Компания DeepMind Technologies Limited и британская Национальная сетевая компания (National Grid, Great Britain) ведут переговоры о сотрудничестве. DeepMind предлагает снизить потребление электроэнергии за счёт использования нейронных сетей — при этом менять инфраструктуру не потребуется.
Демис Хассабис (Demis Hassabis), сооснователь и CEO DeepMind, считает, что, благодаря оптимизации под руководством искусственного интеллекта, компания сможет снизить энергозатраты на 10%. В 2014 году Великобритания выработала около 330 ТВт⋅ч энергии, и это обошлось стране в миллионы фунтов стерлингов, так что 10% — это ощутимая экономия денег и существенное снижение выбросов углекислого газа.
Национальная сетевая компания управляет линиями электропередач и подстанциями по всей стране. Источниками энергии — электростанциями, ГЭС, ветрогенераторами и солнечными батареями — владеют другие корпорации (в основном, EDF Energy и E.ON). Именно Национальная сетевая компания отвечает за соблюдение баланса между энергоснабжением и энергопотреблением. Задача организации — поддерживать частоту переменного тока в домах британцев равной 50Гц +/- 1%. Прогнозировать потребности в энергии относительно легко: они зависят от погоды и человеческих циклов сна и бодрствования. А вот просчитать энергоснабжение гораздо сложнее, особенно учитывая тот факт, что страна всё активнее использует энергию солнца и ветра.
Совокупная установленная мощность ветрогенераторов составляет 13 гигаватт. Это немало — в среднем, страна потребляет всего около 35 гигаватт электрической мощности — но в безветренную погоду возникают серьёзные сложности. В ноябре 2015 года, когда Британия столкнулась с дефицитом электроэнергии, ветровые установки вырабатывали только 400 мегаватт.
Для анализа данных, прогнозирования и поиска решений нейронные сети DeepMind подходят просто идеально. Национальная компания тоже работает над оптимизацией энергоснабжения, но искусственный интеллект может выявить проблемы, которые операторы-люди никогда не замечали. Одно можно сказать с уверенностью: в такой крупной энергосети найдётся множество слабых мест. Наибольшие потери приходятся на передачу энергии на и трансформаторы напряжения.
«Машинное обучение обладает большим потенциалом по уменьшению влияния энергосистем на окружающую среду. Одна из интересных задач — сможем ли мы прогнозировать пики энергоснабжения и энергопотребления и таким образом максимизировать использование возобновимых источников», — рассказал представитель DeepMind изданию Financial Times. «Мы находимся на ранней стадии переговоров и рассматриваем возможности, которые они могут нам предложить», — осторожно говорят сотрудники Национальной сетевой компании.
В прошлом году DeepMind провела аналогичный анализ в дата-центрах Google и сократила расход электроэнергии на 15%. Разработанные компанией нейронные сети точно прогнозировали потребность в холоде и снижали энергопотребление системы охлаждения на 40%. «Поскольку этот подход оказался очень эффективным, мы расширим область его применение в Google. Кроме того, мы хотели бы попробовать его в масштабах Национальной компании, — рассказал Хассабис Financial Times. — Мы не понимаем, почему нельзя рассматривать национальную энергосистему с той же точки зрения, что и датацентры».