Provozovatel přenosové soustavy ČR ve spolupráci se dvěma univerzitami realizuje výzkumný projekt „Využití umělé inteligence v ČEPS“, jehož zkrácený název zní ARTIC.
V nedávné době dokončená studie proveditelnosti definuje a rozpracovává tři případy vhodného užití tohoto oboru pro ČEPS: predikci technických ztrát, detekci chyb výpočetního modelu a klasifikaci provozních stavů.
Společnost ČEPS se v rámci svých inovačních aktivit a projektů věnuje mimo jiné i oboru umělé inteligence (UI). V souvislosti s digitalizací spustil provozovatel přenosové soustavy v roce 2019 projekt ARTIC pro identifikaci, ověření a nasazení UI na vybrané případy užití, na němž se podílí se dvěma domácími univerzitami. Výstupy by měly být k dispozici v roce 2022.
V první fází projektu identifikovala ČEPS ve spolupráci s výzkumným centrem NTIS ZČU 30 oblastí, které jsou potenciálně zajímavé pro využití při správě a řízení přenosové soustavy. V další, nedávno skončené fázi, která trvala od konce května do konce prosince 2020, vznikla studie proveditelnosti (Feasibility Study), v jejímž rámci řešitelé vybrali tři případy užití a společně s VUT Brno je připravili pro ověření funkčních a technických hypotéz (tzv. Proof of Concept). Jde o predikci technických ztrát z oblasti energetického obchodu a detekci chyb výpočetního modelu a klasifikaci provozních stavů patřící do oblasti dispečerského řízení.
„Schopnost rychle zpracovávat a hodnotit velká množství dat bychom v budoucnu rádi přidali do našeho ‚portfolia? analytických metod. Použití umělé inteligence vnímáme především ve smyslu strojového učení (machine learning – ML), tedy jako nástroj pro podporu rozhodování. Primární roli tak budou i nadále zastávat naši odborníci,“ řekl Radek Hartman, člen představenstva ČEPS, a. s., zodpovědný za ICT, facility management a nákup.
Prediktor technických ztrát je algoritmus schopný odhadnout budoucí velikosti ztrát elektrické energie v přenosové soustavě. Přesnější odhad umožní společnosti ČEPS nakoupit adekvátní množství elektřiny pro pokrytí těchto ztrát a tím ušetřit finanční prostředky.
Automatická identifikace chyb výpočetního modelu v dispečerském řídicím systému zpřesní výpočty a simulace, které nad tímto modelem probíhají, a tím zvýší spolehlivost a bezpečnost provozu elektrizační soustavy.
Klasifikace provozních stavů je algoritmus, který z modelu sítě vyextrahuje sadu významných příznaků a následně metodami umělé inteligence odhadne jeho stav z hlediska kritéria bezpečnosti (N-1).
