นักวิทยาศาสตร์ของศูนย์วิจัยแห่งชาติ Argonne สหรัฐฯ กำลังใช้ประโยชน์จาก AI ในการซ่อมบำรุงโครงข่ายพลังงาน ช่วยให้บริษัทพลังงานของสหรัฐฯ ระบุและแก้ไขปัญหาก่อนที่จะเกิดขึ้น
ความต้องการพลังงานของอเมริกายังคงเพิ่มขึ้นอย่างต่อเนื่อง นักวางแผนโครงข่ายไฟฟ้าคาดว่าความต้องการพลังงานจะเพิ่มขึ้นเกือบ 5% ในอีกห้าปีข้างหน้า เพื่อตอบสนองความต้องการด้านพลังงานในอนาคต บริษัทพลังงานจำเป็นต้องนำโรงงานแห่งใหม่มาสู่ระบบออนไลน์ โดยยังคงรักษาโครงสร้างพื้นฐานที่มีอยู่ไว้ แหล่งพลังงานหมุนเวียน เช่น ลม แสงอาทิตย์ และไฟฟ้าพลังน้ำ (hydropower) จะมีบทบาทเพิ่มขึ้น สหรัฐฯ ตั้งเป้าที่จะผลิตพลังงานไฟฟ้า 44% จากทรัพยากรหมุนเวียนในปี 2050 โดยคาดว่า 22% มาจากพลังงานแสงอาทิตย์ และอีก 14% มาจากพลังงานลม การรวมแหล่งพลังงานใหม่เหล่านี้เข้ากับโครงข่ายไฟฟ้าจะต้องมีการติดตั้งอินเวอร์เตอร์หลายร้อยล้านเครื่อง ซึ่งทั้งหมดจะต้องได้รับการบำรุงรักษา ในขณะเดียวกัน โครงข่ายไฟฟ้าบางส่วนที่มีอยู่ก็เริ่มที่จะใช้การไม่ได้ โดยโรงงานผลิตไฟฟ้าพลังน้ำในสหรัฐฯ มีอายุเฉลี่ยประมาณ 70 ปี ซึ่งก็ใกล้จะสิ้นสุดอายุการใช้งานแล้ว และจำเป็นต้องได้รับการตรวจสอบและซ่อมบำรุง ยิ่งไปกว่านั้นสายไฟ เครือข่ายการจัดส่งไฟฟ้า และท่อส่งก๊าซก็เริ่มอยู่ในภาวะวิกฤติ ซึ่งสมาคมวิศวกรโยธาแห่งอเมริกา (American Society of Civil Engineers) ได้ให้คะแนนกับระบบเหล่านี้ในระดับเกรด C ในปี 2021
การตรวจสอบและซ่อมบำรุงสินทรัพย์พลังงานตามช่วงอายุการใช้งานเป็นสิ่งสำคัญในการรับรองความน่าเชื่อถือและความปลอดภัย อย่างไรก็ตาม บริษัทพลังงานอาจไม่ทราบว่าจะมีปัญหาเกิดขึ้นกับอุปกรณ์ของตนจนกว่าจะมีเหตุขัดข้อง ด้วยเหตุนี้ นักวิจัยจากศูนย์วิจัยแห่งชาติ Argonne ของกระทรวงพลังงานสหรัฐฯ จึงก้าวเข้ามาทำงานกับบริษัทพลังงานทั่วทั้งภาคพลังงาน ตั้งแต่โรงไฟฟ้าพลังน้ำ ไปจนถึงโรงไฟฟ้าพลังงานแสงอาทิตย์ขนาดใหญ่ ทางทีมวิจัยกำลังปรับเปลี่ยนวิธีที่บริษัทต่างๆ ดำเนินการซ่อมบำรุงโครงสร้างพื้นฐานด้านพลังงาน โดยนักวิจัยได้พัฒนาซอฟต์แวร์ซึ่งสามารถคาดการณ์การทำงานที่ผิดปกติของโครงข่ายไฟฟ้าด้วยการใช้ AI ระบบจะวิเคราะห์ข้อมูลจำนวนมหาศาลที่รวบรวมจากเซ็นเซอร์ที่ติดตั้งทั่วทั้งโครงข่ายไฟฟ้า จากนั้นจึงสร้างแบบจำลองการคาดการณ์การสึกหรอเมื่อเวลาผ่านไป ท้ายที่สุดแล้ว ซอฟต์แวร์สามารถแนะนำได้ว่าเมื่อใดควรซ่อมแซมหรือเปลี่ยนชิ้นส่วนก่อนที่ปัญหาจะเกิดขึ้น
หัวใจสำคัญของนวัตกรรมนี้คือความสามารถในการประเมินความสมบูรณ์ของโครงข่ายไฟฟ้า คาดการณ์ความเสี่ยงที่จะเกิด และปรับการตัดสินใจในการซ่อมบำรุงตามข้อมูลที่มี นักวิจัยได้แสดงให้เห็นว่าเทคโนโลยีนี้มีประโยชน์ต่อผู้ให้บริการพลังงานอย่างไร เช่น การลดต้นทุนการซ่อมบำรุงทั้งหมดได้ 43-56%, ลดการส่งเจ้าหน้าที่ไปยังสถานที่โดยไม่จำเป็นได้ 60-66% และเพิ่มผลกำไรได้ 3-4% สำหรับโครงการอินเวอร์เตอร์พลังงานแสงอาทิตย์ อย่างไรก็ตามประโยชน์ของการวิจัยนี้มีมากกว่าการประหยัดต้นทุนและประสิทธิภาพที่เพิ่มขึ้น แต่เป็นการซ่อมบำรุงก่อนที่ปัญหาจะลุกลาม ผู้ให้บริการพลังงานสามารถเพิ่มความน่าเชื่อถือของโครงข่ายไฟฟ้า ซึ่งเป็นปัจจัยสำคัญในยุคของความต้องการพลังงานที่เพิ่มขึ้น
ด้วยการดูโครงข่ายไฟฟ้าแบบองค์รวม ตั้งแต่โรงไฟฟ้าไปจนถึงสายไฟ แบบจำลองนี้สามารถทำนายความล้มเหลวในเครือข่ายทั้งหมดที่ผลิตและขนส่งไฟฟ้าจากแหล่งกำเนิดไปยังจุดที่มีการใช้ไฟฟ้า ในสหรัฐฯ มีสายส่งไฟฟ้าแรงสูงกว่า 240,000 สาย และหม้อแปลงกว่า 50 ล้านตัว หม้อแปลงขนาดใหญ่และมีราคาแพงส่วนใหญ่ใกล้หมดอายุการใช้งาน ประมาณ 70% เปิดให้บริการมาเป็นเวลากว่า 25 ปี โครงข่ายไฟฟ้าจึงจำเป็นต้องรองรับไฟฟ้ามากขึ้นและจัดการกับแหล่งพลังงานหมุนเวียนที่ไม่สามารถคาดเดาได้ ซึ่งอาจนำไปสู่ปัญหาความไม่เสถียร นั่นคือเหตุผลที่ Argonne คิดค้นเครื่องมือการจัดการสินทรัพย์เหล่านี้ ซึ่งจะช่วยรับประกันความน่าเชื่อถือและความปลอดภัยของโครงข่ายไฟฟ้าในอนาคต และยังช่วยให้บริษัทพลังงานขนาดเล็กมีเทคโนโลยีล้ำสมัยเช่นเดียวกับบริษัทใหญ่
นี่เป็นเพียงหนึ่งในวิธีที่ Argonne จัดการกับปัญหาความท้าทายด้านโครงข่ายไฟฟ้าในปัจจุบันด้วยการใช้ AI และข้อมูลจริงที่มี ผู้ให้บริการพลังงานที่ใช้เทคโนโลยีการซ่อมบำรุงตามการคาดการณ์ จะสามารถเพิ่มอายุการใช้งานของโครงสร้างพื้นฐานที่มีอยู่, ลดเวลาหยุดการทำงานเนื่องจากการซ่อมบำรุง, และรับประกันการจัดหาพลังงานที่เชื่อถือได้สำหรับคนรุ่นต่อไป
แหล่งข้อมูลอ้างอิง
Revolutionizing energy grid maintenance: How artificial intelligence is transforming the future https://www.anl.gov/article/revolutionizing-energy-grid-maintenance-how-artificial-intelligence-is-transforming-the-future?utm_medium=email&utm_source=govdelivery
Comments