Elektroprivreda Srbije (EPS) je u proces prognoziranja potrošnje i potražnje za električnom energijom uveo tehnologije mašinskog učenja i veštačke inteligencije kako bi smanjio gubitke u proizvodnji i distribuciji, saopštilo je javno preduzeće, a prenosi Nova ekonomija.
U saopštenju se navodi da se preciznijom prognozom potražnje za strujom proizvodnja, snabdevanje, distribucija i trgovina električnom energijom u Srbiji odvijali može odvijati na efikasniji način, uz optimalne troškove.
„U želji da svoj rad učine efikasnijim i unaprede proces prognoziranja potrošnje i potražnje za električnom energijom, u kompaniju su se odlučili za korišćenje Majkrosoft rešenja za mašinsko učenje. Rezultat ovakvog pristupa je pojednostavljen unos i vizualizacija podataka i mogućnost predikcije tražnje za električnom energijom u dužem vremenskom periodu, dok su vreme potrebno za predikciju i mogućnost grešaka smanjeni van svih očekivanja kompanije“, navode u EPS-u.
Pre uvođenja novog rešenja, kako bi predvideli trendove u snabdevanju, inženjeri u Sektoru za dispečersko planiranje i upravljanje proizvodnjom su velike količine podataka o potrošnji u prethodnom periodu, kao i meteorološke podatke unosili ručno, što je bio proces podložan nepreciznostima.
Prema rečima Dragana Vlaisavljevića, izvršnog direktora EPS-a, svaka devijacija donosi dodatne troškove, budući da preduzeće učestvuje na balansnom tržištu na satnom nivou, a nakon uvođenja novog rešenja margina greške, koja je varirala između 5 i 15 odsto, smanjena je na 1,7 odsto.
„Smanjena greška odstupanja znači da smo smanjili troškove kojim bismo morali da je pokrijemo. Uštedimo i do 600.000 evra godišnje samo na balansnom tržištu. Ne moramo da pokrećemo i zaustavljamo generatore toliko često, pa je manje kvarova, što smanjuje troškove popravke i trajanje održavanja. Proizvodimo i prodajemo više električne energije, a kupujemo manje“, ocenio je glavni inženjer Danilo Komatina, i dodaje da će zbog efikasnijeg procesa trgovine, EPS imati i dodatnih 300.000 evra profita godišnje.
Pročitajte još:
Podaci prikupljeni u poslednjih dvadeset godina uneti su u rešenje zasnovano na „Azure“ tehnologiji koje koristi mašinsko učenje, a zahvaljujući analizi podataka u realnom vremenu i automatizaciji, za prognozu potrošnje sada je potrebno samo 15 minuta umesto dva sata.
Istovremeno, Power Bi vizualizacija, umesto ručno pripremljenih izveštaja, poboljšava donošenje odluka u realnom vremenu.
Projekat je uspešno implementiran u saradnji sa Majkrosoftom i njihovim lokalnim partnerom Informatikom A.D, koji su i predložili Microsoft Azure Machine Learning sa Power Apps i Power BI.
Izvor: Nova ekonomija
