль, выбрано в качестве одного из приоритетных направлений и для этого создаются соответствующие организационно-правовые и стимулирующие условия.
Вместе с тем в электроэнергетической отрасли в связи с высокими требованиями к безопасности и надежности энерге-
X X
о го А с.
X
го m
о
2 О
м
CJ
ю сч о сч
со
о ш т
X
<
т о х
X
тических систем, ИИ все еще редко используется для автономного принятия решений в рамках производственных процессов. При этом ИИ внедряется в бизнес-процессы, которые можно отнести к «вспомогательным», позволяющим без серьезных экономических, социальных и технологических рисков внедрять технологии ИИ, а также в рамках прогнозирования.
Ниже рассмотрена практика внедрения технологий ИИ в электроэнергетической отрасли в рамках трех укрупненных процессов: производства, транспортировки и сбыта электрической энергии.
1. Применение ИИ в организациях, осуществляющих деятельность в области генерации электрической энергии.
Генерация электрической энергии осуществляется на электростанциях различных видов. В Российской Федерации функционируют тепловые, атомные и гидравлические электростанции, а также электростанции на возобновляемых источниках энергии.
При производстве электрической энергии на электростанциях различных видов технологии ИИ применяется в рамках осуществления перехода к подходу к ремонту по техническому состоянию вместо традиционного планового обслуживания. В рамках указанного подхода ИИ основывается на реальных данных о состоянии оборудования и позволяет за счет предик-тивного анализа предотвращать отказы и проводить ремонт только в том случае, когда это действительно необходимо. Для этого на производственных объектах внедряются решения в области технологий интеллектуальной диагностики и предиктивного анализа с применением ИИ. Примером такого решения является «Интеллектуальная система мониторинга и прогноза технического состояния активов промышленных предприятий <^5 РММ» [8]. Данная система за счет мониторинга большого количества параметров оборудования позволяется осуществить прогноз динамики их отклонений и сроков наступления аварийных событий. При этом в ходе эксплуатации данной системы инженерами и технологами осуществляется ее совершенствование с помощью машинного обучения [9].
Системы ИИ в тепловых электростанциях позволяют оптимизировать управление процессом горения топлива. Так, система ИИ собирает и анализирует набор периодических и стохастических характеристик комплекса промышленного оборудования. Собранные данные, в частности, информация, поступающая от автоматизированной системы управления технологическим процессом, обрабатываются с использованием алгоритмов, построенных на базе самообучающихся нейронных сетей. Это позволяет реализовать прогнозирование в режиме реального времени характеристик технологического процесса и реализовывать интеллектуальное управление.
Еще одним примером применения ИИ в рамках оптимизации управления процессом горения на тепловых электростанциях является сервис выдачи рекомендаций по оптимальному распределению энергоресурсов, применяемый на объектах Новолипецкого металлургического комбината. Основой этой системы является модель машинного обучения, которая основывается на анализе многолетних исторических данных. Данная модель предоставляет рекомендации по оптимизации пропорций смешивания топлива. Эффект применения указанной технологии оценивается в 3 млн рублей ежемесячно [10].
Технологии ИИ применяются также на электростанциях, работающих на возобновляемых источниках энергии, которые характеризуются зависящей от погоды выработкой электрической энергией. ИИ за счет обработки больших объемов метеорологической информации дает возможность точных прогнозов выработки электрической энергии, что позволяет эффективно интегрировать данные электростанции в электроэнерге-
тические системы [11]. В отдельных случаях эффект от внедрения ИИ оценивается в повышении точности прогнозов «солнечной активности» на 30%. Между тем на ветряных электростанциях использование ИИ позволяет прогнозировать выработку электрической энергии ветряными электростанциями со средней погрешностью не более 1,05% [12].
2. Применение ИИ в организациях, осуществляющих деятельность в области передачи и распределения электрической энергии.
На стадии передачи и распределения электрической энергии ИИ применяется для повышения надежности, наблюдаемости и управляемости электрических сетей.
Так, группой компаний «Россети» в настоящее время активно применяются подходы внедрения ИИ для обеспечения контроля над правильностью функционирования цифровых систем защиты и автоматики в электрических сетях [13]. Данные подходы позволяют оперативно реагировать на возникающие нештатные ситуации, предотвращать аварийные события и снизить показатели количества и длительности отключений электрической энергии.
Как и в сегменте генерации электрической энергии, в сегменте передачи и распределения электрической энергии ИИ применяется для автоматизированного контроля технического состояния электросетевого оборудования [14].
Также ИИ интегрируется в область проектирования цифровых подстанций в соответствии с серией стандартов Международной электротехнической комиссии в области сетей и систем связи на подстанциях [15], что способствует реализации полностью автоматизированного подхода к данному процессу.
Кроме того, использование ИИ способствует электросетевым компаниям выявлению приборов учёта, передающих недостоверные показания, а также обнаружению конкретных участков сети, на которых происходят случаи неправомерного подключения потребителей [16].
3. Применение ИИ в организациях, осуществляющих деятельность в области сбыта электрической энергии.
ИИ может использоваться энергосбытовыми организациями, а также иными предприятиями, осуществляющими закупку электрической энергии на оптовом рынке электрической энергии и мощности, для прогнозирования спроса и ценовой ситуации. При этом в отличии от других подходов прогнозирования модели ИИ учитывают сложные нелинейные взаимосвязи [17]. Использование моделей ИИ в данной области позволяет выявлять и квантифицировать связи между анализируемыми переменными и различными факторами.
Стоит отметить, что экспертами отмечаются высокие результаты ИИ в данной области. В частности, Кирилычевым И.А. в статье «Преимущества использования искусственных нейронных сетей в прогнозировании энергопотребления и цен на электрическую энергию» [18] указывается на преимущество использования ИИ при прогнозировании цен на электрическую энергию по сравнению со статистическими методами.
Также в статье «Использование искусственного интеллекта для прогнозирования электропотребления энергосбытовой компании» [19] отмечается, что использование многофакторных подходов на базе нейронных сетей является перспективным решением задачи прогнозирования электропотребления для энергосбытовых компаний.
ИИ применяется в рамках обслуживания потребителей электрической энергии. Например, виртуальные цифровые ассистенты на базе ИИ разработаны с возможностью ведения диалогов в текстовой или голосовой форме, приближенных к естественному человеческому общению. Одной из ключевых задач таких виртуальных ассистентов является предоставление информации и консультаций пользователям по всем во-
просам, связанным с взаимодействием с энергосбытовыми организациями. Нередко это позволяет исключить необходимость посещения офисов энергосбытовых организаций и обращения в контактные центры.
При этом виртуальные ассистенты на базе ИИ способны выполнять функции напоминания о передаче показаний счетчиков или оплате квитанций. Такой подход позволяет сократить временные и ресурсные затраты потребителей электрической энергии, обеспечивая более эффективное и удобное взаимодействие с энергосбытовыми организациями [20,21].
Так, например, с использованием платформы «Naumen», компания «Атомэнергосбыт» осуществляет комплексный подход к автоматизации дистанционного обслуживания и управлению качеством клиентского опыта, а также автоматизации сервиса. В рамках данного проекта контакт-центр компании переходит на гибридную модель обслуживания, где каждое обращение клиента передается интеллектуальной системе для дальнейшей обработки ботом-помощником или оператором, в зависимости от темы и контекста общения с клиентом.
В рамках обслуживания клиентов роботы-консультанты, основанные на ИИ, применяются также в группе компаний «Ру-сгидро» в Едином расчетно-информационный центре [23].
Вывод
Таким образом, в настоящее время в Российской Федерации в рамках государственной политики в области цифровой трансформации топливно-энергетического комплекса, в частности, электроэнергетической отрасли развитие ИИ выделено в качестве одного из приоритетных направлений.
При этом благодаря ряду технологических и экономических факторов в последние десятилетия ИИ стал развиваться ускоренными темпами и повсеместно внедряться в отраслях экономики.
Применение ИИ в электроэнергетической отрасли дает значимые положительные эффекты в сферах генерации, транспортировки, а также сбыта электрической энергии. ИИ решает задачи предиктивной аналитики, позволяет осуществить переход на подход к ремонту по состоянию, предотвратить незапланированные остановки производственных процессов, повысить эффективность работы тепловых электростанций за счет оптимизации управления процессом горения топлива, а также электростанций, работающих на возобновляемых источниках энергии, за счет прогнозирования генерации электрической энергии. Также присутствует применение ИИ в рамках проектирования цифровых подстанций, мониторинга и повышения надежности, наблюдаемости и управляемости электрических сетей, автоматизированного контроля технического состояния электросетевого оборудования. Кроме того, отмечаются высокие показатели эффективности ИИ в рамках прогнозирования спроса и цен на электрическую энергию на оптовом рынке электрической энергии и мощности, а также широкое внедрение ИИ в процессы, связанные с обслуживанием потребителей электрической энергии.
Литература
1. Сергеев, Л. И. Цифровая экономика: учебник для вузов / Л. И. Сергеев, Д. Л. Сергеев, А. Л. Юданова ; под редакцией Л. И. Сергеева. - 2-е изд., перераб. и доп. - Москва : Издательство Юрайт, 2023. — 437 с.
2. Ивановский Б.Г. Экономические эффекты от внедрения технологий «искусственного интеллекта» // Социальные новации и социальные науки. 2021. №2 (4). URL: https://cyberleninka.ru/artide/n/ekonomicheskie-effekty-ot-vnedreniya-tehnologiy-iskusstvennogo-intellekta (дата обращения: 14.07.2023).
3. В России разрабатывается федеральный закон о промышленных данных // Ассоциация электронных торговых площадок: сайт. - 2021. URL: https://aetp.ru/market-news/item/430041?ysclid=lk2jp3ihl4823069238 (дата обращения: 14.07.2023).
4. Цифровая трансформация в ТЭК ускорится // ComNews: сайт. - 2022. URL: https://www.comnews.ru/content/220625/2022-06-08/2022-w23/cifrovaya-transformaciya-tek-uskoritsya (дата обращения: 14.07.2023).
5. О внесении изменений в часть вторую Налогового кодекса Российской Федерации: Федеральный закон от 14.07.2022 № 323-ФЗ: Принят Государственной Думой 5 июля 2022 г.: одобрен Советом Федерации 8 июля 2022 г. // Консуль-тантПлюс: сайт. URL: https://www.consultant.ru/document/cons_doc_LAW_421955/?ys clid=ll0nsvk1o536868817 (дата обращения: 14.07.2023).
6. Методические рекомендации по цифровой трансформации государственных корпораций и компаний с государственным участием: утверждены протоколом заседания президиума Правительственной комиссии по цифровому развитию, использованию информационных технологий для улучшения качества жизни и условий ведения предпринимательской деятельности под председательством Заместителя Председателя Правительства Российской Федерации Д.Н. Чернышенко от 31.08.2022 № 34. URL: https://digital.gov.ru/uploaded/files/7metodicheskierekomendatsii0 6092022125913_TZmtVQB.pdf_(дата обращения: 14.07.2023).
7. О мерах по обеспечению технологической независимости и безопасности критической информационной инфраструктуры Российской Федерации: Указ Президента Российской Федерации от 30.03.2022 № 166. URL: https://login.consultant.ru/link/?req=doc&base=LAW&n=413177& demo=1 (дата обращения: 14.07.2023).
8. «Интеллектуальная система мониторинга и прогноза технического состояния активов промышленных предприятий «F5 PMM» // Реестр российского программного обеспечения: сайт. URL: https://reestr.digital.gov.ru/reestr/437006/ (дата обращения: 14.07.2023).
9. Интеллектуальная диагностика и предиктивный анализ - основа цифровой энергетики // Научно-производственный комплекс «Интеграл»: сайт. URL: https://integral-russia.ru/2023/02/01/intellektualnaya-diagnostika-i-prediktivnyj-analiz-osnova-tsifrovoj-energetiki/?ysclid=lkcp180p3w993615613 (дата обращения: 14.07.2023).
10. Российский ИИ научился подсказывать как экономно вырабатывать электричество из металлургического газа // Сетевое издание «CNews»: сайт. URL: https://www.cnews.ru/news/top/2023-06-29_rossiyane_nauchilis_pri_pomoshchi (дата обращения: 14.07.2023).
11. Абдали Л.М., Али К.А., Кувшинов В.В., Бекиров Э.А., Ко-ровкин Н.В. Техника искусственного интеллекта для производства энергии и автоматизация управления гибридной сол-нечно-ветро-дизельной энергетической системой // Строительство и техногенная безопасность. 2021. №22 (74). URL: https://cyberleninka.ru/article/n/tehnika-iskusstvennogo-intellekta-dlya-proizvodstva-energii-i-avtomatizatsiya-upravleniya-gibridnoy-solnechno-vetro-dizelnoy (дата обращения: 22.07.2023).
12. Как AI меняет производство, передачу и потребление электроэнергии // Рамблер: сайт. - 2019. URL: https://news.rambler.ru/other/42887662/?utm_content=news_med ia&utm_medium=read_more&utm_source=copylink (дата обращения: 14.07.2023).
13. Искусственный интеллект будет контролировать правильность работы цифровых систем защиты и автоматики в
X X
о го А с.
X
го m
о
2 О
м
CJ
fO CS
о
CS cd
О Ш
m
X
<
m о x
X
электрических сетях // Центр компетенций НТИ на базе МЭИ: сайт. URL: http://nti.mpei.ru/ai-mpei-rosseti/ (дата обращения: 21.07.2023).
14. Альманах Ассоциации «Цифровая энергетика» // Ассоциация «Цифровая энергетика»: сайт. - 2022. URL: https://www.digital-energy.ru/activity/almanac/ (дата обращения: 22.07.2023).
15. Автоматизация проектирования ЦПС с помощью ng.Grace // Яндекс Дзен: сайт. - 2022. URL: https://dzen.rU/a/Y6RcZOWlOIQEwYOX (дата обращения: 17.07.2023).
16. МТС и «Россети Сибирь» займутся поиском хищений в электросетях с помощью Big Data и искусственного интеллекта // ПАО «МТС»: сайт. - 2023. URL: https://moskva.mts.ru/about/media-centr/soobshheniya-kompanii/novosti-mts-v-rossii-i-mire/2023-06-20/mts-i-rosseti-sibir-zajmutsya-poiskom-hishhenij-v-elektrosetyah-s-pomoshhyu-big-data-i-iskusstvennogo-intellekta (дата обращения: 25.07.2023).
17. Золотова И.Ю., Дворкин В.В. Краткосрочное прогнозирование цен на российском оптовом рынке Электроэнергии на основе нейронных сетей // Проблемы прогнозирования. 2017. №6. URL: https://cybe rleninka.ru/article/n/kratkosrochnoe-prognozirovanie-tsen-na-rossiyskom-optovom-rynke-elektr-oenergii-na-osnove-neyronnyh-setey (дата обращения: 17.07.2023).
18. Кирилычев, И. А. Преимущества использования искусственных нейронных сетей в прогнозировании энергопотребления и цен на электрическую энергию // Молодой ученый. — 2022. — № 18 (413). — С. 72-73. — URL: https://moluch.ru/archive/413/91242/ (дата обращения: 19.07.2023).
19. Бершадский И.А., Джура С.Г., Чурсинова А.А. Использование искусственного интеллекта для прогнозирования электропотребления энергосбытовой компании // Системы анализа и обработки данных. 2020. №4 (80). URL: https://cyberleninka.ru/article/n/ispolzovanie-iskusstvennogo-intellekta-dlya-prognozirovaniya-elektropotrebleniya-energosbytovoy-kompanii (дата обращения: 20.07.2023).
20. Проект для энергосбытовой компании: чат-бот Ато-маша // Наносемантика. - 2022. URL: https://nanosemantics.ai/chatbot-for-power-supply-company/ (дата обращения: 20.07.2023).
21. На сайте РГМЭК появился виртуальный помощник на базе искусственного интеллекта // Рязанская городская муниципальная энергосбытовая компания: сайт. URL: https://www.rgmek.ru/news/news/na-sajte-rgmek-poyavilsya-virtualnyj-pomoshhnik-na-baze-iskusstvennogo-intellekta.html (дата обращения: 23.07.2023).
22. «Атомэнергосбыт» и Naumen расширяют применение искусственного интеллекта в клиентском сервисе // Сетевое издание «CNews»: сайт. - 2022. URL: https://www.cnews.ru/news/line/2022-08-16_atomenergosbyt_i_naumen_rasshiryayut?ysclid=lkck5r3uq96 21878606 (дата обращения: 26.07.2023).
23. Лучшие практики - на Дальнем Востоке // ВЕСТНИК РУСГИДРО: сайт. - 2018. URL: https://www.vestnik-rushydro.ru/articles/2-fevral-2018/news/luchshie-praktiki-na-dalnem-vostoke-2-2018/ (дата обращения: 27.07.2023).
Overview of the application of artificial intelligence technologies in the electric
power industry Lyandau Yu.V., Temirbulatov A.U.
REU them. G.V. Plekhanov, Ministry of Energy of the Russian Federation
JEL classification: D20, E22, E44, L10, L13, L16, L19, M20, O11, O12, Q10,
Q16, R10, R38, R40, Z21, Z32
The article analyzes the application of artificial intelligence technologies in the electric power industry. The definition, factors that contributed to the development of artificial intelligence, elements of state policy in terms of supporting the development of artificial intelligence technologies in the fuel and energy complex of the Russian Federation are considered. Examples of implementation of artificial intelligence technologies in electric power industry organizations operating in the fields of production, transportation and sales of electric energy, as well as the positive effects of their implementation are analyzed. In particular, examples are given of the use of artificial intelligence technologies for transition to equipment repair based on technical condition, predictive analytics, optimization and efficiency improvement of production processes, including combustion process control at thermal power plants, improvement of power generation indicators at power plants operating on renewable energy sources, improvement of observability and controllability of power grids, improvement of reliability of power grid facilities, and improvement of the reliability of the power grid economy.
Keywords: artificial intelligence, machine learning, electric power industry, fuel and
energy complex References
1. Sergeev, L. I. Digital economy: a textbook for universities / L. I. Sergeev, D. L.
Sergeev, A. L. Yudanova; edited by L. I. Sergeev. - 2nd ed., revised. and additional - Moscow: Yurayt Publishing House, 2023. - 437 p.
2. Ivanovsky B.G. Economic effects from the introduction of "artificial intelligence"
technologies // Social innovations and social sciences. 2021. No. 2 (4). URL: https://cyberleninka.ru/article/n/ekonomicheskie-effekty-ot-vnedreniya-tehnologiy-iskusstvennogo-intellekta (date of access: 07/14/2023).
3. A federal law on industrial data is being developed in Russia // Association of
electronic trading platforms: site. - 2021. URL: https://aetp.ru/market-news/item/430041?ysclid=lk2jp3ihl4823069238 (date of access: 07/14/2023).
4. Digital transformation in the fuel and energy complex will accelerate // ComNews:
site. - 2022. URL: https://www.comnews.ru/content/220625/2022-06-08/2022-w23/cifrovaya-transformaciya-tek-uskoritsya (date of access: 07/14/2023).
5. On Amendments to Part Two of the Tax Code of the Russian Federation: Federal
Law No. 323-FZ dated July 14, 2022: Adopted by the State Duma on July 5, 2022: approved by the Federation Council on July 8, 2022 // ConsultantPlus: website. URL:
https://www.consultantru/document/cons_doc_LAW_421955/?ysclid=ll0nsvk1o 536868817 (date of access: 07/14/2023).
6. Guidelines for the digital transformation of state corporations and companies with
state participation: approved by the minutes of the meeting of the Presidium of the Government Commission on Digital Development, the Use of Information Technologies to Improve the Quality of Life and the Conditions for Doing Business under the Chairmanship of the Deputy Prime Minister of the Russian Federation D.N. Chernyshenko dated August 31, 2022, No. 34. URL: https://digital.gov.ru/uploaded/files/7metodicheskierekomendatsii060920221259 13_TZmtVQB. pdf (date of access: 07/14/2023).
7. On measures to ensure the technological independence and security of the critical
information infrastructure of the Russian Federation: Decree of the President of the Russian Federation of March 30, 2022 No. 166. URL: https://login.consultant.ru/link/?req=doc&base=LAW&n=413177&demo= 1 (date of access: 07/14/2023).
8. "Intelligent system for monitoring and forecasting the technical condition of assets
of industrial enterprises "F5 PMM" // Register of Russian software: website. URL: https://reestr.digital.gov.ru/reestr/437006/ (date of access: 07/14/2023).
9. Intelligent diagnostics and predictive analysis - the basis of digital energy //
Research and production complex "Integral": website. URL: https://integral-russia.ru/2023/02/01/intellektualnaya-diagnostika-i-prediktivnyj-analiz-osnova-tsifrovoj-energetiki/?ysclid=lkcp180p3w993615613 (date of access: 07/14/2023).
10. Russian AI has learned to suggest how to economically generate electricity from
metallurgical gas // CNews online edition: website. URL: https://www.cnews.ru/news/top/2023-06-
29_rossiyane_nauchilis_pri_pomoshchi (date of access: 07/14/2023).
11. Abdali L.M., Ali K.A., Kuvshinov V.V., Bekirov E.A., Korovkin N.V. Artificial Intelligence Technique for Energy Production and Control Automation of a Hybrid Solar-Wind-Diesel Energy System // Construction and Technogenic Safety. 2021. No. 22 (74). URL: https://cyberleninka.ru/article/n/tehnika-iskusstvennogo-intellekta-dlya-proizvodstva-energii-i-avtomatizatsiya-upravleniya-gibridnoy-solnechno-vetro-dizelnoy (date of access: 07/22/2023).
12. How AI is changing the production, transmission and consumption of electricity //
Rambler: site. - 2019. URL:
https://news.rambler.ru/other/42887662/?utm_content=news_media&utm_medi um=read_more&utm_source=copylink (date of access: 07/14/2023).
13. Artificial intelligence will control the correct operation of digital protection and
automation systems in electrical networks // NTI Competence Center based on MPEI: site. URL: http://nti.mpei.ru/ai-mpei-rosseti/ (date of access: 07/21/2023).
14. Almanac of the Digital Energy Association // Digital Energy Association: website.
- 2022. URL: https://www.digital-energy.ru/activity/almanac/ (date of access: 07/22/2023).
15. Automation of DSP design using ng.Grace // Yandex Zen: site. - 2022. URL:
https://dzen.ru/afY6RcZ0Wl01QEwY0X (date of access: 07/17/2023).
16. MTS and Rosseti Siberia will search for theft in power grids using Big Data and
artificial intelligence // MTS PJSC: site. - 2023. URL: https://moskva.mts.ru/about/media-centr/soobshheniya-kompanii/novosti-mts-v-rossii-i-mire/2023-06-20/mts-i-rosseti-sibir -zajmutsya-poiskom-hishhenij-v-
elektrosetyah-s-pomoshhyu-big-data-i-iskusstvennogo-intellekta (date of access: 07/25/2023).
17. Zolotova I.Yu., Dvorkin V.V. Short-term forecasting of prices in the Russian wholesale electricity market based on neural networks // Problems of Forecasting. 2017. №6. URL: https://cyberleninka.ra/article/n/kratkosrochnoe-prognozirovanie-tsen-na-rossiyskom-optovom-rynke-elektr-oenergii-na-osnove-neyronnyh-setey (date of access: 07/17/2023).
18. Kirilychev, I. A. Benefits of using artificial neural networks in forecasting energy
consumption and prices for electrical energy // Young scientist. - 2022. - No. 18 (413). — S. 72-73. — URL: https://moluch.ru/archive/413/91242/ (date of access: 07/19/2023).
19. Bershadsky I.A., Dzhura S.G., Chursinova A.A. Using artificial intelligence to predict the power consumption of a power supply company // Systems of Analysis and Data Processing. 2020. No. 4 (80). URL: https://cyberleninka.ru/article/n/ispolzovanie-iskusstvennogo-intellekta-dlya-prognozirovaniya-elektropotrebleniya-energosbytovoy-kompanii (date of access: 07/20/2023).
20. Project for a power supply company: Atomash chatbot // Nanosemantics. - 2022.
URL: https://nanosemantics.ai/chatbot-for-power-supply-company/ (date of access: 07/20/2023).
21. A virtual assistant based on artificial intelligence appeared on the RSMEK website
// Ryazan City Municipal Energy Retail Company: website. URL: https://www.rgmek.ru/news/news/na-sajte-rgmek-poyavilsya-virtualnyj-pomoshhnik-na-baze-iskusstvennogo-intellekta.html (Date of access: 07/23/2023).
22. Atomenergosbyt and Naumen are expanding the use of artificial intelligence in
customer service // CNews online edition: site. - 2022. URL: https://www.cnews.ru/news/line/2022-08-
16_atomenergosbyt_i_naumen_rasshiryayut?ysclid=lkck5r3uq9621878606 (date of access: 07/26/2023).
23. Best practices in the Far East // VESTNIK RUSHYDRO: site. - 2018. URL: https://www.vestnik-rushydro.ru/articles/2-fevral-2018/news/luchshie-praktiki-na-dalnem-vostoke-2-2018/ (date of access: 27.07.2023).
X X
o 00 A c.
X
00 m
o
2 O
ho CJ
