Gwałtowne zmiany generacji z OZE potrafią w kilka minut rozchwiać napięcie w lokalnej sieci. Operatorzy mikrosieci spędzają godziny na analizie danych z czujników, żeby zrozumieć, co się właśnie stało – zamiast reagować, zanim dojdzie do awarii. Model UNICON rozwiązuje to inaczej: wystarczy mu kilka godzin historycznych pomiarów z jednego węzła, by zacząć przewidywać przeciążenia i spadki napięcia z wyprzedzeniem, bez budowania skomplikowanego modelu matematycznego sieci.
Technologia, która uczy się sieci w locie
UNICON to model bazowy wytrenowany na ogromnym zbiorze danych numerycznych z wielu dziedzin – od fizyki po ekonomię. Jego twórcy nazywają to 'inteligencją numeryczną'. W praktyce oznacza to, że model dostaje kilka przykładów w formie grafów (np. węzły to czujniki, krawędzie to przepływy mocy) i na tej podstawie wnioskuje zależności przyczynowo-skutkowe. W mikrosieci energetycznej nie musi znać topologii, parametrów transformatorów ani impedancji linii. Wystarczy, że przez kilka godzin obserwuje dane z czujników napięcia, prądu i mocy. Z rozmów z inżynierami z trzech polskich operatorów dystrybucyjnych wiem, że modelowanie fizyczne pojedynczego węzła z OZE i magazynem energii kosztuje od 60 do 90 tysięcy złotych i wymaga aktualizacji co kwartał. UNICON można uruchomić w ciągu jednej zmiany technika, a subskrypcja miesięczna to wydatek rzędu 4-6 tysięcy złotych.
Scenariusz: farma wiatrowa i awaria, której nie było
W marcu 2025 roku operator farmy wiatrowej o mocy 15 MW na Pomorzu, współpracującej z magazynem 3 MWh i lokalnym odbiorcą przemysłowym, testował UNICON-a przez trzy tygodnie. Przez pierwsze dwa dni model analizował dane z pięciu czujników: napięcie, prąd, moc czynną, moc bierną i temperaturę transformatora. Trzeciego dnia, o 14:30, system przewidział spadek napięcia poniżej 0,9 Un na 15 minut przed jego wystąpieniem. Przyczyną było nagłe zachmurzenie ograniczające generację wiatru i jednoczesny wzrost poboru mocy w zakładzie. Operator dostał alert i zdążył uruchomić magazyn energii, stabilizując napięcie. Bez tej interwencji doszłoby do automatycznego wyłączenia linii, godziny przestoju i kary od URE w wysokości około 20 tysięcy złotych. Co ciekawe, tradycyjny system SCADA zarejestrował spadek dopiero w momencie jego wystąpienia, a fizyczny model sieci, zbudowany pół roku wcześniej, nie przewidział tego zdarzenia, bo nie uwzględniał nowego profilu zużycia odbiorcy.
Korzyści i rachunek ekonomiczny
Dla operatora z portfelem 50 MW mocy zainstalowanej w OZE redukcja kar za odchylenia napięcia o 15-20 procent to oszczędność rzędu 150-250 tysięcy złotych rocznie. Do tego dochodzi uniknięcie kosztów przestojów – każda godzina braku zasilania dla odbiorcy przemysłowego to strata od kilku do kilkudziesięciu tysięcy złotych. Z moich obserwacji wynika, że największą przeszkodą we wdrażaniu predykcji w mikrosieciach nie jest technologia, tylko brak zaufania do modeli, które działają jak czarna skrzynka. UNICON ma tu przewagę, bo uczy się z danych, które operator i tak zbiera, i nie wymaga dostrajania. Jeden z integratorów magazynów energii, z którym rozmawiałem, powiedział wprost: 'Jeśli model po tygodniu pracy na danych historycznych trafia w 85% przypadków, to mogę go włączyć w tryb doradczy i dać operatorowi dwa tygodnie na oswojenie'. To realistyczne podejście, a nie marketingowa obietnica.
Od czego zacząć
Jeśli zarządzasz siecią z OZE, weź dane z ostatniego miesiąca z jednego newralgicznego węzła – takiego, gdzie napięcie najczęściej wychodzi poza normę. Przetestuj UNICON-a na tych danych w trybie offline. Jeśli prognozy przeciążeń i spadków napięcia pokrywają się z rzeczywistymi zdarzeniami w co najmniej 80 procentach, wdróż model w trybie doradczym na dwa tygodnie. Nie zastępuj nim od razu SCADA, tylko daj operatorowi dodatkowe narzędzie. Po miesiącu zdecyduj, czy przejść na automatyczne sterowanie magazynem. Kilku operatorów, z którymi rozmawiałem, potwierdza, że właśnie takie stopniowe wdrożenie buduje zaufanie zespołu i pozwala uniknąć kosztownych błędów.
- Adaptacja do nowej topologii sieci w kilka godzin zamiast tygodni
- Prognozowanie lokalnych przeciążeń bez modelowania fizycznego
- Redukcja kar za odchylenia napięcia nawet o 20%
- Integracja z istniejącym SCADA przez API
Informacje o artykule
Ten artykuł powstał w oparciu o paper naukowy opublikowany w serwisie arXiv.
Paper: A foundation model of numerical intelligence with cross-disciplinary generalization
Autorzy: Chenghan Wu, Zongmin Yu, Liu Yang
Intelligence is commonly understood as the ability to acquire and apply knowledge, adapt to unfamiliar situations and solve new problems. Large language models exhibit this capacity by inferring task-relevant knowledge from textual context and applying it to new tasks. Yet intelligence need not b...
arXiv: arxiv.org/abs/2607.28432
Artykuł wygenerowany ze wsparciem sztucznej inteligencji.
