アルゴンヌの科学者たちは、人工知能の力を活用してエネルギー網資産の保守を変革し、米国の電力会社が問題が発生する前に特定して対処できるよう支援しています。

米国の電力需要はかつてないほど大きく、増加し続けています。連邦エネルギー規制委員会への最近の提出書類によると、送電網計画担当者は今後 5 年間で需要が 5% 近く増加すると予想しています。将来のエネルギー需要を満たすために、エネルギー会社は既存のインフラを維持しながら新しいプラントをオンラインにする必要があります。

再生可能エネルギー源 - 風力、太陽光、水力発電役割はますます大きくなるでしょう。米国は、2050 年に電力の 44% を再生可能資源から生成することを目指しており、これはこれらの新技術によって現在生成されている電力の 2 倍以上になります。

太陽光発電が電力の 22% を供給し、さらに 14% が風力から供給されると予想されています。これらの新しい電源を送電網に統合するには、数億台のインバーターの設置が必要となり、そのすべてを保守する必要があります。

一方、既存の送電網の一部は古くなり、故障し始めています。米国の水力発電施設の平均築年数は 70 年以上です。多くは運用寿命の終わりに近づいており、大規模な検査とメンテナンスが必要です。アメリカの電力線、配送網、ガスパイプラインの状況はさらに懸念される。米国土木学会は 2021 年にこれらのシステムに C- のグレードを与えました。

さまざまな年代のこの多様なエネルギー資産の健全性を監視し維持することは、電力網の信頼性と安全性を確保するために非常に重要です。しかし、電力会社は、何かが故障するまで、自社の設備に問題があることに気づかない可能性があります。

米国エネルギー省のアルゴンヌ国立研究所の研究者たちは、このニーズに対処しようと取り組んでいます。老朽化した水力発電所から大規模な太陽光発電施設に至るまで、エネルギー部門全体で電力会社と緊密に連携し、企業が国のエネルギーインフラやクリーンエネルギー資産のメンテナンスに取り組む方法を再構築している。

アルゴンヌの研究者らは、最新の人工知能 (AI) テクノロジーを使用して、グリッド コンポーネントの故障時期を予測できる AI 対応ソフトウェアを開発しました。このシステムは、エネルギー会社が送電網全体に設置されたセンサーから収集した膨大な量の情報を分析し、予測モデル時間の経過に伴う磨耗を予測します。最終的には、ソフトウェアは問題が発生する前に部品を修理または交換する時期を推奨できるようになります。

「企業は自社の資産の健全性を知りたいと思っています」と、この調査を主導したアルゴンヌ大学アドバンスト・グリッド・モデリング・グループの責任者、フェン・チウ氏は述べた。「状態監視情報を活用した当社の予測モデルは、機器の有効な残り時間を、何年、何ヶ月、何週間残っているかを伝えることができます。」

研究で重要な役割を果たしたアルゴンヌ大学のエネルギー システム科学者 Shijia Zhao 氏は、彼らのアプローチは従来の事後対応型メンテナンス戦略を超えていると説明します。「設備が故障するのを待つのではなく、AI を使用して潜在的な問題を積極的に特定し、ジャストインタイムでメンテナンスのスケジュールを設定することで、エネルギー会社の時間とコストの両方を節約します。」

この革新的なアプローチの中心となるのは、現在の現実世界のデータに基づいて、インフラストラクチャと資産の健全性を推定し、障害リスクを予測し、メンテナンスの決定を適応させる機能です。アルゴンヌの研究者らは、実験室モデルから現場で収集したデータに移行することで、この技術がエネルギー供給者にとっていかに役立つかを示しました。

太陽光発電インバーターに関するあるプロジェクトでは、チームは、総メンテナンスコストを 43% ～ 56% 削減し、不必要な作業員の訪問を 60% ～ 66% 削減し、利益を 3% ～ 4% 増加できる可能性があることを示しました。

「私たちの目標は、今後何年にもわたって信頼性と回復力のある送電網を確保するために必要なツールをエネルギープロバイダーに提供することです」とQiu氏は述べた。「このテクノロジーを利用することで、企業は設備の修理や交換をいつ、どのように行うかについて情報に基づいた意思決定を行うことができ、最終的にはアメリカのエネルギーインフラの全体的な効率、安全性、信頼性を向上させることができます。」

この研究の利点は、コストの削減や効率の向上をはるかに超えています。ダウンタイムを最小限に抑え、メンテナンスの問題が深刻化する前に対処することで、エネルギープロバイダーは、エネルギー需要の増大とエネルギー情勢の進化において重要な要素であるグリッドの信頼性と回復力を強化できます。

AI 対応の予測および最適化モデルの能力と規模は、グリッド レベルでメンテナンスを最適化できることを意味します。「これは照明を点灯し続けるために非常に重要です」と Qiu 氏は言います。

発電所から電力網まで、電力網を総合的に見ることで、電力線このモデルは、電気を生成し、発電場所から消費場所まで輸送するネットワーク全体の障害を予測できます。

米国には、24 万以上の高圧送電線と 5,000 万個の変圧器があります。大型で高価な変圧器のほとんどは寿命が近づいています。約70％が25年以上勤務しています。負荷の増加と不安定な再生可能エネルギーの統合により、老朽化し​​た電力網が限界に達しています。

そのため、Argonne はこの資産健全性管理ツールを事業者に提供しています。これは、将来の電力網の信頼性と安全性を確保するのに役立ちます。しかし、それはまた、競争の場を平等にし、小規模なサービスを提供することにもなります。エネルギー会社大手企業と同等の最先端技術を搭載。

Qiu 氏のチームは、エネルギー業界のパートナーとの緊密な協力がなければ、この研究は不可能だったとすぐに指摘しています。彼らの長いパートナーリストには、電力会社だけでなく、水力発電、太陽光発電、波力エネルギーの分野の代表者、ウェイン州立大学やアイオワ州立大学などの学界の代表者も含まれています。

「私たちの研究は、共同作業科学者、エンジニア、業界パートナーとの連携を強化しています」とZhao氏は述べ、「私たちは共に前向きな変化を推進し、エネルギーの未来を形作っています」と述べた。グリッドメンテナンス。"