Cách trí tuệ nhân tạo đang làm cho năng lượng trở nên thông minh và sạch hơn

Data Center

Trí tuệ nhân tạo (Artificial Intelligence) đang chi phối và thúc đẩy ngày càng nhiều thứ mà chúng ta tương tác hàng ngày, từ những thiết bị tiện ích cho đến xe ô tô của chúng ta. Trí tuệ nhân tạo cũng đang đồng thời giữ một vị trí ngày càng quan trọng trong việc khai khác, bảo vệ và chuyển giao các nguồn tài nguyên đang bị thu hẹp dần của xã hội như - năng lượng, thực phẩm và nước.

Trong series bài viết gồm ba phần này, chúng ta sẽ xem xét cách mà AI đang được sử dụng để làm cho các nguồn tài nguyên trên bền vững về mặt môi trường tự nhiên cũng như tài chính.

AI không phải là một công nghệ rời rạc, trên thực tế nó là một tập hợp các công cụ khoa học dữ liệu khá mạnh mẽ và được ứng dụng rộng rãi như: học máy (machine learning), nhận dạng mẫu (pattern recognition) và xử lý ngôn ngữ tự nhiên (natural language processing). Tất cả các công cụ trên có thể thu thập được nhiều thông tin hữu ích một cách nhanh chóng và hiệu quả hơn việc làm thủ công bởi con người.

Không có năng lượng, chúng ta sẽ không thể trồng các loại thực phẩm cũng như tiếp cận được các nguồn nước. Vì vậy chúng ta sẽ bắt đầu bằng cách mà năng lượng được sản xuất và tiêu thụ.

Supply and Demand (Cung vs. Cầu)

Nhà ở và các doanh nghiệp chiếm gần 40% lượng tiêu thụ năng lượng tại Hoa Kỳ, đó là lý do tại sao rất nhiều nỗ lực đã được thực hiện nhằm tăng hiệu quả sử dụng năng lượng tại các tòa nhà. Tuy nhiên việc thay đổi sang bóng đèn huỳnh quang compact đơn thuần không mang lại hiệu quả cao, đặc biệt tại những nơi có nhu cầu năng lượng rất lớn ví dụ như các trung tâm dữ liệu (data centers). Tại DeepMind - một công ty con thuộc Google có trụ sở tại London, AI được sử dụng để điều khiển các quạt thông gió và hệ thống làm mát cho các trung tâm dữ liệu, giúp giảm thiểu năng lượng cần dùng cho việc quản lý nhiệt độ bên trong (so với năng lượng cần thiết để vận hành các thiết bị IT) nhiều nhất có thể.

Google Deepmind

Các tòa nhà thương mại như văn phòng, khách sạn, hay nhà máy thường là những nơi tiêu thụ khá nhiều năng lượng. Verdigris - một startup '6 tuổi' tại thung lũng Silicon đã tích hợp các cảm biến vào trong các thiết bị của họ như hệ thống sưởi ấm và làm mát, các thiết bị sản suất và máy giặt; họ sử dụng machine learning để xác định các thiết bị lỗi hoặc các thiết bị hoạt động không hiểu quả từ xa.

Một số công ty khác thực hiện việc quản lý năng lượng bằng việc tập trung vào những người sử dụng tòa nhà nhằm giảm lượng tiêu thụ năng lượng. Comfy - một startup, sử dụng một giao diện ứng dụng trên điện thoại cho phép nhân viên văn phòng giao tiếp với nhau, chẳng hạn như một người có thể nói: "Hey, I'm freezing" hoặc ngược lại. Dựa vào những thông tin đó (thu thập qua nhiều ngày và nhiều tuần), Comfy sử dụng AI để phân tích sở thích cá nhân của các nhân viên và điều chỉnh nhiệt độ trong các khu vực giúp cho nhân viên cảm thấy thoải mái hơn khi làm việc. Theo Comfy, quá trình trên nhìn chung làm giảm lượng năng lượng sử dụng cho việc sưởi ấm và làm mát, giúp công ty giảm thiểu được khá nhiều chi phí.

Ở mức độ vĩ mô của các mạng lưới điện, một lượng lớn năng lượng đang bị lãng phí do sự chệnh lệch cung-cầu. Các nhà cung cấp năng lượng và các nhà máy điện đã đưa ra nhiều kế hoạch thiết kế khác nhau trong nhiều năm nhằm cân bằng các yếu tố trên; có thể kể đến như các chương trình 'often-kludgy demand-response', trong đó người tiêu dùng lựa chọn giảm lượng tiệu thụ điện trong các giai đoạn nóng bức hoặc trong các giai đoạn khác khi giá điện tăng, và các công ty có thể vận hành nhiều nhà máy điện hơn.

Nhằm cải thiện quá trình các nhà máy điện dự đoán lượng cầu (và qua đó là giá điện), một startup với tên gọi Drift đang sử dụng khoa học dữ liệu để giải quyết vấn đề đó. Drift có trụ sở tại Seattle sử dụng machine learning để phân tích hàng loạt các dữ liệu bất thường và không có độ chính xác cao như các hoạt động tìm kiếm trên internet, điều kiện cơ sở hạ tầng về năng lượng, và thậm chí là cả giờ làm việc nhằm cải thiện các dự đoán về lượng cầu.

Drift sau đó sẽ mua lại năng lượng từ những nhà sản xuất như các nhà máy thủy điện hoặc từ những khách hàng với lượng tiêu thụ điện năng lớn như các doanh nghiệp đã đồng ý giảm lượng tiêu thụ năng lượng trong các khoảng thời gian có nhu cầu thấp. Công ty sau đó sẽ bán lượng năng lượng đó với một tốc độ cho phép nó cạnh tranh với các nhà khai thác năng lượng. Drift mới đưa dịch vụ của họ vào hoạt động trong năm nay.

Plugging in to Demand

Cách tiếp cận của Drift, nếu thành công, có thể làm gián đoạn cách mà điện năng được định giá và giao bán. Tuy nhiên, những người tiêu dùng có đủ khả năng để đầu tư vào các tấm pin năng lượng mặt trời lắp đặt trên mái nhà đã thực hiện điều đó trong một thời gian (ít nhất tại các thị trường mà các nhà máy điện cho phép họ bán năng lượng dư thừa cho lưới điện thông qua một quá trình gọi là 'net metering'. Bạn có thể tham khảo thêm về Net Metering tại đây: https://en.wikipedia.org/wiki/Net_metering

Ngành công nghiệp năng lượng mặt trời với nhiều sự cạnh tranh khốc liệt, đã chứng kiến một năm kỷ lục - 2016. Tuy nhiên có một điểm bất lợi cho các nhà cung cấp năng lượng mặt trời đó là trong một thị trường năng lượng mặt trời khá đông như hiện nay, việc thu hút khách hàng là một quá trình khá tốn kém.

PowerScout một startup tại Oakland, California cho biết họ sử dụng machine learning để cắt giảm chi phí mua lại khách hàng và giúp các nhà lắp đặt hệ thống năng lượng mặt trời hướng việc tiếp thị của họ đến các khách hàng có tiềm năng nhất. Attila Toth, nhà sáng lập và CEO của PowerScout giải thích rằng: “Cái giá để giành được một khách hàng sẽ đắt hơn cả những tấm pin năng lượng mặt trời”.

Một mô hình kinh doanh năng lượng mặt trời truyền thống, lỗi thời cũng làm tăng chi phí đăng ký những khách hàng mới. Theo Toth, những tấm pin năng lượng mặt trời được bán chủ yếu qua các hoạt động trực tiếp và không phức tạp.

Nền tảng PowerScout khai thác khá nhiều dữ liệu - 100 tỉ điểm dữ liệu liên quan đến 45 triệu hộ gia đình - từ những nguồn dữ liệu trên, PowerScout sẽ ước tính khả năng một hộ gia đình sẽ đầu tư vào năng lượng mặt trời. Công ty sau đó sẽ phân tích và đưa ra một mô tả về những người sử dụng năng lượng mặt trời hiện tại; từ đó mở rộng và xây dựng những mô hình mang tính xu hướng cao và sử dụng machine learning để cải thiện những mô hình đó theo thời gian dựa trên dữ liệu từ những khách hàng tiềm năng.

Optimizing Supply (Tối ưu hóa nguồn cung)

Khi nhắc đến việc sản xuất năng lượng, AI đang được sử dụng trong việc thắt chặt hiệu suất của các nhà máy năng lượng mặt trời cũng như những cánh đồng năng lượng gió và các giếng dầu.

General Electric tạo ra nhiều phần trong cơ sở hạ tầng năng lượng của chúng ta, từ những tuabin gió khổng lồ cho đến những tuabin chạy bằng khí gas được sử dụng trong các nhà máy điện thông thường. Công ty đã dành nhiều năm để nghiên cứu và phát triển một phần mềm với tên gọi Predix, phần mềm này có thể biên dịch dữ liệu từ các cảm biến và sử dụng AI để giúp cho các thiết bị máy móc vận hành một cách hiệu quả cũng như có thể dự đoán được các lỗi trước khi chúng xảy ra. GE không phải là nhà cung cấp duy nhất cho nhưng công nghệ như trên. C3 IoT - thành lập bởi Tom Siebel là một ví dụ khác. IBM cũng cho biết, nền tảng Watson AI của họ có thể được sử dụng để theo dõi hiệu năng và tình trạng của các cơ sở hạ tầng năng lượng.

Tất nhiên, mỗi phương thức sản xuất năng lượng sẽ có những trở ngại riêng về hiệu năng. Một tấm pin năng lượng mặt trời di chuyển theo hướng của đi mặt trời có thể thu thập được nhiều hơn 25% năng lượng so với một tấm pin cố định, đó là lý do tại sao công ty NEXTracker đã thành công.

NEXTracker bán các motor được điều khiển bởi phần mềm sử dụng các sensor được kết nối với nhau nhằm điều chỉnh vị trí của các tấm pin mặt trời với mục đính thu nhận được lượng ánh sáng tối đa. Công ty đã triển khai khoảng 1000 nhà máy năng lượng mặt trời trên toàn thế giới. Trong năm 2016, NEXTracker đã mua lại một công ty startup - BrightBox Technologies và cho ra mắt một sản phẩm mới với tên gọi TrueCapture, sản phẩm này sử dụng các thuật toán machine learning từ BrightBox nhằm cải thiện quá trình theo dõi các tấm pin năng lượng mặt trời, cũng như cải tiến hệ thống điều khiển trong các nhà máy điện mặt trời.

Dan Shugar - CEO của NEXTracker cho biết: "Nhiệm vụ của chúng tôi là giảm chi phí sản xuất điện từ năng lượng mặt trời.", TrueCapture cho phép các cánh đồng năng lượng mặt trời sản sinh ra nhiều năng lượng hơn với cùng một thiết bị và cùng một diện tích đất. Công ty cũng cho biết nền tảng của họ có thể cải thiện quá trình sản xuất năng lượng từ 2% đến 6%.

Các nhà sản xuất năng lượng thông thường (sử dụng nhiên liệu hóa thạch) cũng không thoát khỏi vòng xoáy của AI. Doanh nhân Dakin Sloss đồng sáng lập của startup Tachyus, một startup với mục đích giúp các nhà sản xuất dầu mỏ và khí đốt thu thập được nhiều hợp chất hydrocarbon hơn từ mặt đất. Tuy nhiên, Sloss không phải là một kỹ sư dầu khí hay một nhà thủy văn học. Ông là một người có kiến thức khá sâu rộng trong các lĩnh vực liên quan đến dữ liệu, người mà trước đây đã từng thành lập công ty phân tích dữ liệu của chính phủ - OpenGov.

Sloss cho biết, ông tìm đến nghành công nghiệp dầu khí bởi vì các công ty lớn trong lĩnh vực này đã và đang thu thập được một lượng lớn dữ liệu, tuy nhiên lượng dữ liệu đó chưa được sử dụng một cách triệt để và hiệu quả nhất. Các nhà sản xuất sử dụng dữ liệu địa chấn để xây dựng những mô hình tốt nhất có thể nhằm mô phỏng bề mặt ngầm; từ đó cho thấy các thành phần của các mỏ dầu khí dưới lòng đất, họ sẽ sử dụng những mô hình đó để tìm cách chiết xuất dầu khí một cách hiệu quả nhất. Vấn đề ở đây là việc xây dựng mô hình cho bề mặt ngầm có thể kéo dài đến 6 tháng; khi mô hình hoàn thành bề mặt ngầm có thể đã bị thay đổi khá nhiều do việc khoan.

Tachyus sử dụng các kỹ thuật khoa học dữ liệu để xây dựng các mô hình nhanh hơn và mô phỏng chính xác nhất có thể các thành phần của bề mặt ngầm. Công ty cho biết, cách tiếp cận này đã giúp khách hàng của họ giảm được tới 40% chi phí sản xuất dầu và khí đốt, đông thời giúp tăng sản lượng lên 20%.

Tất nhiên Sloss biết rằng có khá nhiều ý kiến trái chiều về cách làm của công ty trong nền công nghiệp dầu khí. Ông bảo vệ quan điểm của mình bằng cách chỉ ra vai trò rất quan trọng của nó trong xã hội. Theo ông: "AI giúp cho năng lượng trở nên thông minh hơn trong cách mà nó được khai thác và sản xuất.", và "Chúng ta nên cảm thấy vui mừng vì điều đó."

Dù được sử dụng để quản lý nhiệt độ trong các trung tâm dữ liệu, dự đoán các nhu cầu về năng lượng, giúp nhân viên văn phòng cảm thấy thoải mái hơn, giúp các khách hàng sử dụng năng lượng mặt trời một cách hợp lý nhất, hay thậm chí là giúp các nhà khai thác dầu khí hoạt động hiệu quả hơn, AI đang được sử dụng để gia tăng các lợi ích, song song với đó là việc bảo tồn các nguồn tài nguyên trên trái đất.


All Rights Reserved