Đăng ký thành viên

Vượt qua sự cố mất điện: AI tiên đoán gián đoạn điện trước khi chúng xảy ra

Khi bối cảnh năng lượng tiến triển với các nguồn năng lượng tái tạo và xe điện, mô hình tiên đoán mất điện giúp các công ty điện lực có được sự lanh lẹ cần thiết để ưu tiên bảo trì dựa trên dữ liệu thời gian thực.

Máy biến áp cao áp (Ảnh st)

Thách thức trong việc duy trì độ tin cậy của lưới điện đã trở nên nghiêm trọng hơn trong những năm gần đây do nhiều yếu tố khác nhau. Các kiểu mẫu thời tiết ngày càng bất ổn và khó lường buộc các cộng đồng và nhà lãnh đạo phải sẵn sàng ứng phó với những cơn bão nguy hiểm mà không có nhiều thông báo trước.

Cùng với kỳ vọng ngày càng tăng của khách hàng và sự theo dõi chặt chẽ của cơ quan điều tiết, các công ty điện lực phải đối mặt với áp lực ngày càng tăng để hoạt động hiệu quả khi cần thiết nhất. Trong bối cảnh này, các giải pháp sáng tạo là thiết yếu để vượt qua nhiều thách thức.

Hiện nay, các công ty điện lực sử dụng các phương tiện truyền thống để nâng cao độ tin cậy như ngầm hóa các mạch điện, phân đoạn hóa các mạch điện, tăng ngân sách cắt tỉa cây và lắp đặt các cảm biến thông minh, các công nghệ tự động hóa và lề lưới điện. Mặc dù các cách tiếp cận này hiệu quả, nhưng chúng thường mất nhiều thời gian để triển khai. Các yếu tố chính còn thiếu là trung tâm dữ liệu về độ tin cậy, khuôn khổ trí tuệ nhân tạo/học máy (AI/ML) và các cách làm việc sáng tạo.

Nhưng sẽ ra sao nếu công nghệ có thể làm được nhiều hơn là chỉ giúp các công ty điện lực đối phó với những cơn bão này? Nếu công nghệ có thể dự đoán các cơn bão và giảm thiểu các vụ mất điện trước khi chúng xảy ra thì sao?

Sự cộng tác gần đây giữa hai công ty Ernst & Young LLP (EY US, Mỹ) và Eversource Energy (Mỹ) đã dẫn đến sự phát triển của một khuôn khổ, các phương pháp và thuật toán (đang chờ cấp bằng sáng chế) có khả năng thực hiện điều đó. Điều này trở nên khả thi với sự tích hợp của nhiều nguồn dữ liệu khác nhau như các mô hình thời tiết, các sắc thái địa lý, điều khiển theo dõi và thu thập dữ liệu (SCADA), hệ thống thông tin địa lý (GIS), thông tin chi tiết về quản lý thảm thực vật và các tập dữ liệu khác. Kết quả là, công ty đã tránh được 40.000 sự cố mất điện của khách hàng chỉ trong hai tháng.

Theo Khảo sát Tương lai Năng lượng của EY, trong số 73% giám đốc điều hành và nhân viên công ty điện lực báo cáo sử dụng AI, chỉ có 18% trong số họ cảm thấy công nghệ này đáp ứng được kỳ vọng. Tuy nhiên, các sáng kiến ​​như công trình mà EY US và Eversource Energy đã cộng tác nhằm mục đích thu hẹp khoảng cách đó. Bằng cách tổng hợp dữ liệu từ nhiều silo khác nhau, phương pháp tiếp cận này tạo điều kiện cho việc phân tích nguyên nhân gốc rễ và khắc phục một cách hiệu quả. Tập trung vào “dữ liệu sẵn sàng cho AI” giúp tăng cường độ chính xác của tiên đoán, cho phép các công ty điện lực chuyển từ quản lý lưới điện thụ động sang chủ động. Quá trình chuyển dịch này cải thiện hiệu quả hoạt động và nâng cao trải nghiệm của khách hàng bằng cách giảm thiểu các vụ mất điện ngoài dự kiến.

Rockie Solomon, người đứng đầu nhóm tự động hóa và phân tích tại Eversource, cho biết: “Sự chuyển đổi sang tiên đoán mất điện do AI thúc đẩy đang định hình lại ngành điện”. “Bằng cách khai thác lợi thế các khuôn khổ, phương pháp và thuật toán AI/ML phù hợp với trung tâm dữ liệu về độ tin cậy và các cách làm việc mới, các công ty điện lực thực sự có thể cải thiện độ tin cậy và nâng cao sự hài lòng của khách hàng, định vị mình là các tổ chức có tư duy tiến bộ, sẵn sàng đáp ứng nhu cầu của tương lai năng lượng năng động.”

Khi các công ty điện lực phải đối mặt với thách thức kép về cơ sở hạ tầng đang lão hóa và việc tích hợp các nguồn năng lượng tái tạo, hiệu quả của phương pháp tiếp cận của họ sẽ rất quan trọng trong việc định hình tương lai của ngành điện.

Vai trò của AI và tích hợp dữ liệu trong tiên đoán sự cố mất điện

Các công ty điện lực phải nâng cao độ tin cậy của dịch vụ vì khách hàng yêu cầu nguồn điện không gián đoạn và phản ứng nhanh khi mất điện, cùng với áp lực pháp lý để biện minh cho các khoản đầu tư. Các vụ mất điện làm gián đoạn cuộc sống hàng ngày và có thể gây ra tổn thất tài chính đáng kể cho các doanh nghiệp. Quản lý bị động theo kiểu truyền thống làm tăng chi phí và giảm sự hài lòng của khách hàng, trong khi lưới điện đang tiến triển làm phức tạp các phản ứng này.

Việc phát triển một khuôn khổ đang chờ cấp bằng sáng chế, các phương pháp và thuật toán để tiên đoán các vụ mất điện kéo dài đánh dấu một bước nhảy vọt đáng kể trong quản lý mất điện. Điều này có thể thực hiện nhờ việc tích hợp nhiều nguồn dữ liệu khác nhau bao gồm các mô hình thời tiết và thông tin chi tiết về quản lý thảm thực vật, nhằm nâng cao độ chính xác của tiên đoán và hiệu quả hoạt động.

Cốt lõi của phương pháp này là một nền tảng dữ liệu hiện đại tổng hợp thông tin từ các hệ thống như SCADA, cơ sở hạ tầng đo đếm tiên tiến, các hệ thống quản lý mất điện và GIS. Bằng cách phá vỡ các silo dữ liệu, các công ty điện lực có thể tạo ra cái nhìn toàn diện về hoạt động, cho phép họ nhận dạng các rủi ro mất điện tiềm ẩn trước khi chúng leo thang.

Thuật toán này sử dụng các kỹ thuật học máy tinh vi để phân tích dữ liệu mất điện đã xảy ra và tiên đoán khả năng mất điện kéo dài. Mô hình này thiết lập các mối tương quan cung cấp thông tin cho các chiến lược bảo trì. Ví dụ, nếu phát hiện ra một mô hình sụt điện áp, nó có thể kích hoạt các cuộc thanh tra có mục tiêu để ngăn ngừa mất điện trong tương lai.

Việc cộng tác với các nhóm thực địa làm phong phú thêm năng lực tiên đoán của mô hình này. Các nhóm tuần tra cung cấp thông tin chi tiết về các hoạt động bảo trì ảnh hưởng đến độ tin cậy của lưới điện, tạo ra mạch phản hồi thiết yếu để tinh chỉnh thuật toán.

Việc triển khai các mô hình tiên đoán mất điện do AI điều khiển giúp tăng cường độ tin cậy dịch vụ và hiệu quả hoạt động bằng cách nhận dạng trước các vị trí mất điện tiềm ẩn. Ví dụ, nếu thuật toán tiên đoán khả năng cao mất điện kéo dài trong khu vực bị ảnh hưởng bởi thảm thực vật, các nhóm công ty điện lực có thể ưu tiên cắt tỉa cây và các hoạt động bảo trì tại đó. Chiến lược này không chỉ ngăn ngừa mất điện mà còn giảm chi phí liên quan đến ứng phó khẩn cấp.

Thay đổi hoạt động công ty điện lực và trải nghiệm của khách hàng

Các lợi ích này mở rộng sang cải thiện trải nghiệm khách hàng. Khách hàng ngày càng nhận thức được những tác động của các vụ mất điện, không chỉ là không có điện mà còn về các gián đoạn trong cuộc sống kết nối của họ. Bằng cách giảm thiểu các vụ mất điện ngoài dự kiến, các công ty điện lực có thể nâng cao sự hài lòng của khách hàng và xây dựng lòng tin thông qua truyền thông hiệu quả về các vụ mất điện tiềm ẩn và các biện pháp phòng ngừa.

Thông tin chi tiết từ mô hình tiên đoán mất điện cho phép các công ty điện lực đưa ra những quyết định liên quan đến đầu tư vốn và phân bổ nguồn lực. Khi các cơ quan điều tiết yêu cầu bằng chứng về hiệu quả của chi phí vốn, việc chứng minh các số liệu độ tin cậy cải thiện thông qua phân tích tiên đoán trở thành một công cụ mạnh mẽ để đảm bảo các phê duyệt cần thiết.

Khi bối cảnh năng lượng tiến triển với các nguồn lực tái tạo và xe điện, mô hình tiên đoán mất điện giúp các công ty điện lực có được sự lanh lẹ cần thiết để ưu tiên bảo trì dựa trên dữ liệu thời gian thực.

Biên dịch: Bùi Thị Thu Hường

Theo “utilitydive”, tháng 3/2025