จับตา AI : บทบาทของปัญญาประดิษฐ์ (AI) ในภาคพลังงาน

บริษัทพลังงานหันมาใช้ AI เพื่อวิเคราะห์ข้อมูลอย่างมีประสิทธิภาพ คาดการณ์ความต้องการพลังงาน ลดต้นทุนการผลิตและหาลูกค้ารายใหม่ ตัวอย่างบริษัทต่อไปนี้แสดงให้เห็นถึงการนำ AI มาประยุกต์ใช้ในอุตสาหกรรมพลังงานเพื่อช่วยแก้ไขปัญหาต่างๆที่มีความท้าทายแตกต่างกัน

 

1.) บริษัทยักษ์ใหญ่พลังงาน AES เปลี่ยนโฉมสู่ยุคพลังงานสะอาดโดยใช้ AI วิเคราะห์ตลาดและประเมินประสิทธิภาพการผลิต

AES บริษัทพลังงานยักษ์ใหญ่กำลังมุ่งสู่การผลิตพลังงานหมุนเวียนเต็มรูปแบบเพื่อลดการพึ่งพาพลังงานเชื้อเพลิงฟอสซิล การเปลี่ยนผ่านครั้งสำคัญนี้มีความท้าทายที่สำคัญหลักคือ ความสามารถในการบริหารจัดการพลังงานทั้งในเรื่องการคาดการณ์ปริมาณพลังงานที่ผลิตได้จากแหล่งพลังงานหมุนเวียนที่แปรปรวน (Intermittency), การคาดการณ์ความเสี่ยงของระบบโครงสร้างพื้นฐานโหลดไฟฟ้า และระบบสายส่งพลังงานไฟฟ้าอย่างมีประสิทธิภาพ บริษัท AES จึงหันมาใช้บริการบริษัทผู้เชี่ยวชาญด้านปัญญาประดิษฐ์ (AI) “H2O.ai” โดยนำเทคโนโลยีที่ล้ำสมัยมาปรับโฉมธุรกิจพลังงาน  โดยมุ่งเน้น 3 ด้านสำคัญ ดังนี้

 

• การซ่อมบำรุงรักษาเชิงคาดการณ์ (Predictive Maintenance Program) โดยวิเคราะห์ข้อมูลจากประสิทธิภาพกังหันลมผลิตไฟฟ้าและมิเตอร์อัจฉริยะ (Smart Meter)  เพื่อคาดการณ์ความเสี่ยงชำรุดของอุปกรณ์  และวางแผนซ่อมบำรุงรักษาเชิงป้องกัน  ส่งผลให้ลดค่าใช้จ่ายด้านการซ่อมบำรุงที่ไม่จำเป็นและประหยัดค่าใช้จ่ายในการซ่อมแต่ละครั้งลงถึง 70%

 

• ระบบ Smart Meter ที่ทำงานควบคู่กับระบบ AI  เพื่อช่วยแยกแยะปัญหาที่แท้จริงของมิเตอร์อัจฉริยะออกจากกรณีที่มีการรบกวนระบบ ลดการเกิดเหตุมิเตอร์ทริปและลดการสูญเสียทรัพยากรบุคคลในการตรวจสอบกรณีที่ไม่จำเป็น สามารถประหยัดต้นทุนได้ 1 ล้านเหรียญสหรัฐต่อปี จากการลดกิจกรรมการซ่อมบำรุงที่ไม่จำเป็น

 

• การประยุกต์ใช้ AI สำหรับวิเคราะห์ข้อมูลความต้องการใช้ไฟฟ้า  สภาพภูมิอากาศและสถานการณ์ตลาดซื้อขายไฟฟ้า เพื่อกำหนดกลยุทธ์ในการประมูลไฟฟ้า (Energy Bidding) ได้อย่างแม่นยำ ช่วยให้บริษัทสามารถจำหน่ายไฟฟ้าได้ในราคาที่ดีที่สุด

 

2.) บริษัท Engie กับการประยุกต์ใช้ AI เพื่อการเข้าถึงพลังงาน (Energy Access) ในครัวเรือนที่ไม่มีไฟฟ้าใช้

พื้นที่หลายแห่งในเขตแอฟริกาซับ-ซาฮาราน (Sub-Saharan Africa) ยังไม่มีไฟฟ้าใช้ ทำให้มีความต้องการการเข้าถึงพลังงานมีสูงมาก ซึ่งเป็นโอกาสทางธุรกิจต่อบริษัทที่จำหน่ายแผงโซลาร์เซลล์สำหรับบ้านเรือน (Solar Rooftop) บริษัท Engie Energy Access ซึ่งเป็นหนึ่งในบริษัทดังกล่าว โดยตั้งเป้าหมายตลาดหลักคือประเทศเคนยาให้เป็นตลาดสำหรับผลิตภัณฑ์ของตน แต่ปัญหาที่พบเจอคือทางบริษัทต้องการวิธีการระบุลูกค้าเป้าหมายอย่างชัดเจนและแม่นยำเพื่อให้เข้าถึงลูกค้า ทางองค์กรจึงหันมาใช้บริการ Atlas AI ซึ่งอาศัย Google Cloud และใช้ข้อมูลเชิงพื้นที่และ Machine Learning เพื่อให้การวิเคราะห์เชิงพยากรณ์ โดยมีความท้าทายคือการหาพื้นที่ที่มีประชากรหนาแน่นและระบบไฟฟ้าไม่เสถียร เพื่อหาเป้าหมายลูกค้าหลักที่มีแนวโน้มจะมาใช้ผลิตภัณฑ์ของบริษัท

Atlas AI จึงได้ทำการสร้างโมเดลวิเคราะห์ข้อมูลจากปัจจัยต่างๆ เช่น ระดับการใช้จ่ายของผู้บริโภคและหมู่บ้านที่มีไฟฟ้าใช้ พวกเขาคาดการณ์ว่าจะกำหนดเป้าหมายลูกค้ารายใดด้วยผลิตภัณฑ์ใด และยังระบุตลาดใหม่สำหรับการขยายเป้าหมายธุรกิจ โครงการนำร่องที่เปรียบเทียบสองภูมิภาคที่บริษัท Engie ใช้กลยุทธ์การตลาดแบบเดิมกับอีกภูมิภาคที่ใช้คำแนะนำของ Atlas ซึ่งผลลัพธ์ที่ได้คือ ภูมิภาคที่ใช้ AI ประสบความสำเร็จมากกว่า โดยมียอดขายรายเดือนเพิ่มขึ้น 48%

“ประชากรโลกกว่า 700 ล้านคนยังคงไม่มีไฟฟ้าใช้ เครื่องมือใหม่ๆ จึงจำเป็นสำหรับการคาดการณ์ว่าความต้องการของผู้บริโภคจะอยู่ที่ใด และเชื่อมต่อกับระบบที่มีความซับซ้อนมากขึ้นในชุมชน ความก้าวหน้าล่าสุดในด้าน AI เชิงพื้นที่ (Geospatial AI) สามารถช่วยปลดล็อกศักยภาพสำหรับผู้ให้บริการโครงสร้างพื้นฐานที่ยั่งยืน” Abe Tarapani ซีอีโอของ Atlas AI กล่าว 

 

3.) SLB ผู้ให้บริการขุดเจาะบ่อน้ำมันใช้ AI เพื่อลด Human Error ในการประมูลราคาและการบริหารจัดการข้อมูล

บริษัท SLB (Schlumberger Limited) ผู้เชี่ยวชาญด้านให้บริการขุดเจาะน้ำมันและก๊าซธรรมชาติกับบริษัทผู้ค้าน้ำมันรายใหญ่ มักทำสัญญากับบริษัทพลังงานในรูปแบบราคาตายตัว ซึ่งมีความท้าทายสำคัญคือ การประเมินระยะเวลาและต้นทุนการขุดเจาะอย่างแม่นยำเพื่อเสนอราคาที่เหมาะสมและป้องกันการขาดทุน ซึ่งโดยความเป็นจริงแล้ว ข้อมูลส่วนใหญ่ที่นำมาใช้วิเคราะห์มักอยู่ในรูปแบบที่ไม่เป็นระบบ เช่น บันทึกการขุดเจาะประจำวัน  อีกทั้งกรอบเวลาในการเสนอราคามักสั้น สุ่มเสี่ยงต่อความผิดพลาดจากการคำนวณจาก Human Error

เพื่อยกระดับประสิทธิภาพการประเมินราคา ทางบริษัท SLB ได้หันมาใช้เทคโนโลยี AI จากบริษัท Dataiku ผู้เชี่ยวชาญด้านการวิเคราะห์ข้อมูลด้วยใช้เทคโนโลยี Natural Language Processing (NLP) ในประมวลผลข้อมูลจากเอกสารต่างๆ เช่น รายงานการขุดเจาะ บันทึกความคืบหน้างานขุดเจาะประจำวัน นอกจากนี้ AI ยังสามารถช่วยวิเคราะห์ลำดับขั้นตอนการขุดเจาะที่เหมาะสมพร้อมทั้งประเมินระยะเวลาที่จะใช้ในการดำเนินโครงการอีกด้วย ผลลัพธ์ที่ได้คือ การลดเวลาการวิเคราะห์ข้อมูลเบื้องต้นจาก 8 ชั่วโมง เหลือเพียง 20 นาทีเท่านั้น

 

4.) บริษัทขุดเจาะน้ำมัน Marathon Oil สามารถควบคุม/แจ้งเตือนความผิดปกติบ่อน้ำมันกว่า 4,000 แห่งด้วย AI

มาราธอน ออยล์ (Marathon Oil Corp.) บริษัทชั้นนำสัญชาติอเมริกันด้านการผลิตน้ำมันและก๊าซธรรมชาติ มีบ่อน้ำมันในการดูแลเกือบ 4,000 แห่ง และมีความต้องการที่จะติดตามสถานการณ์และแก้ไขปัญหาที่แต่ละบ่อได้อย่างรวดเร็วด้วยระบบเตือนภัยอัจฉริยะ แต่สิ่งที่ท้าทายหลักคือข้อมูลการผลิตน้ำมันมหาศาลที่เก็บรวบรวมเป็นลำดับเวลา (Time-Series Data) แต่ค่อนข้างใช้เวลานานหลายเดือนในการวิเคราะห์ข้อมูลและแจ้งเตือนเหตุผิดปกติ

ทางบริษัท มาราธอน ออยล์ ได้มองหาแนวทางยกระดับประสิทธิภาพการทำงานโดยใช้บริการ Amazon Web Services (AWS) ซึ่งได้นำเสนอ “SEEQ”  เป็นบริษัทด้านการวิเคราะห์ข้อมูลสำหรับอุตสาหกรรมการผลิตที่มีความเชี่ยวชาญเฉพาะด้านในการนำปัญญาประดิษฐ์ (AI) และการเรียนรู้ของเครื่อง (Machine Learning: ML) มาประยุกต์ใช้กับข้อมูลแบบลำดับเวลา (Time-Series Data) 

SEEQ ได้พัฒนาเครื่องมือวิเคราะห์ข้อมูลที่เชื่อมโยงข้อมูลภายในของมาราธอน ออยล์ เข้ากับข้อมูลชุดใหญ่ เมื่อเจ้าหน้าที่ภาคสนามพบปัญหา ผู้ปฏิบัติการสามารถใช้ซอฟต์แวร์วิเคราะห์ข้อมูลชุดนั้นแบบเรียลไทม์ ตั้งค่าการแจ้งเตือนอัตโนมัติกรณีพบความผิดปกติที่อาจเกิดขึ้น และมอบหมายทีมงานเข้าไปตรวจสอบแก้ไขสถานการณ์ได้ภายในเวลาเพียงไม่กี่ชั่วโมง โดยตัวโปรแกรมนี้สามารถแจ้งเตือนได้สูงถึง 1,500 ครั้งต่อเดือน

 

5.) บริษัท Duke Energy ใช้ AI เพื่อตรวจสอบการรั่วไหลของท่อก๊าซธรรมชาติ

Duke Energy บริษัทรายใหญ่ด้านพลังงานและก๊าซธรรมชาติจากสหรัฐอเมริกาตั้งเป้าหมายการลดปล่อยก๊าซมีเทนสุทธิเป็นศูนย์ภายในปี 2030 ก๊าซมีเทนจัดเป็นก๊าซเรือนกระจกชนิดร้ายแรงซึ่งส่งผลกระทบต่อภาวะโลกร้อนรุนแรงกว่าก๊าซคาร์บอนไดออกไซด์ถึง 25 เท่า แต่การตรวจสอบท่อส่งก๊าซธรรมชาติที่มีความยาวหลายร้อยกิโลเมตรเพื่อหาจุดรั่วไหลนั้นเป็นเรื่องที่ยากมากๆ โดยวิธีการเดิมที่ใช้ทั่วไปคือ การหมั่นตรวจสอบสถานภาพอุปกรณ์อย่างสม่ำเสมอ และการประมาณการตามสูตรคำนวณซึ่งอาจมีความคลาดเคลื่อนสูง ทางบริษัท Duke Energy จึงมีความมุ่งมั่นในการหาแนวทางรับมือปัญหานี้ โดยการร่วมมือกับ Microsoft บริษัทเทคโนโลยีชั้นนำระดับโลก ด้วยการนำเอาศักยภาพของโปรแกรมคลาวด์ที่ชื่อว่า Azure และโปรแกรม Dynamics 365 มาผสานเข้ากับความเชี่ยวชาญด้านวิศวกรรมของบริษัทผู้ให้บริการชั้นนำด้านเทคโนโลยีสารสนเทศอย่างAccenture และ Avenade

ผลลัพธ์ที่ได้จากความร่วมมือนี้คือ การสร้างแพลตฟอร์มตรวจสอบการรั่วไหลของก๊าซมีเทนอันชาญฉลาด ซึ่งจุดแข็งสำคัญของแพลตฟอร์มใหม่นี้คือ การบูรณาการฐานข้อมูลจากหลากหลายแหล่ง ไม่ว่าจะเป็น ข้อมูลปริมาณการปล่อยก๊าซจากท่อส่งก๊าซ ข้อมูลจากดาวเทียมตรวจการณ์ และข้อมูลจากเซ็นเซอร์ภาคพื้นดิน  แพลตฟอร์มปัญญาประดิษฐ์ (AI) ทำหน้าที่วิเคราะห์ข้อมูลมากมายเหล่านี้แบบเรียลไทม์  เมื่อระบบตรวจพบความผิดปกติ AI จะแจ้งเตือนไปยังทีมวิศวกรผู้เชี่ยวชาญ ข้อมูลตำแหน่งทางภูมิศาสตร์ (Geolocation data) ช่วยให้ทีมสามารถระบุจุดรั่วไหลได้อย่างแม่นยำ ส่งผลให้การซ่อมแซมรวดเร็ว และป้องกันไม่ให้ก๊าซมีเทนอันตรายรั่วไหลสู่ชั้นบรรยากาศ

 

ความสำเร็จของบริษัทเหล่านี้ที่กล่าวมาข้างต้น เป็นตัวอย่างที่แสดงให้เห็นว่าปัญญาประดิษฐ์ (AI) มีบทบาทสำคัญในการยกระดับอุตสาหกรรมพลังงานให้ก้าวเข้าสู่พลังงานสะอาด ปลอดภัย และเป็นมิตรต่อสิ่งแวดล้อมมากขึ้น โดยโซลูชั่นเหล่านี้มีความสำคัญมากขึ้นทุกวัน ซึ่งการประยุกต์ใช้ AI กับภาคธุรกิจได้เข้ามามีบทบาทสำคัญในการช่วยให้ธุรกิจบรรลุเป้าหมายต่างๆ ได้อย่างมีประสิทธิภาพ, รวดเร็วและแม่นยำมากขึ้น อีกทั้งยังช่วยลดความเสี่ยงหรืออุบัติเหตที่ไม่คาดคิดจาก Human Error โดยอาศัย AI ในการช่วยแจ้งเตือนความผิดปกติต่างๆของอุปกรณ์ที่มีแนวโน้มจะเกิดขึ้นในอนาคต

 

 

ข้อมูลอ้างอิง

• https://h2o.ai/case-studies/aes-transforms-energy-business-with-ai-and-h2o/

• https://aws.amazon.com/blogs/industries/marathon-oil-scales-intelligent-alerts-to-over-4000-wells-using-aws-partner-seeq/

• https://www.fdmgroup.com/news-insights/ai-in-energy-sector/

 

 

 

 

 

 

 

ดร.ณัทกฤช อภิภูชยะกุล

ที่ปรึกษาประจำคณะกรรมาธิการการพลังงาน สภาผู้แทนราษฎร