Com os mercados de energia em rápida mudança em jogo, a IA está a ajudar cidades de todo o mundo a permanecerem iluminadas.
A Siemens Energy está colocando o Servidor de Inferência NVIDIA Triton em ação para usar IA para ajudar a resolver problemas de gerenciamento de usinas de energia em relação ao serviço preditivo em todo o mundo.
A gigante da energia se junta à Microsoft, American Express, USPS e muitos outros, contando com o deep learning do Triton, software de código aberto para colocar IA em produção, simplificando a forma como os modelos são executados em qualquer framework e em qualquer GPU ou CPU para todos os tipos de inferência.
A Siemens Energy, fornecedora líder de equipamentos e tecnologias para usinas de energia, possui um enorme portfólio de máquinas e locais para atender (isso literalmente ajuda a manter as luzes acesas em todo o mundo). Sua base instalada conta com dezenas de milhares de turbinas a gás, turbinas a vapor, geradores, motores a gás e diesel Siemens, um número impressionante de peças móveis para gerenciar.
Para aumentar a complexidade, uma maior combinação de energias renováveis na rede está a pressionar as centrais eléctricas em todo o mundo a operar de forma mais flexível e eficiente com a ajuda da IA .
“Atualmente, muitas dessas usinas combinadas são necessárias para a estabilidade da rede, então algumas ficam off-line por um bom tempo e depois são colocadas on-line quando você precisa de estabilidade na rede”, disse Arik Ott, gerente de produto da Siemens Energy AG.
Usinas Autônomas
Para aumentar a eficiência de seus parceiros de energia, a Siemens Energy está recorrendo ao NVIDIA Triton for AI para fornecer um caminho para usinas de energia autônomas, reduzindo custos ao longo do caminho.
Esta não é uma tarefa fácil. Hoje, centenas de tipos de inspeção são realizados por visitas humanas, exigindo experiência no domínio. E muitas centrais eléctricas já não estão sempre ligadas e não necessitam de pessoal completo em todos os momentos, criando preocupações sobre os custos de operação e a necessidade de gestão remota.
Além disso, a Europa tem uma força de trabalho envelhecida e espera-se que muitos se reformarão durante a próxima década e será difícil preencher aqueles com as competências adequadas, diz Ott.
O Centro para o Desenvolvimento Global estima que haverá menos 95 milhões de pessoas em idade ativa na Europa em 2050, em comparação com 2015.
“Queremos que a tecnologia preencha a lacuna de conhecimento sempre que não tivermos acesso a todas as pessoas de que precisamos”, disse Ott.
A Siemens Energy oferece suporte a uma ampla variedade de machine learning a partir de imagens de cenários tiradas com câmeras locais e outros sensores para dados usados em análises. Como resultado, é necessária uma solução de inferência altamente escalável para lidar com milhões de sensores capaz de trabalhar com múltiplas estruturas e fluxos de entrada massivos.
A Siemens Energy selecionou o Triton para inferência devido à sua capacidade de atender aos requisitos de múltiplos frameworks e modelos. Os cientistas de dados agora podem escolher seu framework preferido, como PyTorch, TensorFlow, ONNX e outros, para diferentes modelos e entradas, como imagens, vídeos e sons.
A Siemens Energy executa o NVIDIA Triton na AWS para escalabilidade e multilocação, com planos para operar no edge, onde os dados não podem ser movidos para fora das usinas.
“A flexibilidade do Servidor de Inferência NVIDIA Triton está permitindo que usinas de energia altamente complicadas, muitas vezes equipadas com câmeras e sensores, mas com sistemas de software legados, se juntem à revolução industrial autônoma que está em curso”, disse Ott.
IA para Eficiência Industrial
A IA para qualquer tipo de unidade geradora de energia melhora a continuidade dos negócios, mantém tudo funcionando, e pode reduzir custos.
Isto é importante para os fornecedores de energia, uma vez que um influxo de fontes de energia renováveis na rede significa que as centrais eléctricas que não funcionam a tempo inteiro para fornecer energia estão a criar problemas de excesso de pessoal. Se os sites não estiverem on-line, o gerenciamento remoto e o envio centralizado de funcionários de serviço para eles poderão reduzir os custos.
Hoje, no entanto, o pessoal local realiza mais de 360 atividades exclusivas durante inspeções passo a passo em usinas de energia. Entretanto, a escassez de mão-de-obra é uma preocupação e espera-se que aumente em geografias com populações em declínio e forças de trabalho envelhecidas, afetando estas operações de alta prioridade. Além disso, a COVID-19 revelou a necessidade de preparação das centrais eléctricas relativamente à escassez de trabalhadores para esses eventos inesperados.
É ideal para sensores com IA preencherem ou ampliarem inspeções físicas, fornecendo monitoramento remoto 24 horas por dia. Além disso, as análises fornecidas oferecem monitoramento automatizado em tempo real, bem como a capacidade das usinas de energia atribuírem níveis de autonomia no controle de instalações com IA.
“Precisávamos de uma solução onde pudéssemos hospedar os modelos para os diferentes tipos de análise com a capacidade de escalar sem alterar a solução de hospedagem”, disse Sanjukta Ghosh, arquiteto de soluções para inspeções visuais automáticas na Siemens AG.
IA para Reduzir Problemas
Atualmente, as usinas de energia exigem monitoramento extensivo tanto para eficiência quanto para segurança. Vazamentos de líquidos, vapor ou óleo deixados despercebidos podem ser catastróficos e custar milhões de dólares.
Modelos treinados pela Siemens Energy com milhares de imagens para cada um de seus diversos cenários. Diferentes locais e diferentes condições de iluminação exigiram um pequeno aprendizado de transferência para permitir que os modelos funcionassem.
Os ruídos também podem ser monitorados. A Siemens Energy está iniciando o desenvolvimento de modelos para lidar com dados de áudio.
Os conjuntos de modelos habilitados pelo Triton permitem pré-processamento adicional, como o anonimato da pessoa, das imagens.
Flexibilidade do Servidor de Inferência Triton
O Triton oferece flexibilidade para lidar com esses cenários e muitos outros. Por exemplo, permite a utilização de múltiplos modelos que podem ser aplicados a diferentes situações.
Um modelo de vazamento de vapor treinado em fotos internas pode ser executado enquanto outro é ajustado para imagens externas de vazamentos de vapor, de acordo com a empresa.
O Triton facilita a implantação no cloud ou no edge. Isso é útil para casos em que os dados não podem ser movidos para fora das usinas de energia e são necessárias análises locais ou no edge.