EPS uvećava profit uz pomoć prediktivne veštačke inteligencije

Precizna procena potražnje za električnom energijom je od suštinskog značaja za Elektroprivredu Srbije (EPS), javno preduzeće koje se bavi proizvodnjom, snabdevanjem i distribucijom električne energije, kao i trgovinom električnom energijom u Srbiji. Želeći da unaprede i učine efikasnijim proces izrade prognoze potrošnje, odnosno potražnje za električnom energijom, u kompaniji su odlučili da primene novo rešenje kombinujući Microsoft Azure Machine Learning sa Power Apps i Power BI. Ne samo da se ovakav pristup isplatio kroz pojednostavljen unos i vizualizaciju podataka i mogućnost predikcije tražnje za električnom energijom u dužem vremenskom periodu, već je Elektroprivreda Srbije uspela da smanji vreme potrebno za predikciju i marginu greške van svih očekivanja, navedeno je na sajtu Microsofta.

Prevelika potrošnja, ali i nedovoljna iskorišćenost kapaciteta stvara velike gubitke, te je precizna prognoza potražnje za električnom energijom od ključnog značaja. Inženjeri u Sektoru za dispečersko planiranje i upravljanje proizvodnjom su ranije u tabele ručno unosili velike količine podataka o potrošnji u prethodnom periodu, kao i meteoroloških podataka kako bi predvideli trendove u snabdevanju – što je proces podložan greškama koje su uticale na prihode kompanije.

"Učestvujemo na balansnom tržištu na satnom nivou. Svaka devijacija donosi dodatne troškove", naglašava Dragan Vlaisavljević, izvršni director u EPS-u.

Da bi optimizovala trgovinu električnom energijom i ubrzala proces donošenja odluka, kompanija EPS se obratila Microsoft-u i lokalnom partneru Informatika AD.

"Tim je predložio tehnologiju mašinskog učenja. Koliko nam je bilo poznato, ovo do tada još niko nije radio, pa smo pokrenuli pilot-projekat,” kaže Danilo Komatina, glavni inženjer.

Brža i preciznija prognoza

Podaci prikupljeni u poslednjih dvadeset godina uneti su u rešenje zasnovano na Azure tehnologiji koje koristi kontinualno mašinsko učenje, što EPS-u obezbeđuje dovoljnu brzinu da se prilagodi svim fluktuacijama. Zahvaljujući analizi podataka u realnom vremenu i automatizaciji, za prognozu potrošnje sada je potrebno samo 15 minuta umesto dva sata, a ušteđeno vreme koristi se za poboljšanje plana trgovine. Kompanija EPS je unapredila proces prikupljanja podataka koristeći Power Apps i zamenila ručno pravljene izveštaje Power BI vizualizacijom preko kontrolne table - kako bi poboljšala donošenje odluka u realnom vremenu.

"Moj tim priprema podatke i kreira izveštaje u Power BI. Istog momenta mogu da pratim šta se dešava preko mobilne aplikacije", zadovoljno objašnjava Vlaisavljević.

Margina greške koja je varirala između 5% i 15% smanjila se na 1,7%.

"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. Pošto još i trgujemo bolje, predviđamo da ćemo imati dodatnih 300.000 evra profita godišnje. Ne moramo da pokrećemo i zaustavljamo generatore toliko često, pa je manje kvarova, što smanjuje troškove popravke i trajanje održavanja. Najzad, proizvodimo i prodajemo više električne energije, a kupujemo manje," dodaje Komatina.

Veštačka inteligencija — od ideje do realizacije

Ovaj projekat je povećao poverenje EPS-a u najnovije tehnologije.

"Ne treba vam puno IT iskustva, ne morate da znate programiranje, niti da uložite puno vremena. Sarađivali smo blisko sa Microsoft-om kako bismo pretočili podatke, godine iskustva i naš proces razmišljanja u kod. Sada je na nama samo da obezbedimo aktuelne podatke i sistem obavi sve ostalo. Trenutno istražujemo kako da se uz pomoć Azure tehnologije nosimo sa izazovima kao što su predviđanje cena, prikupljanje podataka o trgovini i integracija sa postojećim procesima. Radujemo se što ćemo prošititi našu prognozu potražnje za električnom energijom na kompletnu zonu trgovine u centralnoj i istočnoj Evropi," zaključuje Vlaisavljević.