نقش فزاینده هوش مصنوعی در دگرگونی صنعت انرژی جهان

به گزارش اقتصادآنلاین، هوش مصنوعی به‌عنوان یکی از بزرگ‌ترین ابرروند‌های سکولار دوران ما ظهور کرده است. هوش مصنوعی موتور محرک انقلاب صنعتی چهارم است و به‌طور فزاینده‌ای به‌عنوان راهبردی کلیدی برای مهار برخی از مهم‌ترین چالش‌های زمانه ما، از جمله تغییرات اقلیمی و آلودگی، شناخته می‌شود.

شرکت‌های انرژی از ابزار‌های هوش مصنوعی برای دیجیتالی‌سازی سوابق، تحلیل انبوهی از داده‌ها و نقشه‌های زمین‌شناسی و همچنین شناسایی مشکلاتی مانند استفاده بیش از حد از تجهیزات یا خوردگی خطوط لوله استفاده می‌کنند. هوش مصنوعی برای تحلیل داده‌های لرزه‌نگاری، بهینه‌سازی مسیر‌های حفاری و مدیریت کارآمدتر مخازن به کار می‌رود تا استخراج را به حداکثر و اثرات زیست‌محیطی و خطای انسانی را به حداقل برساند.

گسترش کاربرد‌های هوش مصنوعی در نفت و گاز

شرکت AI Driller از هوش مصنوعی برای مدیریت از راه دور فرآیند‌های حفاری در چندین دکل استفاده می‌کند؛ Petro AI و Tachyus مدل‌های هوش مصنوعی مبتنی بر فیزیک را برای پیش‌بینی تولید و مدیریت مخزن توسعه داده‌اند؛ غول‌های خدمات نفتی Baker Hughes و C۳.ai از هوش مصنوعی سازمانی برای پیش‌بینی خرابی در دارایی‌های خود بهره می‌گیرند، در حالی که Buzz Solutions داده‌های بصری را برای بازرسی خطوط انتقال برق تحلیل می‌کند.

هوش مصنوعی و تحول در بخش برق

به‌طور مشابه، هوش مصنوعی بخش برق را با بهینه‌سازی فرآیند‌ها در سراسر زنجیره ارزش انرژی از تولید تا مصرف دگرگون کرده و در عین حال، به دلیل مصرف بالای انرژی خود، به چالشی مهم نیز تبدیل شده است.

هوش مصنوعی به بهبود پاسخ‌گویی به تقاضا و افزایش بهره‌وری انرژی کمک می‌کند؛ ابزار‌هایی مانند Brainbox AI و Enerbrain به‌صورت خودکار هدررفت انرژی را کاهش می‌دهند، در حالی که Uplight به شرکت‌های خدمات برق برای تشویق مصرف‌کنندگان به بهره‌وری بیشتر کمک می‌کند.

افزایش نقش هوش مصنوعی در انرژی‌های تجدیدپذیر

هوش مصنوعی همچنین ادغام انرژی‌های تجدیدپذیر را با تحلیل مجموعه‌داده‌های گسترده، از جمله الگو‌های آب‌وهوا، برای پیش‌بینی دقیق تولید متناوب خورشیدی و بادی تسهیل می‌کند. این فناوری برای بهبود مدیریت شبکه، بهینه‌سازی تولید انرژی، متعادل‌سازی عرضه و تقاضا در زمان واقعی و پیش‌بینی خرابی تجهیزات از طریق یادگیری ماشین استفاده می‌شود؛ امری که زمان توقف و هزینه‌ها را کاهش می‌دهد. به‌عنوان نمونه، شرکت‌های Envision و PowerFactors پلتفرم‌های یکپارچه برای مدیریت ناوگان عظیم انرژی تجدیدپذیر ارائه می‌کنند؛ Clir و WindESCo با استفاده از هوش مصنوعی توربین‌های بادی کم‌بازده را شناسایی کرده و زاویه گام و یاو را برای افزایش تولید تنظیم می‌کنند؛ SkySpecs از هوش مصنوعی و پهپاد‌های خودکار برای بازرسی اتوماتیک توربین‌های بادی استفاده می‌کند، در حالی که Form Energy بر حوزه ذخیره‌سازی تمرکز دارد.

شبکه‌های هوشمند و نقش بنیادی هوش مصنوعی

در همین حال، هوش مصنوعی به جزء جدایی‌ناپذیر ساخت شبکه‌های هوشمند تبدیل شده است و دید لازم برای مدیریت تراکم شبکه و جلوگیری از خاموشی‌ها را فراهم می‌کند. شرکت Kraken Technologies از هوش مصنوعی و یادگیری ماشین به‌عنوان «مغز» شبکه انرژی مدرن استفاده می‌کند تا عرضه متناوب انرژی تجدیدپذیر را با تقاضای لحظه‌ای متعادل سازد، میلیون‌ها منبع انرژی غیرمتمرکز را هماهنگ کند و عملیات را برای افزایش کارایی و پایداری خودکار کند.

WeaveGrid و Camus Energy از هوش مصنوعی برای کمک به شرکت‌های برق جهت ادغام خودرو‌های برقی و سایر منابع توزیع‌شده در شبکه بدون ایجاد اضافه‌بار استفاده می‌کنند. WeaveGrid بر مدیریت شارژ خودرو‌های برقی از طریق نرم‌افزاری متمرکز است که آن را با ظرفیت شبکه و دسترس‌پذیری انرژی تجدیدپذیر هماهنگ می‌کند. Camus Energy با بهره‌گیری از یادگیری ماشین، سامانه‌های «کمک‌راننده» ایجاد می‌کند که با دقت بالا تقاضای برق و جریان انرژی را پیش‌بینی کرده و محاسبات پیچیده فیزیک شبکه را سرعت می‌بخشد و در رویداد‌هایی مانند اوج شارژ خودرو‌های برقی پایداری شبکه را افزایش می‌دهد.

هوش مصنوعی در مدیریت کربن و ESG

در نهایت، هوش مصنوعی در مدیریت انتشار کربن و ESG برای متمرکزسازی داده‌ها، بهینه‌سازی عملیات، پایش زنجیره تأمین و بهبود گزارش‌دهی به کار گرفته می‌شود. این فناوری به شرکت‌ها در رهگیری لحظه‌ای، تحلیل پیش‌بینی انتشار و مدیریت آنی زنجیره تأمین کمک می‌کند. علاوه بر این، هوش مصنوعی وظایفی مانند گزارش‌دهی ESG، شناسایی ناهنجاری در داده‌های انتشار و هدایت در میان مقررات پیچیده را خودکار می‌کند.

Carbon Chain و Watershed از هوش مصنوعی و یادگیری ماشین برای ارائه اندازه‌گیری و مدیریت دقیق، مقیاس‌پذیر و جزئی‌نگر انتشار کربن کسب‌وکارها، به‌ویژه انتشار‌های پیچیده حوزه سه (Scope ۳) استفاده می‌کنند.

پایش زنجیره تأمین و گزارش‌دهی کربن با هوش مصنوعی

Carbon Chain به شرکت‌ها کمک می‌کند تا اثر کربنی کل فعالیت‌های خود را با خودکارسازی دریافت و تحلیل حجم عظیمی از داده‌های زنجیره تأمین محاسبه کرده و گزارش‌های دقیق و آماده حسابرسی تولید کنند. این پلتفرم با استفاده از یادگیری ماشین، داده‌هایی را از منابع متنوع و اغلب پراکنده (نظیر سامانه‌های ERP، گزارش‌های تأمین‌کنندگان و …) دریافت می‌کند تا تصویری جزئی و قابل اتکا از میزان انتشار ارائه دهد.

در همین حال، Watershed به‌طور گسترده از هوش مصنوعی در پلتفرم پایداری سازمانی خود استفاده می‌کند تا جمع‌آوری داده‌ها را خودکار کند، دقت اطلاعات را افزایش دهد و بینش‌های عملی برای کاهش انتشار ارائه دهد. ابزار کلیدی Watershed با نام «ردپای محصول» از مدل‌های پیشرفته هوش مصنوعی بهره می‌گیرد تا هر قلم خریداری‌شده را به مواد و فرآیند‌های تشکیل‌دهنده آن تجزیه کرده و مراحل بالادستی مانند استخراج مواد خام، تولید و حمل‌ونقل را رهگیری کند. این رویکرد جایگزین ارزیابی‌های چرخه عمر دستی و زمان‌بر یا برآورد‌های هزینه‌محورِ کم‌دقت شده و امکان تولید پروفایل‌های دقیق انتشار را در چند دقیقه فراهم می‌کند.

چالش انرژی‌بر بودن هوش مصنوعی

در سوی دیگر ماجرا، همه این پیشرفت‌های هوش مصنوعی هزینه‌بر بوده‌اند و گزارش‌ها نشان می‌دهد ایالت‌ها و مناطقی که تمرکز بالایی از مراکز داده هوش مصنوعی دارند، با افزایش بسیار بزرگ‌تر قبوض برق نسبت به سایر نقاط کشور مواجه شده‌اند. شرکت‌های بزرگ فناوری و آزمایشگاه‌های هوش مصنوعی اکنون در حال ساخت مراکز داده عظیمی هستند که در برخی موارد یک گیگاوات یا بیشتر برق مصرف می‌کنند؛ مقداری که برای تأمین انرژی بیش از ۸۰۰ هزار خانه کافی است؛ بنابراین جای تعجب نیست که ایالت‌هایی با بیشترین تعداد مراکز داده، بیشترین افزایش قیمت برق را نیز تجربه می‌کنند.

با در اختیار داشتن ۶۶۶ مرکز داده، ویرجینیا بیشترین تعداد این تأسیسات برق‌بر را در کشور دارد. جالب آنکه قیمت برق خانگی در این ایالت در ماه اوت ۱۳ درصد نسبت به مدت مشابه سال گذشته افزایش یافته که دومین رشد بزرگ سالانه در سطح کشور پس از افزایش ۱۵٫۸ درصدی ایالت ایلینوی است. ایلینوی ۲۴۴ مرکز داده دارد که چهارمین رتبه در میان ۵۰ ایالت محسوب می‌شود.

افزایش انتقادات و تغییر رویکرد‌ها نسبت به مراکز داده

جای تعجب ندارد که موجی از نارضایتی عمومی و سیاسی شکل گرفته است و سیاستمداران مختلف، دولت ترامپ را به خاطر عقد قرارداد‌های سودآور با شرکت‌های بزرگ فناوری و وادار کردن مصرف‌کنندگان به پرداخت هزینه مراکز داده مورد انتقاد قرار می‌دهند.

این روند نشان می‌دهد احتمالاً ایالت‌های بیشتری به مدل شرکت Oklo روی می‌آورند؛ مدلی که در آن مراکز داده برق مورد نیاز خود را به‌طور مستقل تأمین می‌کنند تا فشار هزینه‌ها از دوش مصرف‌کنندگان برداشته شود.

منبع: Oilprice