Найбільшим джерелом енергозбереження є індивідуальне управління житловими приміщеннями -
У партнерстві з LesSmartGrids.fr, SMARTENERGIES Paris представляє Tech4good, "Нові обличчя енергетичного інтелекту".
Хоча технології штучного інтелекту, пов'язані з IoT, можуть спричинити справжню революцію в Smart City, ставлячи під сумнів саме місце користувача перед необхідною трансформацією наших моделей продуктивності; редакція Smart Energies Paris вирішила провести розслідування, познайомившись із зростаючою фігурою автономії прийняття рішень у Франції: Жан-Лоран Шауб, генеральний директор та засновник WEEN.
Наскільки штучний інтелект дозволить нам відповісти на основні виклики міста завтрашнього дня ?
Наші території складаються з житлових приміщень, енергетичні потреби яких безпосередньо залежать від рівня окупації. Однак через відсутність простого програмування: сьогодні 70% будинків залишаються обігрітими цілий день незалежно від присутності або відсутності мешканців. Коли ми знаємо, що будинок порожній 40% свого часу в середньому протягом року, можливо, найбільшим джерелом економії енергії є індивідуальне управління цими місцями.
Ось чому Ween спеціалізується на штучному інтелекті, здатному передбачити в реальному часі зайнятість місця на основі інтелектуального геолокаційного розташування його мешканців.
Зокрема, ми працюємо з гравцями громадського освітлення, щоб адаптувати освітлювальні потреби більш розумно та в режимі реального часу відповідно до кількості людей ...
Наскільки технології штучного інтелекту, врешті-решт змінить наш спосіб розуміння - як користувача, але й як директора, - енергетичних показників наших активів ?
Зрозуміло, що автономна система управління опаленням, яка становить 70% енергетичних витрат будівлі, є реальною гарантією енергетичних показників.
Але так само, якщо електричний автомобіль здатний зробити надійним самостійно час, коли ви збираєтеся ним користуватися, тоді він може самостійно визначити найкращий час для його підзарядки, тобто коли електроенергія найдешевша, або коли сонячні панелі виробляють достатньо енергії.
Звичайно, системи прогнозування не зможуть повністю замінити користувача, але вони будуть вносити зміни в попит на енергію, які користувач не може сам управляти.
Штучний інтелект стане ефективним "споживачем" користувачів. Це алгоритми, які витратять свій час на оптимізацію енергетичних потреб та ресурсів між автомобільним акумулятором, опаленням будинку та рівнем сонячного світла.
Який вплив у довгостроковій перспективі на бізнес-модель промисловців в Росії енергетична система? Яких вигод очікувати ?
Сучасні енергетичні гравці мають клієнтів, які тримають обігрівачі цілими днями і є лише споживачами. Завтра їхніми клієнтами стануть алгоритми, які обігріватимуть будинок для повернення їхнього власника, і які можуть вирішити виробляти енергію просто для її продажу, коли будинку це не потрібно.
Звичайно, їхній бізнес зміниться, і, безперечно, цінність пропозиції буде полягати в здатності заробляти найбільше грошей із найменшими обмеженнями для своїх клієнтів.
Чи стане штучний інтелект новою третиною Росії впевненість пов'язаної території (і, отже, a fortiori Французька енергетика) ?
Коли ми знаємо, що лише 30% підключених термостатів використовуються їх власниками більше одного разу на рік, тоді як ШІ дозволить обробляти 100% відсутність в режимі реального часу, очевидно, що сторона, якій довіряють, буде поруч технології.
Який баланс завтра між досвідом "Вимкнення розуму" та контрольованим навчанням ?
Навчане під наглядом потрібно буде використовувати на основі технологій прогнозування в режимі реального часу, таких як ті, що використовуються для послуг, що вимагають "розуму". Як правило, інтелектуальна геолокація мешканців місця може бути агрегована постачальниками рішень BtoC, анонімізована та перепродана учасникам систем нагляду. Це дозволить використовувати прогнозування в режимі реального часу для таких цілей, як балансування мережі, наприклад.
Яку мережу навичок створити для ведення трансформація гравців у французькій енергетичній системі, керована ШІ ?
Енергетики матимуть дедалі точніші дані щодо прогнозування споживання. Але прогнозування завжди пов'язане з надійністю, яка не є 100%.
Навички цих гравців, безсумнівно, повинні зосередитись на науках даних, пов'язаних не з "Прогнозуванням", оскільки вони зачіпають зовнішні для них елементи - наприклад, геолокацію смартфонів - а ті, що пов'язані з "Рішенням", яке падає для них повністю на виробництві енергії або балансуванні мережі, наприклад.
Проект «АВТОНОМНІ РОЗУМНІ ЕНЕРГЕТИКИ»
4 поради, як розпочати
Перш за все визначте варіант використання та очікування. Найпоширеніша помилка - це підхід до збору великих даних, перш ніж ви знаєте, що з цим робити. Ми втрачаємо час і втрачаємо себе в безлічі інформації. Тож спочатку мета, а потім засоби.
Не плутайте автономність та автоматизацію. Перший вимагає передбачення, другий - знімка. Передбачити це означає передбачити, а отже, також помилитися. Це те, що буде корисно виміряти за 3 бал.
Кваліфікуйте додану вартість. У випадку автономії прийняття рішень, додана вартість дуже залежить від використання. Опалення будинку на 15 хвилин занадто рано насправді не чинить негативного впливу на бюджет чи комфорт. З іншого боку, розблокування сигналізації на 15 хвилин занадто рано може створити справжнє незадоволення користувача, який заходить у незахищений будинок.
Зніміть стрес з користувача, не завдаючи шкоди службі. Вона повинна бути кращою за користувача, коли вона працює, і не бути гіршою за нього, коли вона помиляється.
У той же час джерело натхнення, технічний набір інструментів та місце
важливий ринок енергетичного інтелекту у Франції, Smart Energies Париж 2019, дає голос мислячим та активним керівникам сектору.